Google a lancé la Gemini Decisions API, adossée à un nouveau modèle, Gemini Decision 1 (nom d'interface : gemini-decision-1). Il ne fait qu'une chose : choisir la réponse parmi des options données, en indiquant probabilité et confiance. Il vise les « petits jugements » qui reviennent sans cesse dans les flux d'agents IA, comme le choix d'outils, la vérification de politiques, l'aiguillage de modèles ou le classement du contexte.
Min Choi, chef de produit chez Google DeepMind, et Felix Yu, scientifique en chef, expliquent sur le blog officiel que le modèle ne génère pas le texte de la réponse token par token comme les grands modèles classiques, mais attribue directement des scores aux options candidates.
« Gemini Decision 1 scores your candidate options in a single forward pass » (Gemini Decision 1 note vos options candidates en une seule passe avant.)
Trois types de questions, jusqu'à mille par requête
L'interface prend en charge trois types de questions. Les questions oui/non estiment la probabilité qu'une condition soit vraie et peuvent comporter des critères de jugement pour chaque camp. Les questions à choix multiples renvoient l'option gagnante et la probabilité normalisée de chaque candidate, avec un nombre d'options compris entre 2 et 255. Les questions de notation reposent sur une échelle ordonnée partant de 0 et renvoient un score continu pondéré ainsi que la probabilité de chaque niveau. Chaque réponse s'accompagne d'un degré de confiance de 0 à 1.
L'entrée peut être du texte, des images, de l'audio, de la vidéo et des PDF, le tout pouvant être mêlé dans un même dossier, par exemple l'enregistrement d'un appel au service client avec les métadonnées du compte, ou un document numérisé accompagné de la photo d'une marchandise endommagée. La limite d'entrée par requête est de 256K tokens, et jusqu'à 1 000 questions peuvent être évaluées simultanément.
La vitesse est le point fort de cette annonce. Google indique une latence de bout en bout de 150 à 250 millisecondes, avec une médiane de 50 à 100 millisecondes pour le seul calcul du modèle ; dans les benchmarks avec un contexte allant jusqu'à 16K tokens, la latence reste presque inchangée quand le nombre de questions passe de 1 à 100. Gemini Notebook, produit de Google lui-même, l'utilise déjà pour répartir en temps réel les requêtes des utilisateurs entre des modèles de différents niveaux, ce qui a réduit la latence d'aiguillage jusqu'à 40 %.
Seule l'entrée est facturée : un calcul rapide
Le tarif est de 0,10 dollar par million de tokens d'entrée, et la sortie n'est pas facturée. Selon le blog, il n'y a ni frais de tokens de sortie, ni facture qui varie avec la durée de réflexion, ni facturation séparée de la transcription audio et de l'OCR. Google affirme que, sur un benchmark commun, cette solution revient environ 5 fois moins cher que Gemini 3.5 Flash-Lite via l'Interactions API.
Un calcul approximatif : un système de service client e-commerce envoie à chaque fois 10 000 tokens de transcription d'appel et de données de commande, et pose 50 questions d'un coup (faut-il rembourser, le ton est-il agressif, y a-t-il un soupçon de fraude, vers quelle équipe orienter). Au tarif d'entrée, un appel coûte environ 0,001 dollar, et un million d'appels environ 1 000 dollars. Cette estimation suppose que le texte des questions et le matériel totalisent 10 000 tokens ; pour les images et les vidéos, converties en tokens selon la résolution, le chiffre réel peut varier.
Il faut bien regarder la base de comparaison. Google se compare à de petits modèles génératifs comme Flash-Lite ; les solutions génératives paient les tokens de sortie et de raisonnement, de sorte que plus il y a de questions et plus le raisonnement est long, plus la facture grimpe, tandis que la Decisions API supprime ce poste de coût. En contrepartie, elle ne répond qu'à des questions fermées : les résumés ouverts, les reformulations et l'écriture de code restent l'affaire des modèles génératifs.
Jusqu'ici, ce besoin se réglait le plus souvent de deux façons : soit on demandait à un petit modèle génératif de produire « oui » ou « non » et on extrayait le résultat du texte, soit on entraînait à part un modèle de classification, à réentraîner à chaque changement de jeu d'étiquettes. La première approche ne donne pas de valeurs de probabilité stables, la seconde ne comprend ni les images ni l'audio. La Decisions API fournit des probabilités assorties d'un degré de confiance, et les développeurs peuvent fixer leurs propres seuils, par exemple orienter vers un humain les tickets dont la confiance est inférieure à 0,7 et laisser passer directement ceux au-dessus de 0,9. La manière de fixer ce seuil et la correspondance entre la confiance du modèle et la précision réelle devront être testées par les développeurs sur leurs propres données ; le blog ne présente que les résultats de cas d'usage internes à Google.
Les produits où il est déjà intégré
Google cite plusieurs cas d'usage internes : l'aiguillage de modèles dans Gemini Notebook ; une expérience de canevas rapide dans Stitch, qui s'en sert pour modifier des wireframes interactifs à partir de commandes vocales ou de clics ; CC, de Google Labs, qui choisit la réaction adaptée parmi plus de 200 émojis ; et Google Search, qui l'emploie pour ajouter une couche de contrôle de sécurité aux outils MCP et repérer les comportements adverses.
L'interface est dès maintenant accessible via la Gemini API et Google AI Studio, avec un quota gratuit pour le prototypage, et la documentation couvre Python, JavaScript et REST. Les intégrations tierces comme OpenRouter, LangChain, Vercel, LiteLLM, Pydantic AI et LiveKit arriveront progressivement ; la version sur Google Cloud est indiquée comme « bientôt disponible », sans date annoncée.
Sources : article d'annonce de la Gemini Decisions API sur le blog officiel de Google (vérification de la latence, de la limite du nombre de questions, de la limite d'entrée de 256K, du tarif par million de tokens d'entrée et de la base de comparaison avec Flash-Lite), CocoLoop, explications publiques de l'équipe produit de Google DeepMind.