Classifier avec Claude Haiku ou avec Jev : deux façons de décider

Haiku appartient à la même famille que Sonnet, Opus et Fable : des grands modèles de langage qui génèrent une réponse jeton par jeton. Il est le plus rapide et le moins cher de la gamme, pas d'une autre nature. Pour s'en servir comme classifieur, on lui décrit les catégories dans une consigne et on lui demande d'en écrire une.

Jev part d'un autre point. TypeSafe le décrit comme un modèle qui « renonce à la génération de texte » : il reçoit un état (un email, un ticket, un objet JSON) et des questions typées, et il produit toutes ses réponses en une seule requête. Trois types de questions : Choice (une option dans une liste, jusqu'à 255), Score (une position sur une échelle de 2 à 10 niveaux) et Noul (la probabilité qu'une affirmation soit vraie). Il est entraîné, selon l'éditeur, pour des décisions calibrées plutôt que pour plaire à un lecteur humain.

Le mot « classifieur » recouvre d'ailleurs les deux usages chez Anthropic même. Le mode auto de Claude Code s'appuie sur un « classifieur » qui examine chaque action avant exécution : c'est un modèle génératif (Claude Sonnet 5 par défaut) à qui l'on demande de trancher, et qui renvoie une décision et la règle qu'il a appliquée. Un classifieur, au sens courant, c'est une fonction qui choisit une étiquette. Ce qui distingue Haiku et Jev, c'est ce qu'il y a dans la boîte.

Avec Haiku, la fiabilité du format vient des sorties structurées. Vous fournissez un schéma JSON, l'API le compile en grammaire et contraint le décodage : la réponse est un JSON valide, avec les champs requis, et un champ enum ne peut prendre qu'une des valeurs listées. La documentation garde deux réserves. Un refus (stop_reason à « refusal », que les classifieurs de sécurité de Haiku 5.5 peuvent déclencher) ou une coupure par max_tokens peut produire une sortie hors schéma ; et la casse d'une valeur d'enum n'est pas garantie, à comparer donc sans tenir compte des majuscules.

Avec Jev, il n'y a pas de texte à valider. La réponse à un Choice est l'option choisie, la probabilité de chaque option et une confiance ; celle d'un Score est un niveau, ses probabilités et une confiance ; celle d'un Noul est un nombre entre 0 et 1. TypeSafe présente cette sortie comme typée par construction : le modèle ne renvoie qu'une valeur prévue. Une option que vous ajoutez, comme none_of_the_above, lui permet de dire que rien ne convient ; la documentation propose aussi une question Noul séparée pour ce cas.

La vraie différence est là : la probabilité. L'API Messages d'Anthropic ne propose pas de paramètre pour obtenir la probabilité de chaque option. Avec Haiku, une « confiance » s'obtient en la demandant comme un champ du schéma, ce qui donne un chiffre écrit par le modèle, pas mesuré ; ou en appelant plusieurs fois et en comptant les votes, ce qui multiplie le coût. Avec Jev, la distribution fait partie de la réponse, et une règle « au-dessus de 0,8 on continue, en dessous un humain reprend » s'écrit directement.

Une nuance que TypeSafe documente honnêtement : sa « confiance » mesure la concentration de la distribution, pas la probabilité d'avoir raison. La page de la documentation ne publie pas de mesure de calibration. Que 0,8 corresponde à 80 % de bonnes réponses sur votre flux, cela se vérifie sur vos données, pas dans une brochure. C'est aussi vrai pour Haiku, avec une difficulté de plus : il faut d'abord fabriquer le chiffre.

Haiku 5.5 coûte 0,10 $ par million de jetons en entrée et 0,50 $ en sortie, tant que la requête reste sous 100 000 jetons (au-delà, 0,50 $ et 2,50 $). La lecture du cache coûte 0,01 $ par million de jetons, dès 512 jetons de consigne, et l'API Batch divise le prix par deux pour les traitements qui peuvent attendre. Jev coûte 0,042 $ par million de jetons en entrée, et la sortie n'est pas facturée ; TypeSafe précise ne pas pouvoir garantir que ce prix n'est pas subventionné.

