Cloudflare lance Clairic, son premier modèle d’extraction System One

Cloudflare a annoncé Clairic le 19 octobre 2026 et publié un aperçu de ce qu’elle décrit comme le premier modèle d’une nouvelle catégorie de modèles d’extraction System One, hébergé sur Workers AI, avec une publication en accès libre des poids prévue ultérieurement.

Ce modèle est conçu pour extraire des valeurs typées à partir de données non structurées : il extrait, calcule, estime et prévoit, plutôt que de générer du texte. Selon Cloudflare, Clairic offre une précision supérieure, une latence plus faible et un coût inférieur à ceux des grands modèles de langage traditionnels.

Disponibilité et tarifs sur Workers AI

Clairic est disponible en préversion sous la forme de @cf/cloudflare/clairic, appelable depuis un Worker Cloudflare avec env.AI.run() ou via l’API REST. La documentation du modèle officielle indique une fenêtre de contexte de 65 536 jetons, la prise en charge de la vision et un tarif unitaire de 0,10 $ par million de jetons d’entrée.

Comme le modèle ne génère aucun jeton de sortie, la facturation porte uniquement sur les données d’entrée. Cloudflare a indiqué qu’elle prévoyait de publier les poids en accès libre après avoir poursuivi les travaux sur les points de contrôle, sans préciser de date.

Fonctionnement du modèle d’extraction

Une requête associe un state, le texte à lire ainsi que jusqu’à quatre images facultatives, à une carte de champs typés fields. Les types de champs pris en charge sont le texte, le nombre, la date, l’heure, la date et l’heure, la durée, la liste, l’estimation et la prévision ; chacun peut être accompagné d’instructions en langage courant. Le modèle répond à tous les champs en une seule passe avant parallèle, sans étape de raisonnement ni génération de jetons, et Cloudflare indique qu’il répond généralement en moins d’une seconde. Les champs qui ne tiennent pas avec l’entrée dans une passe de 8 192 jetons sont répartis entre plusieurs passes parallèles, qui traitent chacune l’intégralité de l’entrée, puis leurs résultats sont fusionnés. La documentation limite les images intégrées à quatre fichiers PNG, JPEG ou WebP, d’une taille maximale de 4 MiB chacun.

Chaque réponse scalaire comporte p_null, la probabilité que la valeur soit absente de l’entrée et un score de confiance. Les champs d’estimation renvoient une distribution à l’intérieur des bornes définies par l’appelant, avec une médiane et un intervalle de 80 % allant du 10e au 90e centile, ainsi que les 99 centiles sur demande. Si l’entrée ne permet pas de déterminer un champ, celui-ci renvoie null, accompagné d’un guess champ indiquant ce que le modèle aurait choisi autrement, plutôt qu’une valeur inventée.

Cloudflare classe Clairic dans la catégorie System One, aux côtés des modèles de décision qui l’ont précédé. TypeSafe a présenté son modèle de décision Jev environ un mois avant l’annonce, et Cloudflare a publié ses modèles de décision Clef et Clef-flash le 1er octobre 2026, en les mettant en open source sur Hugging Face sous licence Apache 2.0 ; Clef a été affiné après entraînement à partir de modèles de base Qwen et est compatible avec Jev-API. Alors que les modèles de décision classent une entrée parmi des options prédéfinies et que les grands modèles de langage génèrent du texte libre, Clairic renvoie directement des valeurs typées : des segments de texte, des nombres, des dates, des listes et des distributions. L’entreprise décrit ces trois catégories comme des étapes complémentaires : l’extraction alimente la prise de décision, qui alimente à son tour la réponse générée finale.

