Articul8 Bivia : un modèle de décision capable de s'abstenir — et dépourvu de liste de prix

La ligne la plus déterminante de la documentation de l’API de Bivia n’est pas un benchmark. C’est le statut. Un appel avec réponse renvoie une valeur, une probabilité entre 0 et 1, et une distribution sur les options que vous avez proposées. Un appel refusé renvoie value: null, un abstain_reason et la même distribution — le modèle vous indiquant, dans un champ typé, que les preuves ne justifiaient pas un engagement. Articul8 Bivia, lancé depuis Santa Clara le 28 octobre 2026, est un modèle de décision multimodal plutôt qu’un modèle génératif : un POST HTTP en entrée, du JSON typé en sortie, zéro jeton de sortie. Le champ d’abstention est la fonctionnalité sur laquelle le lancement s’appuie le plus fortement, et c’est celle que vous pouvez désactiver avec un seul paramètre. La question de savoir si cet argument tient est une question de calibration, et le point de référence est Jev-1.13 de TypeSafe AI — le modèle de décision dont ce blog a le plus parlé, et celui que vous pouvez déjà appeler via OrcaRouter.

Placez les deux côte à côte et la différence tient à ce que chaque modèle accepte en entrée. Jev répond à des questions saisies au clavier portant sur du texte. Bivia prend du texte, des images, des documents, du code, des signaux de capteurs, de l’audio et de la vidéo, et ancre sa réponse dans l’artefact : une boîte englobante, un décalage de caractères, un horodatage vidéo. Ce que les deux fournisseurs partagent est un problème commercial, pas une architecture. Tous deux sont vendus comme un moyen d’arrêter de payer les tarifs des modèles de pointe pour des jugements qui se ramènent à un oui, un non, une étiquette ou un nombre. La version d’Articul8 de ce discours arrive avec une API fonctionnelle, une offre de jetons gratuits et aucun prix publié par jeton, ce qui fait de la première décision que Bivia vous impose une décision comptable.

Ce que Bivia renvoie réellement

La page produit est inhabituellement précise sur le contrat, ce qui vaut la peine d'être lu attentivement, car le communiqué de presse ne l'est pas. Une décision est un POST avec votre clé d'API dans BIVIA_API_KEY ; la réponse a toujours la même forme JSON, ce qui est tout l'intérêt d'une sortie non générative. Vous choisissez l'une des neuf primitives — Decide, Choice, Boolean, Score, Set, Span, Ground, Extract et « Data science » — et la réponse est convertie en l'une des cinq formes typées. Pas de prose, pas d'étape d'analyse, pas d'accolade tronquée au token 4 000.

• Entrées — texte, images, documents, code, signaux, audio et vidéo, sept modalités au sein d'une architecture partagée unique plutôt que des pipelines distincts par format.

• Sorties — Choice, Boolean, Score, Set et Span, chacune renvoyée avec une probabilité calibrée et une distribution sur les options que vous avez fournies.

• Modes — Fast exécute une décision en une seule passe ; Deep décide, puis remet en question sa propre décision avant de s'engager ; Fast peut être complété par think: true. Le bandeau récapitulatif de la page indique « Fast Deep Thinking », tandis que la section détaillée décrit « Fast · Deep · Abstain » ; le fournisseur laisse donc non tranchée la question de savoir si Thinking est un quatrième mode ou une bascule sur Fast.

• Refus — facultatif. Envoyez allow_abstain: false et Bivia s’engage à répondre à chaque fois, ce qui supprime le garde-fou et vous laisse avec une probabilité qui peut être proche de zéro.

• Ancrage — les régions, les décalages et les horodatages sont transmis avec la réponse, afin qu’un contrôle en aval puisse rouvrir les éléments de preuve au pixel ou à la seconde exacte utilisés par le modèle.

• Langues — plus de 50, la page citant notamment l’anglais, le japonais, le coréen, le hindi, le tamoul, l’espagnol, l’allemand et le portugais.

La surface d’intégration est plus étendue que ce qu’obtient habituellement une API de décision. Des serveurs MCP pour Claude Code, Codex, Cursor et VS Code, une CLI et une compétence Claude, une application de bureau flottante pour macOS et Windows, des extensions Chrome et Edge qui vous permettent de sélectionner une région de l’écran et de l’interroger, un add-on Google Workspace avec les formules =BIVIA.DECIDE, =BIVIA.CHOICE et =BIVIA.SCORE, ainsi que des SDK en Python, Node.js, Go et Rust. Rien de tout cela ne change ce qu’est le modèle. Cela signifie simplement que l’essai vous coûte une commande plutôt qu’un projet d’intégration.