Reprenons le flux de notre cas type industrie et SAV : 120 demandes par semaine, soit environ 520 par mois. Comptons 1 200 jetons par appel (l'email et la consigne qui décrit les six motifs) et, pour Haiku, une cinquantaine de jetons de sortie, réflexion désactivée. Haiku revient à environ 0,15 $ les 1 000 appels, Jev à environ 0,05 $. Sur 520 demandes par mois, l'un coûte quelques centimes, l'autre encore moins. Les deux modèles n'utilisent pas le même découpage en jetons : ce sont des ordres de grandeur, pas une facture.

À ce volume, le prix ne décide de rien. Il compte à partir de centaines de milliers d'appels par mois, ou quand on pose dix questions par document. Il compte aussi dans l'autre sens : sur Haiku, la réflexion adaptative est activée par défaut, et ses jetons sont facturés en sortie. Pour un classifieur, désactivez-la ou baissez l'effort, et mesurez.

Pour la latence, TypeSafe annonce de 70 à 500 ms de bout en bout, mesurées depuis la côte ouest des États-Unis, et l'ajout de questions dans un même appel ne la change presque pas. Anthropic ne publie pas de chiffre pour Haiku 5.5 : il est le plus rapide de sa gamme, et sa latence dépend de la longueur de la consigne, de la longueur de la sortie et du niveau de réflexion. Dans une boucle interactive, la différence peut se voir ; dans un traitement d'emails qui tourne toutes les cinq minutes, elle ne se voit pas. Mesurez depuis l'Europe, sur votre flux.

Écrire. Haiku peut accompagner la catégorie d'une justification en une phrase, extraire un numéro de commande et une date, résumer la demande pour la personne qui la traitera. Jev ne génère pas de texte : TypeSafe déconseille de le forcer à écrire par une chaîne de Choice, « lent et peu efficace ». Si votre étape doit aussi produire du texte, Haiku le fait dans le même appel.

Lire long et en français. Haiku accepte un million de jetons de contexte, et il est multilingue. Jev accepte 64 000 jetons par requête et 32 000 par question (262 000 avec un en-tête que TypeSafe a baptisé « Danger Zone »), et sa documentation indique que l'anglais est la langue où sa précision est la meilleure. Sur un flux de SAV en français, l'écart est à mesurer avant de fixer un seuil.

Être en production. Haiku 5.5 est disponible sur l'API Claude, Amazon Bedrock, Google Cloud et Microsoft Foundry. Sur l'API Claude, Anthropic s'engage à ne pas le retirer avant le 7 octobre 2027 ; Bedrock et Google Cloud fixent leurs propres dates. Pour une PME, passer par le cloud qu'elle utilise déjà simplifie le contrat, la facturation et la question de l'hébergement des données. Jev est en accès anticipé, sur liste d'attente, avec un alias jev-latest qui pointe encore sur la version 1.13 et une 1.14 en préversion depuis le 14 octobre.

Raisonner. Un modèle génératif peut, s'il en a le droit, réfléchir avant de répondre. Jev a des limites que TypeSafe publie lui-même pour la version 1.13 : il compte mal, traite les dates comme du texte (durées et comparaisons peu fiables), perd en précision sur les doubles négations et le raisonnement en plusieurs étapes, et favorise légèrement la première option d'un Choice. Une décision qui dépend de « la livraison date-t-elle de plus de 30 jours ? » se calcule dans le code, quel que soit le modèle, mais c'est encore plus vrai avec Jev.

Dire quand ne pas décider. C'est l'argument central, et il est concret : une distribution de probabilités par option, à chaque réponse, sans appel supplémentaire. Le scénario « motif sûr, on route ; motif incertain, un humain trie » s'écrit en une condition. Avec Haiku, il faut construire l'équivalent, et l'équivalent bon marché (un champ « confiance » dans le schéma) n'est pas une mesure.

