Google lance la Gemini Decisions API pour des choix multimodaux rapides
Écouter la version audio de l’article

Google a annoncé, le 11 novembre 2026, le lancement de la Gemini Decisions API, une interface de programmation dédiée aux prises de décisions rapides et calibrées. Propulsée par le nouveau modèle gemini-decision-1, cette technologie permet d'évaluer des données multimodales complexes en un temps record. L'enjeu est de taille : offrir aux développeurs un outil capable de trancher entre plusieurs options ou de vérifier des règles de conformité sans la lourdeur de la génération de texte traditionnelle.
Une architecture pensée pour la rapidité et la précision
Contrairement aux modèles de langage classiques qui génèrent du texte mot par mot (token par token), la Gemini Decisions API utilise une approche de « single forward pass ». Cela signifie que le modèle gemini-decision-1 analyse l'entrée et attribue des scores directement aux options candidates, sans passer par une phase de décodage textuel prolongée. Cette méthode permet d'atteindre une latence de bout en bout située entre 150 et 250 ms, selon les données fournies par l'éditeur Google.
Trois modes de décision intégrés
L'API propose trois primitives de décision conçues pour répondre à des besoins de classification précis :
- noul (Yes/No) : Ce mode estime la probabilité qu'une condition binaire soit remplie. Vous pouvez également définir des critères de description pour les réponses « vrai » ou « faux ».
- choice (Choix multiples) : Le modèle peut sélectionner une réponse parmi un ensemble allant de 2 à 255 options. Il renvoie l'option gagnante ainsi que les probabilités normalisées pour chaque candidat.
- score (Rubrique ordonnée) : Ce mode permet de noter une entrée selon une échelle prédéfinie. Le modèle retourne un score pondéré continu et les probabilités pour chaque niveau de la grille.
Chaque réponse est accompagnée d'un score de confiance (compris entre 0 et 1), une fonctionnalité cruciale pour permettre à votre code de rediriger les cas ambigus vers un humain ou un modèle de réflexion plus complexe.
Une polyvalence multimodale étendue
La force de cette API réside dans sa capacité à traiter simultanément des textes, des images, de l'audio, de la vidéo et des fichiers PDF. Vous pouvez, par exemple, soumettre un enregistrement d'appel accompagné de métadonnées textuelles ou une photo de sinistre associée à un rapport PDF. Le contexte maximal supporté est de 256 000 tokens, et l'API peut traiter jusqu'à 1 000 questions indépendantes en une seule requête sur une base d'entrée partagée.

Performances et coûts : un avantage compétitif majeur
Sur le plan économique, Google positionne agressivement sa solution. Le coût est fixé à 0,10 $ pour 1 million de tokens d'entrée, avec une particularité notable : aucun token de sortie n'est facturé. Selon l'éditeur, cette approche rend l'API près de 5 fois moins chère que l'utilisation de Gemini 3.5 Flash-Lite avec l'API Interactions sur un ensemble de benchmarks partagés.
En termes de performances brutes, les résultats sont contrastés selon les sources. D'après les tests de Google, le modèle gemini-decision-1 domine sur plusieurs benchmarks incluant le routage d'agents et le raisonnement multimodal. Sur le test JevBench, il affiche un score de 92,2 % contre 90,0 % pour le modèle Jev 1.14. Cependant, une évaluation indépendante réalisée par Artificial Analysis apporte des nuances. Le modèle obtient un score de 66 sur le Decision Index, ce qui le place au même niveau qu'Elephant 9B, mais derrière Drex Max v1.1 et GLiDE v1.2.
Si le modèle est performant, il n'est pas le plus rapide du marché. Avec une latence moyenne par tâche de 211 ms, il reste plus lent que le modèle Jev, qui affiche 92 ms. De plus, sur l'évaluation AA-Paperclip, il ne répond correctement à toutes les questions que sur 33 % des documents, contre 63 % pour Drex Max.

Ce que cela change pour une PME
Pour une petite ou moyenne entreprise, l'adoption de la Gemini Decisions API peut transformer des processus jusqu'ici manuels et chronophages en flux automatisés et fiables. Cela s'inscrit parfaitement dans une stratégie visant à orchestrer les agents IA pour automatiser vos processus métier.
Voici quelques cas d'usage concrets :
- Gestion des sinistres et assurances : Analyser automatiquement une photo de véhicule endommagé et un rapport d'expert pour valider si les dommages correspondent à la déclaration (mode Yes/No).
- Modération de contenu : Scanner des vidéos ou des fichiers audio pour vérifier instantanément si des règles de conformité ou de sécurité sont respectées.
- Support client intelligent : Utiliser le modèle comme une couche de routage. Une question client peut être analysée pour déterminer si elle doit être traitée par un agent spécialisé ou si elle nécessite une réponse humaine immédiate.
- Contrôle qualité industriel : Vérifier la conformité de produits via des flux vidéo en utilisant le mode de scoring pour évaluer la qualité de fabrication.
Pour mettre en place ces solutions, vous pouvez vous appuyer sur nos services d'accompagnement en IA et automatisation.
Limites et points de vigilance
Malgré ses atouts, l'utilisation de la Gemini Decisions API nécessite une certaine prudence. La variabilité des performances selon les benchmarks montre que le modèle n'est pas infaillible, notamment sur des tâches de lecture de documents très spécifiques (comme illustré par le score plus faible sur AA-Paperclip).
Les développeurs doivent également prendre en compte :
- La calibration : Bien que le modèle fournisse des scores de confiance, il est impératif de tester la fiabilité de ces probabilités sur vos propres données avant une mise en production critique.
- Le choix du modèle : Selon que vous privilégiez la latence pure (Jev est plus rapide) ou le coût et la multimodalité massive (Gemini Decisions API est très compétitive), le choix de l'outil doit être rigoureusement arbitré.
- La disponibilité : Actuellement, l'accès se fait via Google AI Studio. La disponibilité complète et les conditions spécifiques pour les entreprises européennes et françaises (notamment concernant la conformité RGPD pour le traitement des données multimodales) restent des points à confirmer auprès de Google.
À retenir
- Modèle : Gemini Decision 1, spécialisé dans les décisions multimodales rapides.
- Performance : Latence de 150-250 ms et capacité de traiter 1 000 questions par requête.
- Coût : 0,10 $ par 1M de tokens d'entrée, sans facturation des tokens de sortie.
- Usage : Idéal pour le routage d'agents, la modération et le scoring de conformité.
La Gemini Decisions API marque une étape importante vers des agents IA plus autonomes et capables de réagir en temps réel à des environnements complexes. Si vous souhaitez explorer comment intégrer ces technologies de pointe dans vos propres outils métier, n'hésitez pas à nous contacter pour en discuter.
À lire aussi sur Planet-Tech
- Facturation électronique : l'automatisation pour sécuriser votre trésorerie
- Agentic Enterprise : bâtir une donnée fiable pour l'IA autonome
- Data Architecture : préparer vos données pour l'entreprise agentique
Sources
Cet article s'appuie sur les informations publiées par :
- Google AI : Gemini Decisions API: Fast, calibrated multimodal decisions
- Latent Space : D-Day (Decision Models Day) — Latent Space
Cet article a été rédigé avec l'aide d'outils d'intelligence artificielle à partir des sources citées ci-dessus, puis relu et validé par l'équipe Planet-Tech.