L'interrupteur d'abstention constitue tout le produit, et c'est l'aspect le moins mesuré.

L’abstention est la bonne idée, et c’est la moitié la plus difficile de l’affirmation. Une couche de décision qui devine est pire qu’un modèle génératif qui devine, car une réponse typée paraît vérifiable qu’elle ait été méritée ou non. La question intéressante n’est donc pas de savoir si Bivia peut renvoyer une abstention — l’API prouve que oui — mais si son niveau de confiance est suffisamment calibré pour que les refus tombent sur les cas véritablement ambigus et les engagements sur les cas clairs. C’est une propriété mesurable, et Articul8 n’en a pas publié de mesure.

Ce qui existe à la place, c’est un travail indépendant sur la catégorie. JEVal, un benchmark introduit dans arXiv 2610.03935, teste 25 configurations de modèles sur 11 257 instances issues de 36 jeux de données répartis sur 10 domaines d’application. Son constat est sans appel : les modèles de décision généraux sont les plus performants lorsque la réponse peut être tranchée à partir des éléments de preuve dont ils disposent, et deviennent moins fiables lorsqu’une connaissance spécialisée est requise ou que l’incertitude doit être estimée de manière fidèle. La formulation du résumé est que ces modèles peuvent choisir le résultat le plus probable tout en « surestimant substantiellement sa probabilité ». Le même article exécute τ-bench et constate que des décisions locales plus rapides raccourcissent les épisodes — mais le taux de réussite global diminue à mesure que les erreurs s’accumulent sur une longue trajectoire.

Cette seconde observation attaque directement l'argument qui consiste à placer un modèle de décision à chaque étape d'un agent. L'effet cumulatif est le mode de défaillance que masque un chiffre de précision par étape : une étape juste 90 % du temps ne l'est plus que 59 % du temps après cinq étapes dépendantes. Un test pré-enregistré distinct sur Zenodo (SILT-RP-010) a soumis sept modèles de décision à 799 décisions oui/non non publiées et n'a trouvé qu'une seule configuration cohérente avec sa propre revendication de calibration ; Jev a obtenu un ECE de 0,052, que les auteurs ont consigné comme non concluant plutôt que comme confirmé. Rien de tout cela ne concerne Bivia, et rien de tout cela ne doit être lu comme un verdict sur Bivia. C'est la norme à laquelle la catégorie est tenue, et Bivia n'y a pas encore été confrontée.

Là où des données concrètes existent, elles sont assez limitées pour qu’on puisse en parler honnêtement. Un développeur a soumis 42 décisions étiquetées issues de son propre agent de codage nocturne à Jev-1.13 et Clef-Flash ; tous deux ont parfaitement traité les dix choix d’action d’utilisation de l’ordinateur, y compris deux pièges de sécurité — dont l’un nécessitait une abstention —, tandis que tous deux ont raté les mêmes quatre cas de supervision. Il le décrit lui-même comme « un benchmark de 42 cas provenant de l’agent d’une seule personne, pas un article ». Bivia n’y figurait pas.

Le benchmark phare nomme son comparateur, ce que la plupart des lancements ne font pas.

Le test interne de routage d'outils d'Articul8 attribue à Bivia un score de 0,91 contre 0,84 pour Jev, et le communiqué le dit nommément plutôt que de se cacher derrière « un concurrent de premier plan ». Cela mérite d'être salué ; les comparateurs nommés sont falsifiables d'une manière que les anonymes ne sont pas. Le reste du bloc de benchmark demande un étiquetage plus poussé :

• Routage des outils — Bivia 0,91 vs Jev 0,84, interne au fournisseur, méthodologie non publiée.

• Achèvement du workflow de bout en bout — environ 73 % contre 37 % pour le modèle de comparaison, un chiffre qui apparaît dans les publications de lancement d’Articul8 plutôt que dans le communiqué de presse.

• Tâches liées à l’énergie et à Verilog — exactitude de 100 % sur les tâches sélectionnées après ajustement au domaine. La version elle-même les signale comme étant dans la distribution, ce qui signifie que les tâches ressemblent aux données d’ajustement ; c’est une affirmation sur l’adéquation, et non sur la généralisation.

• Stabilité des réponses — Articul8 affirme que des concurrents, dont Jev, changeaient leurs réponses dans environ une exécution sur huit lorsque les options étaient réordonnées, tandis que Bivia restait cohérente. Aucun banc d’essai, échantillon ou ensemble d’options n’est divulgué.

