Qu'est-ce que Cloudflare Clef ? Le modèle de décision de Cloudflare, expliqué

Qu'est-ce que Cloudflare Clef ?

Clef et Clef-flash sont les premiers modèles entraînés par l'équipe Workers AI de Cloudflare elle-même, annoncés dans l'entrée de changelog de Clef et dans un article de lancement de Michelle Chen pendant la Birthday Week. Ils appartiennent à une catégorie qui existait à peine un mois plus tôt : le modèle de décision, popularisé par TypeSafe Jev en septembre.

Un modèle de décision est un classifieur que vous configurez au moment de la requête. Au lieu d'entraîner un modèle sur vos étiquettes, vous décrivez les étiquettes dans la requête (« billing : paiements, factures et remboursements ») et le modèle note chacune d'elles. Cloudflare décrit la sortie comme « une probabilité pour chaque réponse autorisée », et c'est littéralement tout ce que vous récupérez. Pas de paragraphe, pas de trace de raisonnement, pas de JSON à valider. Si la catégorie est nouvelle pour vous, l'explication sur les modèles de décision de mon collègue compare Jev, Clef, Strands Decider et l'API Decisions d'OpenAI côte à côte.

Trois choses distinguent Clef de Jev au lancement, selon la propre comparaison de Cloudflare :

• La vision. Clef dispose d'un encodeur de vision et accepte jusqu'à 4 images par requête. Jev ne lit que du texte.
• Une fenêtre plus grande. 64K jetons de contexte hébergé contre 32K pour Jev, et les poids ont été entraînés pour 256K.
• Des poids ouverts. Les deux modèles sont sur Hugging Face sous Apache 2.0. Les poids de Jev ne sont pas publics.

C'est aussi le deuxième lancement d'IA notable de Cloudflare en deux mois, après le moteur de navigateur Kitesurf en août.

Je construis des fonctionnalités d'agents chez eesel, et l'étape qui ressemble le plus à Clef est celle qui a lieu avant que quiconque écrive un mot : décider de ce qu'est un ticket et où il va. J'ai passé beaucoup de temps sur cette étape, et voici ce qui m'a surpris. Les questions de routage auxquelles les vraies équipes veulent des réponses se limitent rarement à « quelle équipe ». Lors d'un appel commercial, un responsable du support d'une société de services informatiques du secteur public, qui traite environ 3 000 tickets Freshdesk par mois, a demandé une IA qui signale les tickets de comptes créés depuis moins de deux mois comme probables utilisateurs non formés, et qui oriente vers un parcours de services payants tout ce qui prendra probablement plus de 20 minutes. Cela fait trois questions typées : un oui/non, un oui/non et un score. C'est exactement la forme pour laquelle Clef a été conçu, et c'est pourquoi je pense qu'il vaut la peine de bien le comprendre.

Comment fonctionne un modèle de décision comme Clef ?

Chaque appel à Clef a les mêmes deux entrées. state est ce que vous voulez faire juger : une chaîne, ou des données structurées comme un historique de chat ou un enregistrement de commande. questions est une table de 1 à 64 questions nommées, chacune d'un des trois types :

Voici l'exemple détaillé de la page du modèle sur Ollama, avec les vrais chiffres qu'il renvoie pour un ticket de double prélèvement :

En interne, Clef ne génère pas ces chiffres jeton par jeton. Selon la fiche Hugging Face, il exécute un backbone Qwen figé (Qwen3.8-27B pour Clef, Qwen3.5-9B pour Clef-flash) en une seule passe de prefill ; ensuite, une petite « joint schema head » lit les états cachés finaux, achemine les éléments de preuve de l'état vers chaque question et note chaque option de chaque question en même temps. Cloudflare a entraîné cette head avec des adaptateurs de faible rang de rang 256, en utilisant une perte de Brier pour régler la calibration des probabilités, plus une étape d'apprentissage par renforcement qu'elle appelle RLCD (Reinforcement Learning for Calibrated Decisions). Comme rien n'est généré de façon autorégressive, la réponse arrive en une seule passe avant, et c'est de là que vient la vitesse.