Poser plusieurs questions isolées. Les questions d'un appel Jev sont évaluées en parallèle et indépendamment, sur le même état : la réponse sur l'urgence n'influence pas celle sur le motif. Avec Haiku, toutes les questions d'un schéma sont écrites dans la même réponse, et la première peut orienter la suivante. On peut faire un appel par question, mais on paie la consigne à chaque fois, sauf à la mettre en cache.

Rester dans la liste. Les sorties structurées de Haiku garantissent qu'un enum reste dans la liste, sauf refus ou coupure. Jev n'a pas de cas à part : il ne produit rien d'autre qu'une valeur de la liste. Pour le code qui consomme la réponse, cela supprime une branche d'erreur.

Le revers est le même pour les deux : Jev ne lit que l'état que vous lui passez, et il ne traite pas cet état comme hostile par défaut. TypeSafe le signale : une instruction glissée dans un email peut changer sa réponse. Haiku n'est pas immunisé non plus. Dans les deux cas, ce que le client écrit est une donnée, et l'action qui coûte reste derrière une règle ou une personne.

Choisissez Haiku si l'étape doit aussi écrire ou extraire, si les documents sont longs, si le flux est en français et que vous n'avez pas le temps de mesurer l'écart, ou si le composant doit partir en production ce trimestre chez un fournisseur que vos achats connaissent déjà.

Testez Jev si la décision tient dans une liste fermée, si vous avez besoin d'un seuil honnête pour renvoyer les cas douteux à un humain, si vous posez plusieurs questions au même document, ou si le volume rend le coût par appel significatif. Testez-le sur des données réelles, avec une solution de repli : c'est un modèle en accès anticipé.

Les deux peuvent aussi se combiner. Dans ses exemples de garde-fous, TypeSafe envoie déjà les cas incertains à une personne. On peut aller un cran plus loin, et c'est notre schéma, pas le sien : Jev en première ligne sur le motif, Haiku pour les demandes sous le seuil ou pour rédiger le résumé, et l'humain pour ce qui reste. Le chemin reste écrit dans le code, et chaque modèle fait ce pour quoi il est conçu.

Dans tous les cas, le travail qui compte est le même, et il précède le choix du modèle : une liste d'options tenue par quelqu'un, décrite en phrases plutôt qu'en mots-clés, quelques centaines d'exemples déjà triés à la main pour mesurer, et un seuil fixé là où les erreurs commencent. Un modèle n'arrange pas une liste de motifs qui se chevauchent : il en répartit l'ambiguïté.

Notre position, pour être clairs : nous recommandons Haiku quand un modèle génératif léger est nécessaire en production aujourd'hui. Nous testons Jev sur nos cas, nous ne le déployons pas encore chez nos clients, pour les raisons données plus haut.

Anthropic, documentation Claude : présentation des modèles et fiche Claude Haiku 5.5 (sortie le 7 octobre 2026, usage visé, tarifs par tranche, cache, Batch, contexte, réflexion adaptative, retrait au plus tôt le 7 octobre 2027 sur les plateformes d'Anthropic), nouveautés de Haiku 5.5 (refus par les classifieurs de sécurité, désactivation de la réflexion), sorties structurées (décodage contraint, enum, refus et coupures, casse). Modèles, Claude Haiku 5.5, Nouveautés, Sorties structurées.

Documentation Claude Code, modes de permission : le mode auto et son classifieur, Claude Sonnet 5 par défaut. Modes de permission.

TypeSafe AI, « Introducing System One models and Jev », 15 septembre 2026 : abandon de la génération de texte, 0,042 $ par million de jetons en entrée, sortie non facturée, latence de 70 à 500 ms, accès anticipé. Article TypeSafe AI.

TypeSafe AI, documentation : introduction, modèles (versions 1.13 et 1.14, limites de contexte, langues), confiance (définition, absence de mesure de calibration publiée), limites connues de Jev 1.13, garde-fous autour d'un LLM. Introduction, Modèles, Confiance, Limites de Jev 1.13, Garde-fous.

Les coûts par appel de la troisième section sont nos calculs à partir de ces tarifs, pas des mesures.