Cloudflare lance Clef, un modèle de décision multimodal pour les tâches IA structurées

Cloudflare a présenté Clef, un nouveau modèle de décision multimodal conçu pour gérer des tâches structurées telles que l'extraction de champs de documents et le routage de requêtes. Sorti début octobre 2026, ce modèle de 27 milliards de paramètres est affiné à partir de Qwen3.8-27B et s'intègre directement aux flux de travail d'ingénierie IA existants via des API standard.

Ce qui s'est passé

Clef marque un tournant vers des modèles de prise de décision spécialisés plutôt que des chatbots généralistes. Le modèle est capable de traiter simultanément du texte, des structures JSON et des images. Cela lui permet d'analyser des captures d'écran, des reçus, des formulaires et des photos ainsi que des données textuelles pour prendre des décisions déterministes. Cloudflare indique que Clef occupe actuellement la tête du Decision Index, leur classement interne des modèles de décision, et surpasse son prédécesseur, Jev, sur la plupart des suites de benchmarks.

La version publiée inclut une compatibilité totale avec les API Jev et System One. Cela signifie que les développeurs peuvent déployer Clef en utilisant l'endpoint /v1/systemone d'Ollama sans réécrire leur logique d'intégration. Une variante plus petite et plus rapide, appelée clef-flash, est également disponible pour les cas d'usage où la latence est plus critique que la précision maximale. Les deux versions sont publiées sous licence Apache 2.0, permettant une adoption commerciale et open source large.

Comment ça fonctionne

Contrairement aux modèles de langage autoregressifs traditionnels qui génèrent du texte token par token, Clef opère en une seule passe avant non-autoregressive. Il évalue conjointement chaque option possible pour chaque question. Cette architecture réduit considérablement le temps d'inférence pour les tâches de classification et d'extraction, car le modèle n'a pas besoin de générer des explications détaillées avant d'arriver à une conclusion. Au lieu de cela, il produit des probabilités structurées pour des choix prédéfinis.

Le modèle prend en charge une fenêtre de contexte de 64K, soit le double de la capacité de la fenêtre de 32K de Jev. Ce contexte plus large permet à Clef de traiter des documents plus longs ou des jeux d'instructions plus complexes en une seule fois. Lorsque des images sont incluses dans la requête, elles sont encodées et évaluées conjointement avec le texte. Cette évaluation conjointe garantit que les indices visuels, tels que la mise en page d'un formulaire ou un tampon sur un reçu, influencent la décision finale aux côtés du contenu textuel.

Les développeurs interagissent avec Clef en envoyant un state (les données à juger) et une liste de questions. Les questions définissent le type de décision requis, comme une sélection à choix multiples, une vérification binaire vrai/faux ou une notation pondérée. Le modèle renvoie l'option choisie ainsi que les distributions de probabilité et une métrique de confiance. Ce score de confiance indique la concentration des probabilités, aidant les ingénieurs à déterminer quand faire confiance à la sortie ou escalader vers un relecteur humain.

Détails clés

• Taille du modèle : 27 milliards de paramètres, affinés à partir de Qwen3.8-27B.
• Fenêtre de contexte : 64K tokens, supportant des documents longs et des instructions complexes.
• Types d'entrée : Texte, JSON et images encodées en base64 (PNG, JPEG, WebP).
• Déploiement : Compatible avec Ollama via l'endpoint /v1/systemone ; installable via ollama pull clef.
• Licence : Apache 2.0, autorisant l'utilisation commerciale gratuite et la modification.
• Format de sortie : JSON structuré avec choix, probabilités et scores de confiance.

Pourquoi c'est important

Pour les ingénieurs logiciels construisant des agents IA, Clef offre une alternative plus fiable au prompting de grands modèles de langage pour des tâches simples de classification. Les LLM généralistes hallucinent souvent ou fournissent des formats incohérents lorsqu'on leur demande d'extraire des champs spécifiques de documents. La conception non-autoregressive de Clef et son format de sortie structuré réduisent ces erreurs en forçant le modèle à choisir parmi des options prédéfinies. Cela facilite l'intégration des décisions IA dans une logique métier déterministe, telle que le routage des tickets de support ou l'approbation des notes de frais.

La capacité de traiter les images et le texte en une seule passe simplifie également les pipelines multimodaux. Auparavant, les ingénieurs pouvaient avoir besoin d'outils OCR séparés et de modèles de langage, qu'ils chaînaient ensemble avec une gestion d'erreurs fragile. Clef unifie ce processus, permettant à un seul appel API d'interpréter une facture scannée et d'en extraire les valeurs clés comme la date et le montant total. La licence open source abaisse davantage la barrière à l'entrée, permettant aux équipes d'héberger le modèle elles-mêmes pour la conformité à la confidentialité des données sans frais de licence.

Ce que vous pouvez faire

• Installez Clef localement en utilisant Ollama en exécutant ollama pull clef dans votre terminal.
• Remplacez les prompts de classification existants par le format de question structuré de Clef pour améliorer la précision.
• Utilisez le champ images pour soumettre des captures d'écran ou des documents scannés pour une analyse conjointe texte-image.
• Implémentez des seuils de confiance dans votre application pour signaler les décisions à faible certitude à un relecteur humain.
• Testez la variante clef-flash si votre application nécessite une latence plus faible pour des tâches à haut volume.
• Consultez la documentation de l'API System One pour mapper vos intégrations Jev actuelles vers Clef.