Un détail de la documentation mérite d'être lu deux fois. Sur une réponse choice ou score, confidence « va de 0 à 1 et indique à quel point les probabilités sont concentrées. Ce n'est pas la probabilité que la réponse soit juste. » Dans l'exemple ci-dessus, le score d'urgence est revenu avec une confiance de seulement 0,071, parce que les probabilités étaient réparties sur les trois niveaux. Et si deux options sont à égalité, la réponse suit l'ordre de vos options, mettez donc la valeur par défaut la plus sûre en premier.

Ce point de calibration est tout l'enjeu du routage. Un commentateur de Hacker News l'a mieux dit que moi :

« for production routing, you almost always want to threshold on confidence ('auto-handle above 0.9, route to a human below'), and that only works if the probabilities mean what they say. A 96% model with overconfident outputs is operationally worse than a 94% model with honest ones. »

aidiscoverywire, Hacker News

Si vous fixez ces seuils pour la première fois, le guide sur la définition des seuils de confiance passe en revue les compromis.

Clef vs Clef-flash : quelle est la différence ?

Même API, même structure de prix, même fenêtre hébergée de 64K, même prise en charge de la vision. La différence est la taille, et d'après les chiffres de Cloudflare, le plus petit modèle n'est pas simplement une moins bonne copie du plus grand.

Deux lignes comptent le plus pour le travail de support. CLINC150 a 150 intentions plus des exemples hors périmètre, et Clef-flash chute à 66,8 là où Clef tient à 97,4. Donc, quand votre liste d'options s'allonge, ou que « aucune de celles-ci » est souvent la bonne réponse, le plus gros modèle mérite sa latence 5 fois plus élevée. RAGTruth teste si une réponse est ancrée dans sa source, et Clef-flash obtient 35,6 contre 79,4 pour Clef. Si vous voulez qu'un modèle vérifie les réponses rédigées par IA par rapport à votre centre d'aide (l'une des meilleures vérifications d'hallucinations que vous puissiez ajouter), utilisez Clef, pas Clef-flash.

En revanche, sur l'évaluation du parcours de service client de TypeSafe, les deux se tiennent à un point près, et Clef-flash remporte carrément plusieurs jeux d'appels d'outils. Pour un schéma de tri classique (urgent ou non, cinq équipes, une échelle de gravité), Clef-flash est le choix par défaut raisonnable. Vous ne savez pas de quel côté vous êtes ? Choisissez ce que vous décidez :

Comment exécuter Cloudflare Clef ?

Il y a quatre points d'entrée, et tous acceptent le même corps de requête (la documentation de Cloudflare l'appelle l'API System One, celle qu'a introduite Jev). Cela signifie que le code écrit pour Jev fonctionne presque toujours sans modification.

1. Binding Workers AI

Si votre code s'exécute déjà sur Cloudflare Workers, ajoutez un binding AI et appelez directement le modèle. C'est le chemin à plus faible latence, puisque la requête ne quitte jamais le réseau de Cloudflare :

const response = await env.AI.run("@cf/cloudflare/clef-flash", {
  model: "clef-flash",
  state: "Checkout has been failing for every customer for the last hour.",
  questions: {
    urgent: { type: "noul", instructions: "Is this support request urgent?" },
    team: {
      type: "choice",
      instructions: "Which team should handle this request?",
      criteria: {
        billing: "Payments, invoices, and refunds",
        technical: "Outages, errors, and configuration",
        sales: "Plans and upgrades",
      },
    },
  },
});
// response.answers.urgent.noul  -> probability the request is urgent
// response.answers.team.choice  -> highest-probability team

2. API REST

De n'importe où ailleurs, envoyez le même corps en POST à https://api.cloudflare.com/client/v4/accounts/$ACCOUNT_ID/ai/run/@cf/cloudflare/clef avec un jeton bearer. Cloudflare permet aussi de faire passer ces appels par AI Gateway, ce qui vous donne des journaux et, plus tard, le jeu de données pour l'affinage. Si vous appelez Clef depuis un webhook de helpdesk, c'est le chemin que vous utiliserez, et l'article sur l'API de helpdesk IA couvre la plomberie côté helpdesk.

3. Ollama, sur votre propre machine

Clef s'exécute en local sur Ollama 0.35.1 ou version ultérieure. ollama pull clef récupère une version de 18 Go avec une fenêtre de contexte de 256K, quatre fois ce que permet la version hébergée. Vous l'appelez sur http://localhost:11434/v1/systemone. Un bémol : les modèles de décision ne sont pas encore dans la CLI d'Ollama ni dans ses bibliothèques Python et JavaScript, vous appelez donc le endpoint HTTP ou pointez le SDK Python de TypeSafe vers votre serveur local.

