Gemini Decisions API : le modèle Google qui n'écrit rien
Pas de texte, pas de phrases : Gemini Decision 1 répond oui, non ou note, pour mille questions d'un coup et en moins d'un quart de seconde.
Google a lancé le 11 novembre la Gemini Decisions API, un modèle d'intelligence artificielle qui ne rédige pas une seule phrase. Si vous payez aujourd'hui un modèle de langage pour classer des e-mails ou des tickets clients, vous payez probablement dix fois trop cher.
Un modèle qui choisit au lieu d'écrire
Un modèle de langage classique produit sa réponse mot par mot, ou plus exactement token par token : il prédit le morceau de texte suivant, puis le suivant, jusqu'à la fin. C'est ce qui rend la rédaction possible, et c'est aussi ce qui coûte du temps et de l'argent.
Gemini Decision 1 fait autre chose. Il évalue les options possibles en une seule passe de calcul et renvoie son choix, sans jamais écrire la réponse.
Trois formats seulement sont acceptés : oui/non, choix multiple dans une liste fermée, et notation sur une échelle. On appelle ça des problèmes à ensemble fermé : la liste des réponses admissibles est connue d'avance.
Mille questions, un quart de seconde
L'API traite jusqu'à 1 000 questions indépendantes en une seule passe. Les entrées peuvent être du texte, des images, de l'audio, de la vidéo ou des PDF.
Les réponses arrivent en 150 à 250 millisecondes selon Google. À cette vitesse, une décision d'IA devient utilisable au milieu d'une requête web, pas seulement dans un traitement nocturne.
Chaque décision est accompagnée d'un score de probabilité et d'un niveau de confiance. Google affirme afficher la plus faible erreur de calibration de sa catégorie, c'est-à-dire l'écart entre la confiance annoncée par le modèle et sa justesse réelle.
Le prix est l'argument principal
Le tarif est de 0,10 dollar par million de tokens en entrée, et les tokens de sortie ne sont pas facturés. Google avance un coût environ cinq fois inférieur à celui de Gemini 3.5 Flash-Lite, son petit modèle économique.
La logique tarifaire se tient : un modèle qui n'émet pas de texte n'a rien à facturer en sortie.
Google s'en sert déjà en interne
Trois usages maison sont cités. Le routage dynamique dans Gemini Notebook, qui décide quel modèle doit traiter une demande. Le prototypage de design dans Stitch. Et les contrôles de sécurité dans Google Search.
Ce dernier point est parlant : des vérifications de sécurité à l'échelle du moteur de recherche supposent un coût par décision très proche de zéro.
Ce que ça change pour une petite équipe
Les tâches concernées ne sont pas glamour, mais elles occupent des gens toute la journée : ranger des tickets de support par urgence, orienter un lead vers le bon commercial, repérer des pièces jointes hors sujet, noter des candidatures selon une grille.
Jusqu'ici, automatiser ça revenait à demander à un modèle bavard de répondre « oui » puis de facturer la génération. Avec un prix divisé par cinq et une latence sous le quart de seconde, le calcul change pour une structure qui traite quelques milliers de décisions par jour.
Ce que l'API ne fait pas
Plusieurs conforts de la gamme Gemini manquent à l'appel : pas de mise en cache de contexte, pas d'API Batch, pas de niveaux d'inférence Flex ni Priority. Pour du volume massif en différé, l'absence de Batch se remarquera.
Et la limite de fond reste la même : si votre problème demande une explication, un résumé ou du code, ce modèle n'est pas le bon outil. Il tranche, il ne raconte pas.
L'API est disponible dans Google AI Studio. Les intégrations annoncées chez OpenRouter, LangChain et Vercel sont encore en cours de déploiement, ce qui vaut la peine d'être vérifié avant de bâtir une chaîne de production dessus.
