Google lance Gemini Decision 1 pour les décisions multimodales à choix fermés

Ce qui est nouveau

Google lance Gemini Decisions API, une interface de programmation accessible via la Gemini API dans Google AI Studio. Son modèle Gemini Decision 1 traite une entrée multimodale commune et jusqu’à 1 000 questions indépendantes par requête, avec un contexte pouvant atteindre 256K tokens, les unités de traitement du modèle.

Trois formats peuvent être combinés : une question oui/non, un choix parmi plusieurs options et une évaluation selon une grille ordonnée. Le système renvoie des probabilités et des scores de confiance plutôt qu’une réponse rédigée librement.

Ce qui change et pourquoi

Contrairement à une génération de texte token par token, Gemini Decision 1 évalue les options proposées en un seul passage dans le modèle. Google destine ce fonctionnement à des tâches délimitées : sélectionner un outil, orienter une requête vers un modèle, vérifier des règles ou évaluer la pertinence d’un contexte.

Plusieurs modalités peuvent alimenter la même décision, par exemple un enregistrement d’appel accompagné de métadonnées, ou un dossier PDF associé à des photographies. Selon Google, cette architecture vise à réduire le temps nécessaire à ces arbitrages. L’entreprise annonce une latence de bout en bout de 150 à 250 millisecondes pour des contextes allant jusqu’à 16K tokens ; cette mesure ne couvre donc pas toute la fenêtre de contexte annoncée.

Pourquoi c’est important

Cette interface cible les étapes de sélection et de contrôle intégrées aux applications et aux agents d’IA. Les probabilités retournées peuvent servir à distinguer les cas tranchés des cas ambigus, puis à transmettre ces derniers à un autre traitement ou à un humain. Elles ne constituent pas une certitude sur la réponse.

Les résultats indépendants nuancent aussi la présentation de Google, qui revendique une avance sur sa suite de tests. Artificial Analysis attribue au modèle un indice de décision de 66, au neuvième rang sur 18 modèles évalués. Cet indice combine notamment la justesse des réponses et la qualité des probabilités annoncées : il ne mesure pas à lui seul tous les usages multimodaux présentés par Google.