4. Poids Hugging Face

Pour un contrôle total, récupérez Cloudflare/clef ou Cloudflare/clef-flash avec snapshot_download et chargez-les avec le joint_schema_model.py fourni. Cloudflare indique avoir testé sur un seul NVIDIA H200 avec torch 2.11 et transformers 5.10.2. Attention aux valeurs par défaut : encode_record plafonne l'entrée à 16 384 jetons sauf si vous augmentez max_length.

La fiche affichait 5 416 téléchargements le premier mois et 18 quantifications communautaires quand j'ai vérifié. Comme Clef est un affinage de Qwen, le guide des tarifs de Qwen est un contexte utile si vous hésitez entre hébergé et auto-exécuté. Et si vous venez de Jev, le panorama des alternatives à Jev couvre les autres options ouvertes.

Quelle est la vitesse et la précision de Clef ?

La vitesse est l'argument phare. Sur 43 séries de benchmarks, Cloudflare indique que Clef est 2,5 fois plus rapide que Jev en médiane et Clef-flash 13 fois plus rapide :

À titre de comparaison, l'équipe de renseignement sur les menaces de Cloudflare a utilisé Clef avec Browser Run pour récupérer, rendre et classer un site web en 2,2 secondes, contre 4,7 secondes pour gpt-oss-120b dans le même flux. Le test Jev ultrafast approfondit le côté Jev de l'histoire de la vitesse.

Côté précision, le tableau est mitigé de façon utile. Clef mène sur la plupart des jeux de type classification et reste derrière Jev sur ceux qui exigent du raisonnement :

Cloudflare affirme aussi que Clef est « currently the leader » sur le Jev Decision Index, le classement communautaire sur Hugging Face Spaces. Lisez les petites lignes de cette affirmation. Le score de 61,2 (Jev : 57,9, Clef-flash : 57,1) apparaît sur la propre copie du classement de Cloudflare, clef-evals, où les deux entrées Clef sont marquées auto-déclarées et non reproduites en amont. Ils ont sauté deux benchmarks de l'index, qui valent 0 par règle, et la latence a été mesurée sur la pile de serving de Cloudflare plutôt que sur le GPU de référence.

Les premiers retours pratiques sont mitigés, comme on peut s'y attendre d'un modèle vieux d'une semaine. Un développeur qui utilisait Jev pour de la modération de chat a essayé Clef au même poste :

« Clef was 2-3x slower and worse (it caught less hate speech) than Jev. Overall disappointing. »

agrippanux, Hacker News

Un autre commentateur a soulevé l'inquiétude plus large concernant chaque challenger de Jev :

« most of the ones that are supposedly on jev level end up playing a terrible game, showing that they are very narrow. »

segmondy, Hacker News

Ma conclusion : les benchmarks vous disent par où commencer les tests, pas quoi mettre en production. Étiquetez 500 de vos propres tickets, passez-les dans les deux modèles Clef et dans Jev, et comparez. À ces prix, tout le test coûte moins qu'un café.

Quelles sont les limites de Clef ?

Aucune n'est rédhibitoire, mais chacune a déjà piégé quelqu'un :

1. Le contexte hébergé est de 64K. Les poids gèrent 256K sur Ollama, mais Workers AI plafonne à 65 536 jetons, et la documentation indique que l'état textuel long « est tronqué pour tenir dans la limite de jetons du modèle ». La troncature est silencieuse, résumez donc d'abord les longs fils.
2. Les images doivent être intégrées. Jusqu'à 4 images PNG, JPEG ou WebP, de 4 MiB et 16 mégapixels chacune, 8 MiB décodées au total, 13 MiB par requête. Les URL distantes ne sont pas acceptées.
3. Il n'y a pas de « je ne sais pas ». Chaque question renvoie une distribution sur vos options. Si vous voulez une issue de secours, ajoutez une option explicite « other », comme le font les exemples d'Ollama.
4. Les limites de débit ne sont pas nommées. La page des limites de Workers AI ne liste pas Clef. Ses pages de modèle sont étiquetées Text Generation, qui par défaut est de 300 requêtes par minute, mais c'est mon inférence, pas une limite déclarée. Faites un test de charge avant de le mettre sur un chemin critique.
5. Poids ouverts, pas open source. La licence est Apache 2.0, mais les données d'entraînement et le pipeline ne sont pas publiés, vous ne pouvez donc pas reproduire le modèle de zéro.
6. L'affinage est une conversation, pas encore un produit. L'affinage par RL de Cloudflare démarre comme un accompagnement direct avec ses ingénieurs déployés chez les clients via un formulaire d'intérêt. Le libre-service est promis pour plus tard, sans date ni prix.

