OpenAI lance l’API Decisions en bêta publique, propulsée par GPT-6 Luna

OpenAI a publié l’API Decisions en bêta publique le 6 octobre 2026, introduisant un point de terminaison qui renvoie des réponses typées aux questions définies par les développeurs à partir d’entrées texte et image. Le journal des modifications de l’API OpenAI consigne la sortie en bêta avec gpt-6-luna, fourni via un serveur dédié POST /v1/decisions point de terminaison.

OpenAI indique que le nouveau point de terminaison produit ces réponses environ 10 fois plus rapidement que l’API Responses. Selon la documentation de l’API Decisions, l’API peut être testée dans le Playground, où les développeurs peuvent expérimenter avec des questions et des entrées avant d’écrire du code.

La sortie fait suite à l’introduction de l’API lors du DevDay 2026, où elle était disponible en aperçu limité. Le récapitulatif de DevDay d’OpenAI indique que l’API applique le raisonnement du modèle Luna à un ensemble de questions définies par l’utilisateur, chacune disposant d’un ensemble fini de réponses prédéfinies, permettant aux développeurs de fournir du texte ou des images comme contexte et de recevoir des résultats pouvant piloter la classification de contenu, le routage des requêtes ou la prochaine action d’un agent. OpenAI a déclaré à l’époque qu’une diffusion large était prévue dans les jours à venir.

Le point de terminaison fonctionne sur GPT-6 Luna, un modèle de raisonnement qu’OpenAI a publié parallèlement à GPT-6 Sol le 22 septembre 2026. Les deux modèles acceptent des entrées texte et image et génèrent du texte via les API Responses et Chat Completions.

Comment fonctionne l’API Decisions

Chaque requête comporte trois parties. Le champ « model » sélectionne le modèle d’évaluation ; actuellement, seul gpt-6-luna est pris en charge. Le champ « input » contient les preuves partagées pour les questions, soit sous forme de chaîne de texte, soit sous forme de messages utilisateur contenant du texte et des images. Le tableau « questions » spécifie ce que le modèle doit évaluer : le type de chaque question, ses instructions, ainsi que les choix ou niveaux de score autorisés. La réponse contient un tableau « answers », et chaque question possède un nom unique que l’API renvoie avec sa réponse.

Une question prédicative vérifie une condition, telle que des dommages visibles sur un produit ou la pertinence d’un passage, et renvoie une estimation de probabilité de 0 à 1 que la condition soit vraie. Dans l’exemple du guide, une photo de produit est inspectée pour détecter une fissure, une déchirure ou une bosse, et une réponse illustrative renvoie une probabilité de 0,92 ; une application peut signaler les photos pour révision dès que la valeur dépasse le seuil défini par le développeur.

Une question à choix sélectionne une valeur parmi un ensemble fixe d’options fournies, chacune accompagnée d’une description expliquant quand elle s’applique. La réponse contient la valeur sélectionnée, un tableau de probabilités couvrant chaque option, et un champ de confiance séparé. L’exemple de routage du guide envoie une plainte client concernant un double prélèvement vers une option de facturation avant les alternatives techniques, d’expédition et autres. Les recommandations d’OpenAI sont d’ajouter une valeur de secours telle que other pour les entrées que les catégories n’anticipent pas ; l’application peut acheminer ce résultat de secours vers une file d’attente de révision générale.

Une question de score évalue une entrée selon des niveaux ordonnés, tels que la gravité d’un problème, classés du plus bas au plus élevé. Le score renvoyé est la moyenne pondérée par les probabilités des indices de niveau, qui commencent à 0, de sorte que le résultat peut se situer entre deux niveaux définis. Dans l’exemple détaillé, des probabilités de 0,1, 0,7 et 0,2 sur trois niveaux de gravité produisent un score de 1,1 avec une confiance de 0,55.

Pour les sorties dépassant ces trois types de réponses, la documentation oriente les développeurs vers les Structured Outputs avec l’API Responses lorsqu’ils ont besoin d’un objet conforme à un schéma JSON personnalisé, et vers l’appel de fonction lorsqu’un modèle doit demander l’exécution d’un outil avec des arguments.

Guide d’utilisation et limites d’entrée

Les images doivent être envoyées sous forme d’URL de données base64 en ligne ; le point de terminaison ne prend pas en charge les URL d’images hébergées en HTTP ou HTTPS ni les entrées file_id. Pour évaluer une image avec des instructions ou d’autres contextes, les développeurs placent les parties input_text et input_image ensemble dans un seul message utilisateur.

Des questions indépendantes peuvent partager le même tableau de questions d’une requête, et chaque question peut utiliser un type différent, de sorte qu’une application puisse vérifier une photo de produit pour détecter des dommages et classifier la catégorie du produit en un seul appel. Lorsqu’une décision dépend d’une réponse précédente, l’application doit envoyer des requêtes séparées, en utilisant le premier résultat pour conditionner la suite, par exemple en confirmant les dommages avant de demander une catégorie de réparation.

Les recommandations de rédaction de la documentation se concentrent sur des critères observables : garder des préoccupations distinctes dans des questions séparées, attribuer à chaque choix une signification distincte, et définir les niveaux de score de façon à ce que les niveaux adjacents diffèrent clairement. En matière d’interprétation, la recommandation est de calibrer les seuils à l’aide d’exemples étiquetés provenant de l’application en production, en évaluant les coûts relatifs des faux positifs et des faux négatifs.

Tarification, contrôles des données et voix

La tarification du point de terminaison avec gpt-6-luna est de 0,10 $ par 1 M de jetons d’entrée. Seuls les jetons d’entrée sont facturés : les lectures et écritures du cache ainsi que les jetons de sortie ne sont pas facturés. Les primes de traitement régional et les multiplicateurs de prix pour les entrées à long contexte restent applicables, tandis que les requêtes gpt-6-luna en dehors /v1/decisions suivent la tarification du modèle et du niveau de traitement applicables.

L’API prend en charge la rétention zéro des données et l’utilisation conforme à la HIPAA pour les clients éligibles, avec résidence des données et traitement régional proposés aux États-Unis et en Europe (l’Espace économique européen et la Suisse). Pour les applications pilotées par la voix, la délégation client avec l’API Live permet à un agent de choisir des actions à partir des requêtes vocales et de rapporter les résultats à l’utilisateur.

OpenAI indique qu’elle s’attend à ce que l’API Decisions atteigne la disponibilité générale dans les semaines à venir.