Julia 1 est un modèle de décision publié le 26 septembre 2026 par Supersonic Labs, un petit laboratoire brésilien : 144,3 millions de paramètres seulement, conçu pour la classification de texte et le routage sur CPU. Le fichier de poids fait 550,5 Mio ; code et poids sont tous deux sur Hugging Face, en open source sous licence Apache 2.0. Il ne génère pas de texte — il se contente de choisir. C'est la première chose à comprendre à son sujet.
D'abord, le bon concept : il choisit des réponses, il n'en écrit pas
Julia 1 prend en entrée « contexte + question + un ensemble de réponses candidates » et renvoie un candidat choisi. Ses missions sont précises : classification de texte, routage de requêtes, notation ordonnée, jugements oui/non. Il repose sur l'encodeur multilingue mmBERT-small — précisons-le, ce n'est pas un grand modèle génératif. Lui demander d'écrire serait se tromper d'outil.
Comment lire les chiffres officiels : des pilotes restreints, pas des preuves de production
Le laboratoire a publié quelques résultats de pilotes à petite échelle : sur Banking77, 100 échantillons dont 72 étiquettes d'abord réduites via une shortlist, 64 bonnes réponses, avec un chiffre de comparaison de 87 % fourni par le labo lui-même ; classification d'actualités : 94 bonnes réponses sur 100 avec 4 étiquettes ; classification de sentiments : 86 bonnes réponses sur 100 avec 6 étiquettes. Soyons clairs : ce sont des pilotes auto-déclarés sur de petits échantillons, pas des preuves de production — des chiffres issus de protocoles différents ne se comparent pas directement. Les mesures sur appareil sont en revanche terre-à-terre : le modèle a tourné sur un Apple M4, un portable Intel i5-1235U et une tablette Samsung, à environ 5 décisions par seconde sur CPU sur la tablette — le labo indique que son chemin d'accélération disponible est retombé sur le CPU : à lire comme une démo de déploiement. Le laboratoire a aussi révélé que l'entraînement et les expériences sur GPU cloud ont coûté environ 540 réals brésiliens au total, soit quelque 104 dollars.
Limites et pièges : à lire avant d'essayer
Le chiffre qui doit le plus alerter est la comparaison 64 % contre 87 % sur Banking77 : le protocole officiel mesure après réduction des étiquettes par shortlist, les deux chiffres n'ont donc pas été testés dans des conditions équivalentes — les comparer directement est trompeur. Quiconque l'évalue doit re-tester sur sa propre taxonomie d'étiquettes plutôt que de prendre les chiffres de l'annonce au pied de la lettre. Et rappelons le positionnement : c'est un modèle de décision, pas un modèle génératif — l'utiliser pour générer ou raisonner, c'est se tromper d'outil. Les résultats de pilotes restreints ne doivent pas non plus être extrapolés tels quels à la production.
L'ère des agents a aussi besoin d'une « couche de routage » bon marché
L'ère des agents a besoin de plus que des modèles génératifs toujours plus grands — elle a besoin d'une « couche de routage » bon marché : si chaque classification et chaque décision de routage exige un appel à un modèle cloud, ni le coût ni la latence ne tiendront. Les petits modèles comme Julia 1 sont faits exactement pour ça — garder en local les jugements fréquents et peu risqués, résolus par de petits modèles. Supersonic Labs affiche son positionnement sans détour : construire « une IA pratique qui tourne sur le matériel que les gens possèdent déjà ». Un modèle entraîné pour 104 dollars, qui prend 5 décisions par seconde sur une tablette — l'enjeu de cette histoire n'a jamais été la course aux benchmarks, mais de faire arriver l'IA sur des appareils que des gens ordinaires possèdent déjà.
