Jev progresse chez Vercel. L’adoption d’une IA ne mesure pas son poids économique

Le rapport d’octobre de Vercel donne un exemple concret du décalage entre popularité et dépense dans les usages de l’IA. Jev atteint 35,3 % des équipes payantes concernées pendant ses quatorze premiers jours sur AI Gateway. Il représente pourtant seulement 0,27 % des dépenses sur cette même période. Ces chiffres décrivent la plateforme de Vercel et ne mesurent pas l’ensemble du marché.

Publié le 15 octobre 2026 et consacré à l’activité de septembre, le rapport AI Gateway Production Index classe les lancements selon plusieurs critères. Le nombre d’équipes qui essaient un modèle ne répond pas à la même question que le volume traité. La part des dépenses et le retour des utilisateurs apportent encore d’autres indications.

Un modèle conçu pour choisir dans un cadre défini

Jev vient de TypeSafe AI. Son annonce originale du 15 septembre présente un modèle destiné aux décisions structurées. L’application définit à l’avance les sorties possibles. Le modèle renvoie des valeurs accompagnées de probabilités plutôt qu’un texte libre. Ce choix vise notamment le classement et l’orientation des demandes dans un logiciel.

Comparer ce type d’outil à un assistant qui rédige une longue réponse demande donc de préciser la tâche. Une petite sortie structurée et un document complet ne consomment pas les mêmes ressources. Une faible dépense peut accompagner une utilisation fréquente. Elle ne démontre pas à elle seule un manque d’intérêt pour le modèle.

TypeSafe publie également des comparaisons de vitesse et de coût issues de ses propres évaluations. Son texte décrit plusieurs limites du protocole. Ces résultats restent des mesures de l’éditeur. Le rapport de Vercel apporte une observation d’usage sur une autre plateforme. Il ne valide pas pour autant chaque promesse de performance de TypeSafe.

Ce que signifie une équipe dans les données

La page méthodologique de Vercel définit une équipe comme un espace de compte utilisé par une personne ou un groupe. Une même entreprise peut posséder plusieurs équipes. Le pourcentage observé ne se traduit donc pas directement en proportion d’entreprises équipées. Il ne renseigne pas non plus sur le nombre de salariés qui utilisent effectivement le modèle.

La méthode générale distingue la part des équipes actives et celle des tokens. Un groupe peut consommer beaucoup de tokens tout en représentant peu de comptes. Ces deux proportions peuvent évoluer dans des directions différentes sans se contredire. Le bon dénominateur dépend de la question posée au départ.

Les fenêtres de mesure ne sont pas interchangeables

Le rapport mensuel précise ses propres règles pour les lancements. Le calcul de portée prend pour base les équipes payantes actives du début du mois jusqu’à l’arrêt des données. La mesure de retour compare les équipes de la première semaine à celles qui reviennent la deuxième. Pour Jev ce taux atteint 55,6 %. Il ne mesure ni une fidélité annuelle ni la satisfaction des utilisateurs. Les dépenses sont estimées aux prix publics et peuvent différer des factures réelles.

Lire le classement sans en faire une recommandation universelle

Les données décrivent les demandes qui passent par AI Gateway. Elles ne couvrent pas tous les usages réalisés directement auprès des laboratoires ou sur une infrastructure locale. Cette limite ressemble à celle expliquée dans notre article sur le rapport d’OpenAI consacré aux agents en Europe. Une activité mesurée ne devient pas automatiquement une mesure de valeur produite.

Ce que j’en retiens

Ces chiffres m’intéressent parce qu’ils obligent à choisir ce que l’on cherche à comprendre. Pour juger un modèle je regarderais la tâche accomplie et la qualité attendue avant sa place dans un classement. L’adoption dit qu’un outil attire des utilisateurs. Le résultat obtenu et son coût dans la durée disent s’il mérite de rester dans leur travail.