Combien coûte Cloudflare Clef ?

La version courte : uniquement des jetons en entrée. Clef coûte 0,24 $ par million de jetons en entrée, Clef-flash 0,09 $, et aucun n'affiche de prix de sortie, car la réponse est une poignée de probabilités plutôt que du texte généré. Chaque compte reçoit 10 000 neurons gratuits par jour sur les tarifs de Workers AI, ce qui représente environ 900 décisions courtes de Clef ou 2 400 de Clef-flash par jour.

Par jeton, c'est environ 5,7 fois le prix de Jev de 0,042 $. Par décision, cela reste une fraction de centime, et très en dessous d'un modèle de pointe comme ceux de l'analyse des tarifs de GPT-5.6 de mon collègue. Les calculs détaillés, les pièges du palier gratuit et un calculateur de coûts se trouvent dans le guide des tarifs de Cloudflare Clef, je ne les répète donc pas ici.

Qui devrait utiliser Cloudflare Clef ?

Clef est le plus pertinent si vous êtes :

• Une équipe d'ingénierie qui construit sa propre couche de routage. Si vous écrivez déjà le code qui déplace les tickets, Clef-flash vous donne des étiquettes typées en moins de 40 ms pour quelques centimes les mille appels.
• Déjà sur Cloudflare. Le binding Workers garde l'appel dans le réseau que vous payez déjà, sur une seule facture.
• En train de classer des images. Captures d'écran, reçus et photos de produits endommagés sont là où l'encodeur de vision de Clef bat Jev, qui ne lit que du texte, ce qui compte pour l'étiquetage de tickets e-commerce.
• Soumis à des contraintes de résidence des données. Des poids Apache 2.0 signifient que vous pouvez l'exécuter sur votre propre matériel et garder les tickets dans votre réseau. Côté hébergé, Cloudflare dit qu'elle ne lit, ne stocke ni n'entraîne sur vos requêtes sauf si vous choisissez l'affinage.
• En train de contrôler les actions d'un agent IA. L'exemple de Cloudflare lui-même est une vérification de modération d'appel d'outil, « Could this tool call cause harm? », répondue en quelques dizaines de millisecondes avant l'exécution de l'outil.

Passez votre chemin si vos catégories ne changent jamais (un petit classifieur entraîné sur vos propres données sera encore plus rapide), si la décision exige un vrai raisonnement (utilisez un LLM), ou si personne dans votre équipe ne veut être responsable du code qui agit sur l'étiquette. Ce dernier groupe est plus nombreux qu'on ne l'admet.

Comment Clef s'insère dans le tri et le routage des tickets de support

Le tri du support est le premier cas d'usage de la liste de Cloudflare : « Decide whether a ticket is urgent and which team owns it, then route it without a human in the loop. » Voici à quoi ressemble ce pipeline en pratique, et où s'arrête le travail du modèle de décision :

Reprenez le responsable des services informatiques de tout à l'heure. En termes de Clef, sa demande se traduit proprement en un seul appel : new_user comme noul (« Ce compte a-t-il été créé au cours des deux derniers mois ? », avec l'ancienneté du compte dans state), long_job comme noul (« Cela prendra-t-il plus de 20 minutes ? ») et team comme choice. Clef peut répondre aux trois en une passe pour une fraction de centime. Ce qu'il ne peut pas faire, c'est tout ce qui est dans le cadre en pointillés : déplacer le ticket dans Freshdesk, rédiger l'offre de services payants, et gérer le cas où les probabilités reviennent à 0,55.

