Des choix prédéfinis plutôt que du texte avec Gemini Decisions API

L’API de Google évalue jusqu’à 1 000 questions sur un même contenu multimodal. Elle renvoie des probabilités, sans facturer de tokens de sortie.

Jusqu’à mille questions indépendantes peuvent être évaluées sur un même document, une image ou un enregistrement, sans générer une réponse rédigée pour chacune. Accessible dans Google AI Studio, la Gemini Decisions API utilise le nouveau modèle Gemini Decision 1 pour attribuer des probabilités à des options définies à l’avance. Les entrées acceptent du texte, des images, de l’audio, de la vidéo et des PDF.

Cette sortie structurée sert à orienter une demande vers un modèle, sélectionner un outil ou vérifier des critères dans un contenu. Le programme qui interroge l’API exploite ensuite les scores pour déclencher une action, solliciter une autre IA ou transmettre le dossier à une personne. Le choix et son exécution restent deux opérations distinctes. Une probabilité à confronter aux résultats réels

Chaque réponse comprend un niveau de confiance. Pour être bien calibrée, une probabilité doit correspondre à la fréquence de réussite observée sur de nombreux exemples : parmi les réponses annoncées à 80 % de confiance, environ huit sur dix devraient être correctes. Ce chiffre aide à régler les décisions automatiques, mais ne constitue pas une garantie pour un cas individuel.

Dans ses comparaisons, le fournisseur rapporte la plus faible erreur de calibration parmi les quatre systèmes testés. Son tableau place le modèle en tête de cinq des sept évaluations communes, tandis que Jev 1.14 conserve l’avantage sur Mind2Web Multimodal et When2Call. Les tests audio et vidéo ajoutés ne comparent que deux modèles.

Le Decision Index d’Artificial Analysis donne un autre éclairage : le score de 66 se situe à la médiane des modèles recensés lors de la consultation. Cet indice indépendant combine plusieurs évaluations et tient compte de l’exactitude, de la confiance et de la stabilité des décisions. Il ne s’agit pas d’un taux de bonnes réponses de 66 %, ni de la même mesure que celle publiée par Google. Pour un déploiement, la documentation recommande de définir les seuils de confiance à partir d’exemples représentatifs du trafic réel. Trois formats, sans dépendance entre les questions

La documentation de l’API distingue les questions binaires, les choix multiples et les notes sur une grille ordonnée. Pour les choix multiples, deux à 255 options sont acceptées ; la réponse contient l’option retenue et les probabilités de toutes les candidates. Une grille de notation produit une valeur continue, calculée à partir des probabilités attribuées à ses différents niveaux.

Ces formats peuvent être mélangés dans une requête. Un enregistrement d’appel accompagné d’informations sur un compte pourrait servir à identifier le service concerné et à évaluer l’urgence. Toutes les questions consultent le même contenu, mais aucune ne voit les réponses des autres. Une décision qui dépend d’un résultat précédent exige donc une orchestration supplémentaire dans le programme.

La limite de contexte atteint 262 144 tokens pour l’ensemble de la requête. Elle comprend le contenu partagé, les instructions des questions et leurs critères. Le plafond de mille questions ne correspond donc ni à mille étapes successives de raisonnement, ni à mille analyses disposant chacune de cette capacité. Le coût du contenu est partagé, la latence reste conditionnelle

Le tarif annoncé est de 0,10 dollar par million de tokens d’entrée, sans facturation de tokens de sortie. Le contenu commun n’est compté qu’une fois par requête ; chaque question ajoute ses propres instructions et critères. La comparaison « près de cinq fois moins cher » concerne les sept évaluations communes avec Gemini 3.5 Flash-Lite utilisé via l’Interactions API.

Les 150 à 250 millisecondes de latence de bout en bout annoncées portent sur des contextes allant jusqu’à 16 000 tokens. Le temps reste presque constant entre une et cent questions dans ces essais. Ces mesures n’établissent pas le même délai au maximum de mille questions ou avec un contexte entièrement rempli. Un composant de routage dans des produits plus larges

En interne, Gemini Notebook utilise ces décisions pour orienter les requêtes vers un niveau de modèle et un effort de raisonnement adaptés. Le service expérimental CC choisit une réaction parmi plus de 200 émojis. Dans Search, l’API intervient dans une couche de détection des comportements adverses liés aux outils MCP.

L’expérience Stitch Rapid illustre un usage créatif : des parcours produit prennent la forme de maquettes interactives, modifiables par la voix ou le toucher. La démonstration montre le résultat du produit complet, auquel participe l’API de décision. Elle ne signifie pas que Gemini Decision 1 génère lui-même les écrans ou leur code. Une fois le parcours retenu, les écrans peuvent être transférés dans l’environnement Stitch pour poursuivre le travail graphique.