Cloudflare a lancé Clef et Clef-flash, deux modèles open source de décision IA conçus pour aider les agents IA à prendre plus rapidement des décisions structurées sans générer de longues réponses textuelles.
Lancés le 1er oct., ces modèles ciblent des tâches d’entreprise telles que l’orientation des demandes d’assistance, la classification des sites web et la décision de déterminer quand un workflow automatisé nécessite une vérification humaine.
Les deux modèles sont disponibles via Cloudflare Workers AI, avec des poids téléchargeables sous licence Apache 2.0 pour un déploiement local. Cloudflare a également annoncé un service d’ajustement fin par apprentissage par renforcement pour les organisations qui souhaitent adapter Clef à leurs propres données et workflows.
Contrairement aux chatbots conventionnels, Clef produit des réponses prédéfinies accompagnées de scores de probabilité. Un système d’assistance pourrait par exemple classer une demande client par niveau d’urgence et par service, puis utiliser ces résultats pour déterminer vers où orienter le ticket.
Comment fonctionnent les modèles de décision Clef de Cloudflare
Selon l’annonce de lancement de Cloudflare, Clef adopte une approche différente de celle des modèles IA qui génèrent leurs réponses mot par mot. Il traite une entrée et évalue en parallèle les choix valides, en renvoyant des classifications structurées plutôt que des explications en texte libre.
Le modèle Clef, plus imposant, utilise une architecture Qwen3.8-27B gelée, tandis que Clef-flash repose sur Qwen3.5-9B. Tous deux intègrent des composants de routage spécialisés et des adaptateurs conçus pour améliorer la précision et la rapidité des décisions.
Cloudflare indique que ses modèles peuvent classifier des domaines, orienter des demandes d’assistance client, évaluer des signalements liés à la confiance et à la sécurité, et aider à distinguer les robots d’exploration web légitimes des bots potentiellement malveillants.
L’entreprise affirme que Clef est actuellement en tête du Jev Decision Index et qu’il a surpassé le modèle de décision Jev de Typesafe AI dans trois des quatre catégories évaluées. Cloudflare fait également état d’une latence inférieure dans la plupart de ses comparaisons internes.
Il s’agit de résultats communiqués par l’entreprise, et non de mesures de performance reproduites de manière indépendante.
L’approche de Cloudflare pourrait être utile aux entreprises qui exécutent de nombreux workflows automatisés, pour lesquels la rapidité de classification et la cohérence des formats de sortie influent sur les coûts de traitement.
Cette version introduit également des options de personnalisation. Le service d’apprentissage par renforcement de Cloudflare utilise AI Gateway pour recueillir les données des workflows, Workers AI pour générer les cycles d’entraînement, Containers pour évaluer les résultats et un nouveau composant Trainer pour mettre à jour les poids des modèles.
Les modèles ajustés peuvent ensuite être redéployés via Workers AI. Dans un premier temps, l’assistance client est assurée par l’équipe d’ingénierie de Cloudflare, tandis qu’une plateforme d’ajustement fin en libre-service est prévue ultérieurement.
Les organisations qui envisagent un déploiement local peuvent utiliser les poids des modèles sous licence Apache 2.0 sans adopter l’ensemble de la pile d’hébergement de Cloudflare. Les clients qui souhaitent un ajustement géré par Cloudflare utiliseraient davantage de composants de sa plateforme IA.
Ce qu’a constaté eWeek : des décisions plus rapides nécessitent toujours des contrôles de sécurité
Clef traite une partie précise d’un workflow IA : décider comment classer des informations ou quelle option prédéfinie sélectionner. Il ne détermine pas de manière autonome si l’action qui en découle est autorisée.
Par exemple, un modèle peut classer correctement une demande client comme urgente et recommander une escalade. L’application environnante doit néanmoins déterminer si l’agent est autorisé à accéder aux dossiers clients, à modifier les paramètres d’un compte ou à contacter des systèmes externes.
Dans sa proposition distincte Agent Access Model, Cloudflare soutient que les actions des agents doivent être autorisées en fonction de la tâche et de son état actuel, au moyen de permissions limitées plutôt qu’en faisant confiance aux seules décisions d’un agent.
Cette distinction s’applique également à d’autres systèmes d’IA d’entreprise. eWeek a déjà expliqué comment Dataiku suit les agents IA sur différentes plateformes et comment le système de sécurité des agents de Nvidia vise à restreindre les activités autonomes.
Les organisations qui évaluent Clef devraient donc examiner la précision des classifications, les temps de réponse, l’étalonnage des probabilités et les politiques qui encadrent ce qui se passe après une décision.
Les scores de probabilité peuvent aider les applications à orienter les cas incertains vers des vérificateurs humains, mais un score élevé ne constitue pas une autorisation d’effectuer une action sensible.
Les résultats de déploiements indépendants aideront également à établir les performances de Clef au-delà des tests de Cloudflare. Les benchmarks d’agents IA d’entreprise existants ont mis en évidence des différences importantes entre les capacités des modèles et la réussite de tâches professionnelles réelles menées à bien.
Pour les activités moins risquées, comme l’orientation des tickets d’assistance, des classifications structurées plus rapides pourraient réduire les frais de traitement. Les décisions sensibles sur le plan de la sécurité, impliquant la fraude, les données clients ou les contrôles d’accès, nécessitent des mesures de protection supplémentaires.
Clef offre aux développeurs une nouvelle manière de gérer la classification dans les workflows d’agents IA. La généralisation de son adoption par les entreprises dépendra de la précision de ses scores de probabilité sur leurs propres données et de la fiabilité avec laquelle les systèmes en aval appliqueront les exigences d’autorisation et d’approbation.
Vous voulez découvrir d’autres conseils, astuces et techniques de prompting en IA ? Les lecteurs d’eWeek bénéficient de sept jours d’accès gratuit à The Neuron Academy, notre plateforme d’apprentissage pratique conçue pour aider les professionnels à utiliser l’IA avec davantage d’assurance au travail. Parcourir toutes les leçons →
Laissez-nous vous apprendre à parler à l’IA gratuitement ! Suivez notre cours de six minutes sur The Neuron Academy et découvrez quelques méthodes simples pour rédiger de meilleurs prompts et obtenir des résultats plus utiles grâce à l’IA, ou parcourez gratuitement notre autre cours d’IA pendant sept jours. Découvrez toutes les leçons ici →