Exemples documentés et tests rapportés

Dans l’exemple de courriel adressé au service d’assistance de Cloudflare, le modèle a calculé un total de 701,10 $ à partir du prix indiqué de 649,00 $ et de 52,10 $ de taxes au cours de la même passe, déterminé qu’il s’était écoulé 11 jours entre la livraison du 28 septembre 2026 et la date du message, le 9 octobre 2026, relevé les expressions exactes « écran fissuré » et « coin cabossé » dans l’entrée et renvoyé null pour le numéro de suivi, absent du courriel. Dans un exemple de photo de reçu, Clairic a extrait le numéro de commande, la date et l’heure de l’achat, la quantité, le prix unitaire, le sous-total, les taxes de vente et le pourboire, avec des scores de confiance, et renvoyé null pour une remise qui ne figurait pas sur le reçu.

Pour l’estimation, l’annonce montre Clairic évaluant le prix d’un logement à partir du texte décrivant des ventes comparables : le modèle a renvoyé une valeur de 418 000 $, avec une médiane de 415 000 $ et un intervalle de 80 % allant de 370 000 $ à 470 000 $, à l’intérieur des bornes définies par l’appelant. Pour la prévision, Cloudflare fait état d’un test sur 21 jours au cours duquel Clairic a prédit le nombre de passagers contrôlés le lendemain aux points de contrôle des aéroports de la TSA, à partir des données publiques de la série. L’entreprise indique que les prévisions présentaient un écart moyen de 3,3 % et que 17 des 21 nombres réels se situaient dans l’intervalle de 80 % du modèle ; trois des quatre écarts hors intervalle correspondaient au week-end de Columbus Day. Pour le 14 octobre 2026, Cloudflare a rapporté un nombre réel de 2 419 474, contre une médiane prévue de 2 419 283.

Cloudflare fait également état d’une comparaison de chaînes de traitement associant Clairic à Clef et au modèle de langage GLM-5.3, par rapport à une version du même flux de traitement de réclamations concernant des produits endommagés entièrement fondée sur GLM-5.3. Selon l’entreprise, la chaîne en cascade a pris 19,3 secondes, contre 61,7 secondes, soit 69 % de temps en moins ou environ 3,2 fois plus rapide, et a coûté 6 032 $ par million de réclamations, contre 11 740 $, soit 49 % de moins. Clairic et Clef ont effectué ensemble l’extraction et la prise de décision en moins d’une seconde, alors que GLM-5.3 a mis 38 secondes pour ces deux mêmes étapes ; Cloudflare indique que Gemma 4 et Qwen n’ont pas pu déduire des valeurs telles que le coût de réparation et ont échoué à la tâche dans la version entièrement fondée sur des grands modèles de langage. Cloudflare a intégré ce flux de traitement à une démonstration en direct.

Limites de la préversion et projets de publication des poids en accès libre

Cloudflare qualifie le point de terminaison actuel d’étape préliminaire et en énumère plusieurs limites. Selon l’entreprise, les calculs en une ou deux étapes — sommes, différences, conversions et calculs de dates, par exemple — semblent fiables, mais les longues chaînes d’opérations dépendantes et l’agrégation de nombreuses lignes de tableau sont difficiles pour un modèle qui ne fait qu’un seul passage et ne dispose pas d’un espace de travail temporaire. Cloudflare conseille donc aux utilisateurs de s’appuyer sur Clairic pour les prédictions et de réaliser les calculs arithmétiques dans le code. Les estimations doivent être étayées par les données d’entrée, la calibration est mesurée mais non garantie, et les intervalles peuvent être trop étroits pour des données inhabituelles. Les prévisions restent rudimentaires et ne remplacent pas les modèles spécialisés de séries temporelles.

L’entreprise conseille d’utiliser les scores de confiance, p_null et les intervalles pour déterminer ce qui peut être automatisé et ce qui doit faire l’objet d’un examen complémentaire, car les réponses du modèle sont garanties comme étant bien formulées, mais pas comme étant exactes. Cloudflare a indiqué qu’elle continuerait à améliorer les capacités de calcul arithmétique, d’estimation et de prévision du modèle à chaque étape, et prévoit de publier ensuite Clairic avec des poids ouverts. Le nom, a-t-elle ajouté, évoque le travail administratif, la clarté et la clairvoyance, et sert aussi d’abréviation pour le modèle de régression d’IA de Cloudflare.