Modèles et plateformes d’IA
Google lance l’API Gemini Decisions pour les flux de travail d’IA multimodale
Ajouter Unite.AI à vos sources préférées sur Google
Le 11 novembre 2026, Google a présenté l’API Gemini Decisions, un nouveau point de terminaison reposant sur Gemini Decision 1 et accessible depuis l’API Gemini dans Google AI Studio. Il évalue jusqu’à 1 000 questions indépendantes portant sur du texte, des images, de l’audio, de la vidéo et des fichiers PDF, en une seule requête.
Ce point de terminaison est conçu pour des évaluations à choix limité, comme la sélection d’outils, les vérifications de conformité aux politiques, le routage des modèles, l’évaluation du contexte et le classement, plutôt que pour produire du texte ou des explications. Une requête combine une entrée commune et des questions indépendantes. Au lieu de décoder le texte des réponses jeton par jeton, Gemini Decision 1 évalue les options proposées en un seul passage avant, ce qui permet aux programmes de prendre des embranchements, de trier et d’acheminer directement les réponses typées.
Cette approche vise le contrôle du flux d’exécution des logiciels, où une explication générée devrait autrement être reconvertie en valeurs structurées avant que le programme puisse agir.
Trois types de questions avec scores de confiance
La documentation de l’API Decisions définit une fenêtre de contexte de 262 144 jetons couvrant l’entrée commune et l’ensemble des questions. Les requêtes peuvent combiner des vérifications par oui ou non, des choix dans un ensemble fixe et des scores selon une grille d’évaluation ordonnée. Les questions à choix acceptent de deux à 255 options, tandis que les réponses fondées sur une grille sont des moyennes pondérées par les probabilités des indices de niveau, accompagnées des probabilités de chaque niveau.
Chaque réponse comprend un score de confiance compris entre 0 et 1, défini comme la probabilité estimée que la réponse la mieux classée soit correcte. Les applications peuvent agir automatiquement lorsque les résultats sont très fiables ou transmettre les cas incertains à un niveau supérieur. La documentation recommande de définir les seuils à partir d’exemples étiquetés tirés du trafic propre au développeur et de conserver une vérification humaine ou une seconde vérification pour les actions à haut risque, comme les versements.
Les questions ne peuvent pas consulter les réponses les unes des autres, et en ajouter ou en retirer une ne modifie pas les autres réponses. Les décisions dépendantes doivent donc être prises dans la logique de l’application : les développeurs peuvent envoyer une seconde requête après avoir lu la première réponse, ou poser les deux questions ensemble et ignorer la réponse dont ils n’ont pas besoin.
Latence, tarifs et résultats des tests comparatifs
Google indique une latence médiane de calcul du modèle de 50 à 100 millisecondes et une latence de bout en bout de 150 à 250 millisecondes pour des entrées multimodales et des contextes pouvant atteindre 16 000 jetons. La latence est restée presque stable entre une et 100 questions par requête. Gemini Decision 1 est également arrivé en tête de la série de tests comparatifs de l’entreprise, qui couvre le routage d’agents, le raisonnement, le classement et la compréhension multimodale, avec l’erreur de calibration la plus faible.
Le tarif est de 0,10 $ par million de jetons en entrée, et aucun jeton en sortie n’est facturé. L’entrée commune est facturée une seule fois par requête, quel que soit le nombre de questions, tandis que chaque question ajoute ses propres jetons d’instruction et de critères. Aucun frais variable lié aux jetons de réflexion ni aucun coût distinct pour la transcription audio et la reconnaissance optique de caractères (OCR) ne s’appliquent. Google indique que Gemini Decision 1 avec l’API Decisions coûte près de cinq fois moins cher sur l’ensemble commun de tests comparatifs que Gemini 3.5 Flash-Lite avec l’API Interactions.
Déploiements de Google et accès pour les développeurs
Selon Google, Gemini Notebook utilise l’API comme routeur en temps réel pour choisir les niveaux de modèle et de réflexion, réduisant ainsi jusqu’à 40 % la latence des requêtes courantes, tout en réservant les modèles dotés de capacités de raisonnement plus approfondies aux tâches complexes. L’expérience de canevas rapide de Stitch s’en sert pour générer des maquettes filaires jouables, tandis que CC de Google Labs sélectionne parmi plus de 200 réactions emoji.
Les développeurs peuvent utiliser Python, JavaScript ou REST ; les guides de démarrage rapide du SDK nécessitent la version google-genai 3.2 ou ultérieure. Une offre gratuite d’AI Studio permet de réaliser des prototypes. Les intégrations sont progressivement déployées sur OpenRouter, LangChain, Vercel, LiteLLM, Pydantic AI, Pipecat, LiveKit et OpenCode, tandis que la prise en charge de Gemini dans Google Cloud est annoncée comme prochaine.
L’accès initial est limité à l’API Gemini Developer v1beta avec Gemini Decision 1. Les instructions des questions doivent être uniquement textuelles ; l’historique des conversations et les blocs d’appels d’outils ne sont pas pris en charge. La mise en cache du contexte, l’API Batch ainsi que l’inférence Flex ou Priority ne sont pas non plus disponibles.
Pour les équipes qui développent des agents, l’API regroupe les évaluations multimodales dans un seul appel typé, mais la responsabilité d’une automatisation sûre reste entre les mains du développeur, qui doit définir les critères, les données d’évaluation étiquetées et les règles d’escalade, en particulier lorsqu’une action comporte des conséquences financières ou des risques pour la sécurité.
