IA
Trier automatiquement les cas francs, garder l’humain pour le reste
KEV lit un texte et répond à des questions — oui ou non, quelle option, quelle note — avec une probabilité pour chaque réponse. Une application peut ainsi traiter seule les cas nets et envoyer les cas douteux à une personne. Les modèles tournent sur les machines de l’équipe.
Ce qu’elle fait
KEV est un projet libre, publié sous licence Apache-2.0. L’équipe ne l’a pas écrit : elle l’a empaqueté pour que toutes ses applications puissent s’en servir.
On lui donne un texte et une ou plusieurs questions. Il rend une probabilité calibrée par réponse possible, plutôt qu’une étiquette sèche. Quatre actions sont proposées :
- décider : plusieurs questions d’un coup sur un même texte ;
- oui / non : la probabilité du oui ;
- choisir : une option parmi plusieurs, avec la probabilité de chacune ;
- noter : une note sur une échelle de niveaux nommés.
La forme des questions est vérifiée avant l’appel, pour renvoyer une erreur claire plutôt qu’un refus technique.
Pour qui
Pour une application qui doit trier des tickets, des messages, des contrats ou des dossiers, et qui veut savoir à quel point chaque décision est sûre. Pour une entreprise qui préfère garder ses textes chez elle plutôt que de les envoyer à un service d’IA externe.
Comment elle est construite
Deux versions du modèle sont servies, chacune sur la machine qui lui convient, d’après des mesures faites par l’équipe :
- Kev-9B sur un serveur GPU NVIDIA DGX Spark, pour les documents longs : contrats, dossiers. Une question y prend environ 80 millisecondes ; un choix complet, 230 millisecondes de bout en bout.
- Kev-4B sur un Mac de 64 Go, pour les textes courts : tickets, messages, extraits. Sur ces textes, les deux versions répondent en 200 à 300 millisecondes, avec des probabilités équivalentes.
Le moteur ne fait que calculer. Tout le reste est porté par une enveloppe commune aux services de l’équipe (socle-svc) : l’identité de l’appelant, la file d’attente, le partage du processeur graphique, les erreurs. Le moteur n’est jamais joint directement de l’extérieur.
Les quatre actions sont publiées à la fois sur la passerelle d’API de la plateforme et en MCP, le protocole qui permet à une IA d’appeler des outils. Les machines sont reliées au Hub par un tunnel, sans port publié.
Points forts
Une probabilité, pas un verdict
Chaque réponse vient avec son degré de certitude. L’application fixe son seuil : au-dessus elle décide, en dessous elle demande.
Les données restent chez nous
Les modèles tournent sur des machines de l’équipe. Aucun texte ne part vers un fournisseur d’IA externe.
La bonne machine pour chaque texte
Textes courts sur un Mac, documents longs sur le serveur GPU. Le partage repose sur des mesures, pas sur une préférence.
Simple à appeler pour un agent
Trois raccourcis évitent de construire des objets compliqués. Un agent IA pose sa question en une ligne.