Google lance l'API Gemini Decisions pour les décisions multimodales fermées
Image générée par l’équipe éditoriale d’Inferama
01

Annonce et architecture du modèle

Google a présenté l'API Gemini Decisions, un nouveau point d'accès conçu pour effectuer des décisions rapides et fermées sur des entrées multimodales. Cet outil s'appuie sur le modèle Gemini Decision 1 (identifié sous le nom gemini-decision-1), disponible via l'API Gemini dans Google AI Studio. Contrairement aux modèles génératifs qui produisent du texte jeton par jeton, ce modèle évalue les options candidates en une seule passe d'inférence, en renvoyant des probabilités et des scores de confiance.

L'objectif de cette architecture est d'offrir des primitives spécifiques pour des choix bornés, tels que la sélection d'outils, la vérification de politiques, le routage de modèles ou l'évaluation de contexte. L'API permet de transmettre une entrée multimodale partagée, pouvant inclure du texte, des images, de l'audio, de la vidéo et des PDF (jusqu'à 256K jetons), accompagnée de jusqu'à 1 000 questions indépendantes dans une même requête.

02

Types d'évaluation et structure de la réponse

L'API prend en charge trois types de décisions en une seule passe : noul (oui/non), choice (choix multiple) et score (grille ordonnée). Le type noul estime la probabilité qu'une condition binaire soit remplie. Le type choice sélectionne parmi 2 à 255 options, en renvoyant l'option gagnante et les probabilités normalisées pour chaque candidat. Le type score évalue l'entrée selon une grille ordonnée, en renvoyant un score pondéré continu et les probabilités par niveau.

Chaque réponse inclut un score de confiance compris entre 0 et 1, ce qui permet au code de l'application de rediriger les cas ambigus vers un mécanisme de secours ou un réviseur humain. L'entrée utilise le même format de bloc de contenu que l'API d'Interactions, facilitant l'intégration avec les flux de développement existants.

Types de questions pris en charge par l'API

TypeDescriptionSortie principale
noulÉvaluation d'une condition binaire (oui/non)Probabilité de remplissage
choiceSélection parmi 2 à 255 optionsOption gagnante et probabilités normalisées
scoreÉvaluation selon une grille ordonnéeScore continu et probabilités par niveau
03

Performance, latence et coût

Google affirme que Gemini Decision 1 maintient une latence de calcul du modèle de 50 à 100 millisecondes, avec une latence bout en bout de 150 à 250 millisecondes. Cette latence reste pratiquement stable lorsque le nombre de questions par requête augmente, de 1 à 100. Le modèle accepte des contextes de jusqu'à 16K jetons dans les tests de latence publiés, bien que l'entrée générale accepte jusqu'à 256K jetons.

En ce qui concerne le coût, le prix est fixé à 0,10 dollar par million de jetons d'entrée, avec un tarif de 0 dollar pour les jetons de sortie. Google indique que, en ne facturant pas les jetons de sortie, l'API est environ 5 fois moins chère que Gemini 3.5 Flash-Lite avec l'API d'Interactions sur le jeu de benchmarks partagé. L'entrée partagée est facturée une seule fois par requête, indépendamment du nombre de questions évaluées.

04

Cas d'usage internes chez Google

Plusieurs équipes de Google utilisent déjà l'API Decisions comme un plan de contrôle à faible latence. Dans Gemini Notebook, l'API agit comme un routeur en temps réel qui dirige les requêtes entrantes vers le niveau de modèle et de raisonnement optimal, réduisant la latence des requêtes courantes jusqu'à 40 %.

Dans Stitch, l'outil de conception, l'API est utilisée pour générer des maquettes interactives d'un flux produit en quelques secondes et appliquer des modifications effectuées par la voix ou le toucher presque instantanément. Dans CC (de Google Labs), elle sert à sélectionner la réaction emoji appropriée parmi une palette de plus de 200 options en une fraction de seconde. De plus, Google Search l'emploie comme couche de sécurité pour détecter les comportements adverses dans les outils MCP.

05

Accessibilité et limites des preuves

Les développeurs peuvent commencer à construire dès aujourd'hui en obtenant une clé d'API dans Google AI Studio. L'API offre une couche gratuite pour le prototypage et est disponible via des guides pour Python, JavaScript et REST. Les intégrations de l'écosystème sont en cours de déploiement sur des plateformes telles qu'OpenRouter, LangChain, Vercel et LiteLLM, avec un support à venir pour Gemini dans Google Cloud.

Il est important de noter que les chiffres de performance, de latence et d'économie de coûts sont des affirmations de Google basées sur ses propres benchmarks. Aucune vérification indépendante de ces métriques n'a été fournie, ni de détails sur le mécanisme spécifique de calibration utilisé par le modèle. Avant de la recommander pour une production critique, il serait nécessaire d'évaluer la fiabilité de ses probabilités dans des scénarios réels et de comparer ses performances avec d'autres solutions disponibles sur le marché.

06

Poursuivre l’exploration

Sources consultées

03

Corrections et transparence

Si vous repérez une information incorrecte ou obsolète, envoyez-nous la page et la source à vérifier.

Proposer une correction