Public transcript

JEV + Claude va Changer ta Façon de Travailler pour Toujours (cas d'usage réels)

By: Simon De Lima
Length: 31 min
Published: 30 September 2026
Language: French
Text from: the audio
Transcribed: 3 October 2026

Read the full transcript Open on YouTube

Notes in French.

Summary

Simon De Lima présente JEV, un modèle d'IA édité par TypeSafe, conçu pour trier, classer et scorer des données à très grande vitesse et très bas coût, sans rédiger ni raisonner. Il démontre un cas d'usage complet de prospection : récupération de 200 entreprises bordelaises via Appify, scoring par JEV, puis rédaction de séquences d'emails par Claude. Il montre aussi un cas de veille publicitaire sur la bibliothèque Meta, compare les coûts avec Opus, et conclut que JEV doit s'inscrire dans un workflow complet pour être commercialisé comme service de consultant IA.

Key points

JEV est un modèle de TypeSafe, entreprise fondée par un co-créateur de ChatGPT, 20 à 200 fois plus rapide et 40 à 400 fois moins cher qu'un LLM classique.
JEV coûte environ 0,04 dollars pour 1 million de tokens, contre 1 dollar pour Haiku d'Anthropic.
JEV ne rédige pas : il prend des décisions (oui/non avec probabilité, choix dans une liste, score de 0 à 10).
La démo récupère 200 entreprises à Bordeaux via Appify en 4 minutes 44 pour 1,21 dollar.
JEV score les 200 entreprises en 5,5 secondes pour 0,0051 dollars, contre 53 secondes et 1,30 dollars avec Opus.
Le workflow complet (scrapping, scoring, emails) peut être transformé en skill réutilisable sur d'autres villes.
Deuxième cas d'usage : veille publicitaire sur la bibliothèque Meta, avec JEV filtrant et scorant les pubs selon la niche.
Limites : les probabilités autour de 50-60% demandent un second passage, et la prospection email est encadrée par le RGPD.

Questions it answers

00:00Introduction

Que va montrer cette vidéo ?

L'auteur présente JEV, un nouveau modèle d'IA, avec une démo de bout en bout et plusieurs cas d'usage commercialisables pour des consultants IA.

Une seule phrase dans Cloud Code a extrait 1000 entreprises de Bordeaux avec notes Google et coordonnées.
JEV a scoré ces entreprises en quelques secondes pour quelques centimes.

00:41Présentation de JEV

Qu'est-ce que JEV et pourquoi est-il si rapide et bon marché ?

JEV est un modèle de TypeSafe, 20 à 200 fois plus rapide et 40 à 400 fois moins cher qu'un LLM classique, car il n'écrit pas : il prend uniquement des décisions (oui/non avec probabilité, choix dans une liste, score de 0 à 10).

Environ 0,04 dollars pour 1 million de tokens contre 1 dollar pour Haiku.
JEV trie, classe et route ; Claude écrit, calcule et raisonne.

03:34Installation de JEV

Comment installer et connecter JEV dans Cloud Code ?

On crée un compte sur typesafe.ai, on colle le prompt d'installation du skill dans Cloud Code, puis on crée une clé API à sauvegarder dans un fichier .env. Un test sur une entreprise fictive confirme que tout fonctionne.

Ne jamais coller la clé API dans la conversation, la mettre dans le fichier .env.
Test initial : 22% de probabilité d'achat pour Plomberie Dupont.

07:21Cas d'usage 1 : prospection

Comment construire un moteur de prospection avec Appify et JEV ?

On récupère 200 entreprises à Bordeaux via le Google Maps Scrapper d'Appify (1,21 dollar, 4 minutes 44), puis JEV score chaque lead sur la probabilité d'achat et l'offre prioritaire, avant que Claude rédige les emails de prospection.

200 entreprises extraites avec nom, catégorie, note, avis, site, téléphone, email, adresse.
JEV score les 200 lignes en 5,5 secondes pour 0,0051 dollars.

14:48Comparatif JEV vs Opus

Quelle est la différence de temps et de coût entre JEV et Opus ?

Sur le même scoring, JEV met 5,5 secondes et coûte 0,0051 dollars, contre 53 secondes et 1,30 dollars pour Opus, soit 10 fois plus de temps et un coût très supérieur.