L’asymétrie à remarquer se situe de l’autre côté de la comparaison. Jev a fait l’objet d’une évaluation indépendante : 37 jeux de données dans une étude arXiv, la suite JEVal, le test de calibration préenregistré et plusieurs dispositifs d’évaluation pilotés par les développeurs. Bivia, qui date d’un jour, dispose d’un communiqué de presse et d’une page produit. C’est normal le jour du lancement et ce n’est pas une critique du modèle — c’est une raison de considérer 0,91 comme un chiffre à reproduire plutôt qu’un chiffre sur lequel planifier.

Tarification : vous payez les tokens d'entrée, et il n'existe aucune grille tarifaire pour la calculer.

Les conditions commerciales sont simples dans leur forme et vides là où cela compte. Pas d’abonnement. Vous ne payez que pour les tokens d’entrée, ce qui découle d’un modèle qui n’en émet aucun. Les 10 000 premiers utilisateurs obtiennent jusqu’à 1 milliard de tokens gratuits. L’accès nécessite de s’inscrire sur articul8.ai/bivia. Ce qui manque, c’est le tarif réel : aucun montant en dollars par million de tokens d’entrée n’apparaît sur la page produit, dans le communiqué, ni dans les publications de lancement. Les graphiques de coûts de la page — une comparaison « ¢$$$ 1 forward pass » — sont des illustrations, et non des prix.

Sans tarif, vous ne pouvez pas effectuer le seul calcul sur lequel repose toute la catégorie : savoir si un appel de décision coûte moins cher que l’appel génératif qu’il remplace. Les chiffres de démonstration d’Articul8 rendent l’attrait visible sans le rendre calculable : 10 058 décisions sur la télémétrie de refroidissement d’un centre de données en environ 15 secondes, dont 13 se sont abstenues et ont été transmises à un opérateur ; 200 lots de wafers et 1 000 décisions sur un poste de 12 heures, cinq appels par lot sur huit scanners de lithographie ; une exécution unique facturée 0,40 $ sans préciser ce qu’elle contenait. Chacun de ces cas est une démonstration capturée et rejouée par le fournisseur, et plusieurs exemples de la page sont explicitement étiquetés comme illustratifs.

L’offre gratuite est la solution pratique pour le moment. Un milliard de tokens d’entrée suffit pour mener un véritable pilote — quelques centaines de cas étiquetés via Fast and Deep, avec et sans abstention — avant que quiconque ait à vous proposer un prix. Ce pilote est le seul moyen de connaître votre taux d’abstention sur vos propres données, et c’est ce taux qui détermine si l’équation économique fonctionne. Un seuil strict oriente davantage de cas vers des humains ; un seuil laxiste laisse passer des erreurs faites avec assurance. Cet arbitrage entre couverture et risque est au cœur de la classification sélective, et aucun benchmark de fournisseur ne remplace votre propre seuil.

C’est dans la vidéo et les documents que Bivia cesse de ressembler aux autres modèles décisionnels.

Les modèles de décision textuels — Jev, Clef, les diverses reconstructions ouvertes — prennent des questions saisies sur le texte et renvoient des probabilités. L’architecture commune de Bivia sur sept modalités appartient à une catégorie de produit différente portant la même étiquette, et la démo qui le montre est un documentaire 4K de 52 minutes sur la Station spatiale internationale, injecté image par image en une seule requête, faisant apparaître des événements de quelques secondes comme les lumières des villes côté nuit et une aurore. Un échantillonnage des images aurait manqué de les détecter ; l’affirmation est que Bivia n’échantillonne pas.

C'est une capacité véritablement différente, et elle vise les cas d'usage industriels qu'Articul8 vend réellement : des images d'inspection où l'événement dure trois secondes sur quarante minutes, des plans d'ingénierie, des tableaux et graphiques, des traces de capteurs. Les clients nommés sont Hitachi Energy, CTC, AZing et Megazone, et la plateforme autour de Bivia se connecte à plus de 25 systèmes d'entreprise et opérationnels, avec un déploiement sur des clouds publics, privés, souverains et air-gapped. L'ajustement au domaine, en revanche, est piloté par les ventes — la consigne de la page à ce sujet est « Parlez-nous de votre domaine ». Ainsi, les chiffres de 100 % pour l'énergie et Verilog décrivent des déploiements ajustés construits avec l'aide d'Articul8, et non un modèle que vous téléchargez et pointez vers votre usine un mardi.