Cet écart est là où se situe l'effort. Lors d'un essai en trafic réel sur une boîte Zendesk e-commerce, l'étape de tri par IA a atteint 93 % de précision et attrapé 100 % du spam, tandis que les réponses rédigées avaient encore un taux d'erreur factuelle de 7 %. La classification était la partie fiable. Un commentateur de Reddit dans un fil MSP a nommé la même inquiétude de l'autre côté :

« Classification demos are usually clean, but production tickets often contain missing context, conflicting details and edge cases »

Due_Percentage_3780, Reddit

Si vous le construisez vous-même, quelques habitudes aident. Gardez state court (l'objet plus le premier message du client suffit généralement ; ces modèles de prompts de tri montrent comment résumer un fil). Incluez toujours une option « other ». Envoyez tout ce qui est sous votre seuil vers une file humaine plutôt que vers l'équipe la plus probable. Et journalisez chaque décision pour pouvoir la mesurer. Le guide d'automatisation du tri des tickets contient le pas-à-pas complet.

Chacune de ces étapes a sa propre profondeur. Les bases de la classification de tickets par IA expliquent pourquoi les étiquettes dérivent à mesure que votre produit évolue. Une fois les étiquettes bonnes, le routage intelligent décide qui voit quoi. Et le tas de faible confiance a besoin de son propre plan, ce que traite une configuration d'escalade par IA.

Vous n'avez peut-être rien à construire, cela dit. Zendesk propose un tri IA natif, avec ses propres seuils de confiance d'intention à régler. Freshdesk intègre aussi un tri automatique.

Pour une comparaison plus large, consultez le panorama de la meilleure IA pour le tri des tickets. Les équipes SaaS avec des files propres à leur produit devraient aussi lire le guide du routage de tickets par IA. Quelle que soit la voie choisie, comparez le coût de construction à ce que coûte un agent de support IA lorsque les réponses sont incluses.

eesel pour la décision et le travail qui suit

Clef est de l'infrastructure. eesel est l'employé. eesel est une plateforme de coéquipiers IA, et le coéquipier qui compte ici est le coéquipier IA helpdesk. Il rejoint votre file Zendesk, Freshdesk, Gorgias ou Front, apprend de vos anciens tickets et de votre centre d'aide, et prend les mêmes décisions que Clef (est-ce urgent, quelle équipe, puis-je y répondre avec assurance) dans le cadre du traitement du ticket. Puis il agit : il étiquette, route, rédige, résout ou transfère. Les actions que vous marquez « demander d'abord » attendent dans un flux d'activité jusqu'à ce que quelqu'un les approuve, et avant que quoi que ce soit n'entre en production, je simulerais la configuration sur vos tickets historiques, c'est ainsi que commence chaque déploiement d'eesel.

Si Clef vous attire parce qu'il est programmable, la CLI d'eesel est la partie à regarder. C'est le même coéquipier que dans le tableau de bord, piloté depuis un terminal, et chaque commande affiche du JSON, de sorte qu'un script ou un agent de code comme Claude Code, Cursor ou Codex peut exécuter toute une configuration. Un rapide tour de ce que cela donne pour le tri :

• npx @eesel/cli init chat-bubble --site <url> démarre un espace de travail gratuit sans compte (Node 18.17+).
• eesel integrations connecte votre helpdesk et liste les actions que le coéquipier peut y effectuer.
• eesel instructions définit des règles permanentes en langage courant, comme « ne réponds que lorsque tu es sûr ; sinon, étiquette et assigne au niveau 2. »
• eesel automations enable <platform> <key> --instructions "..." met en place l'étiquetage et le routage.
• eesel approvals list et eesel approvals approve <id> débloquent les actions retenues depuis un script, et --dry-run prévisualise une écriture avant qu'elle ait lieu.

Les modifications se synchronisent dans les deux sens avec le tableau de bord, et l'espace de travail fonctionne aussi comme serveur MCP (eesel mcp token affiche la ligne claude mcp add). L'article de mon collègue sur la CLI d'agent IA va plus loin.

L'unité de prix est différente de celle de Clef parce qu'elle achète autre chose. Les tarifs d'eesel commencent par 100 crédits gratuits, puis des forfaits mensuels fixes à partir de 299 $ pour 500 crédits, où un crédit couvre un ticket ou un chat entier quel que soit le nombre d'actions nécessaires. Cela rend facile la comparaison du coût IA vs humain. Si vous voulez construire vous-même la couche de tri, Clef-flash est un excellent composant. Si vous voulez des tickets triés et traités cette semaine, essayez eesel sur votre propre file et lisez les brouillons avant de payer quoi que ce soit.