L'écart devient crucial sur de gros volumes de data.
Les marges du consultant et le prix final pour le client s'améliorent.

16:58Emails et skill réutilisable

Comment finaliser et industrialiser le workflow de prospection ?

Claude complète les emails manquants via Appify et rédige trois emails courts pour le top 50, exportables vers Lame List ou Instantly. Tout le process peut être transformé en skill réutilisable sur d'autres villes.

La complétion des emails a coûté moins de 50 centimes de dollars.
Le skill peut être réutilisé sur Lyon, Paris, Marseille, Toulouse.

19:05Vers une offre commercialisable

Comment vendre ce workflow à des clients ?

On peut le proposer à des cabinets de conseil, entreprises de recrutement, grossistes, etc. : chaque semaine, le client reçoit les meilleurs prospects, l'offre à proposer et les premiers messages à envoyer.

Les commerciaux gagnent du temps en évitant des prospects non qualifiés.
La vraie valeur est la solution complète, pas l'outil isolé.

23:10Cas d'usage 2 : veille publicitaire Meta

Comment utiliser JEV pour analyser la publicité de la concurrence ?

Appify récupère les pubs actives de la bibliothèque publicitaire Meta sur des mots-clés, JEV filtre selon la niche et score la performance, puis Claude résume les tunnels pour produire un rapport de veille commercialisable.

Cible : e-commerçants, réseaux de franchise, organismes de formation.
C'est l'utilisation favorite de l'auteur avec JEV pour l'analyse poussée.

Notes

Qu'est-ce que JEV

Modèle d'IA édité par TypeSafe, entreprise fondée par un co-créateur de ChatGPT.
20 à 200 fois plus rapide et 40 à 400 fois moins cher qu'un LLM classique.
Environ 0,04 dollars pour 1 million de tokens, contre 1 dollar pour Haiku.
Ne rédige pas : trois modes de fonctionnement — oui/non avec probabilité, choix dans une liste, score de 0 à 10.
À utiliser dès qu'il y a du volume de data à trier, classer ou router ; Claude prend le relais pour écrire, calculer et raisonner.

Installation

Créer un compte sur typesafe.ai, copier le prompt d'installation du skill dans Cloud Code (VS Code).
Créer une clé API (Create API Keys) et la sauvegarder dans un fichier .env — ne pas la coller dans la conversation.
Test : JEV estime à 22% la probabilité que Plomberie Dupont (fictive) achète un service IA dans les 6 mois.

Cas d'usage 1 : moteur de prospection

Appify (Google Maps Scrapper) récupère 200 entreprises à Bordeaux, 20 par secteur, en 4 minutes 44 pour 1,21 dollar.
JEV score chaque entreprise (probabilité d'achat + offre prioritaire : agent tel, automatisation de devis, relance clients, chatbot, automatisation administrative) en 5,5 secondes pour 0,0051 dollars.
Comparatif : Opus met 53 secondes et coûte 1,30 dollar sur le même scoring.
Résultats : environ 37% des agences immobilières avec probabilité d'achat, 34% pour les restaurants, 33% pour les instituts de beauté.
Claude rédige ensuite 3 emails courts pour le top 50, exportables vers Lame List ou Instantly.
Le process peut être transformé en skill réutilisable sur d'autres villes (Lyon, Paris, Marseille, Toulouse).

Cas d'usage 2 : veille publicitaire Meta

Appify récupère les pubs actives de la bibliothèque publicitaire Meta sur des mots-clés précis.
JEV filtre (correspondance à la niche) et score de 0 à 10 la performance selon durée de diffusion et impressions.
Claude résume les tunnels ; on obtient un rapport sur les angles, hooks, offres, cibles et top annonceurs.
Commercialisable en offre de veille pour e-commerçants, réseaux de franchise, organismes de formation.

Limites et conclusion

Probabilités entre 50 et 60% : faire un deuxième passage avec plus de critères.
JEV ne rédige pas, ne raisonne pas, ne crée pas.
Attention au RGPD pour la prospection par email en France.
Le pattern : JEV trie, Claude écrit et raisonne, le consultant vend un workflow et un résultat, pas une techno.

Transcribed automatically from the audio. Summary and notes written by AI from the transcript, so check anything important against the recording.