Où se situe un modèle de décision dans un agent — et pourquoi il s’agit d’une question de routage

L’architecture qui a du sens n’est pas « remplacer le LLM par Bivia ». C’est une chaîne en trois parties : les règles déterministes absorbent les cas qu’elles peuvent régler, le modèle de décision prend les jugements encadrés qui restent et renvoie une étiquette assortie d’une probabilité, et l’application valide l’étiquette au regard des politiques et des autorisations avant que quoi que ce soit ne se produise. C’est seulement alors que le workflow choisit entre une action peu coûteuse, un appel à un modèle de pointe et un humain. Un modèle de décision est une étape de recommandation, pas une source d’autorité — il ne peut pas autoriser une fusion, une dépense ou une approbation omise, et une étiquette bien formée choisie pour la mauvaise raison reste erronée.

Ce qui signifie que la question opérationnelle est celle du routage, et elle comporte trois volets : quelles étapes vont à la couche de décision, lesquelles basculent vers un modèle génératif lorsque la probabilité est faible ou que la réponse fait l'objet d'une abstention, et ce qui se passe lorsque le point de terminaison de décision lui-même est lent ou indisponible. Telle est la forme d'une politique de routage, et c'est précisément à cela que sert le DSL de routage d'OrcaRouter — composer un appel de décision et un repli génératif en un seul appel, avec un basculement automatique derrière, afin qu'une abstention ou une panne d'un côté ou de l'autre ait un prochain saut défini plutôt qu'un agent bloqué. La moitié générative de cette chaîne est là où la tarification sans marge compte : une API unique pour plus de 200 modèles au prix catalogue du fournisseur, avec 0 % de marge, de sorte que lorsqu'un fournisseur baisse un prix, le tarif auquel vous routez évolue le jour même.

Une mise en garde honnête sur la disponibilité. Bivia ne figure pas au catalogue d’OrcaRouter — il est accessible via l’API propre à Articul8 et la plateforme du fournisseur, et nulle part ailleurs que nous puissions garantir. Jev-1.13 de TypeSafe AI figure au catalogue, ce qui fait d’un essai comparatif du modèle de décision hébergé que nous proposons effectivement un exercice à une seule clé ; essayer Bivia suppose un second contrat et un identifiant distinct. Si vous voulez voir si une couche de décision mérite sa place avant de signer quoi que ce soit, cette asymétrie est l’expérience la moins coûteuse disponible.

Qui devrait essayer Bivia dès maintenant, et qui devrait attendre ?

Essayez-le si vos décisions reposent sur des artefacts plutôt que sur des phrases — vidéos d’inspection, plans, déclarations numérisées, journaux de capteurs — car c’est le domaine où Bivia n’a actuellement aucun concurrent à égaler dans la vague des modèles de décision, et le quota gratuit de jetons couvre le pilote. Essayez-le si vous êtes déjà client d’Articul8 avec la plateforme déployée, car Bivia fonctionne aussi dans Bivia Studio aux côtés du pipeline dont vous disposez ; ou si vous avez besoin d’un déploiement isolé ou souverain, ce que couvre le support au niveau de l’entreprise. Essayez-le si c’est depuis un agent de codage que vous comptez l’utiliser, car les serveurs MCP et l’installateur curl en font un test de dix minutes plutôt qu’un projet.

Attendez si vous avez besoin d’un prix unitaire pour modéliser les dépenses, car il n’y en a pas. Attendez si le service des achats exige une référence indépendante ou un taux d’abstention publié, car aucun des deux n’existe encore. Attendez si vous avez besoin de poids que vous pouvez héberger, de conditions de licence que vous pouvez lire ou d’un SLA de latence — rien de tout cela n’a été publié. Et attendez si l’ajustement au domaine constitue toute la valeur : l’écart entre Bivia prêt à l’emploi et Bivia ajusté à votre domaine n’est pas divulgué, et cet écart est exactement ce que vous achèteriez.

Trois éléments permettraient de trancher, et il appartient au fournisseur de publier les trois : une grille tarifaire par token, un taux d’abstention mesuré sur un banc d’évaluation que d’autres peuvent exécuter, et des résultats sur un benchmark antérieur au lancement. Jusque-là, l’interprétation équitable de Bivia est celle d’une API bien spécifiée, portée par un argumentaire inhabituellement solide sur les modalités, vendue sur la base de benchmarks générés par sa propre équipe, son comportement le plus intéressant — savoir quand s’abstenir — restant quelque chose que vous devez mesurer vous-même. L’option d’abstention peut être essayée gratuitement et, au vu des éléments disponibles, c’est encore la meilleure raison de l’essayer.