Google lance Gemini Decision 1 : jusqu'à 1 000 questions scorées par appel, 0,10 $/M tokens en input et zéro coût en output
🔎 Un modèle qui ne génère strictement rien — et c'est exactement le sujet
Le 11 novembre 2026, Google a discrètement ajouté à son API Gemini un objet inhabituel : un modèle d'IA qui ne produit pas un seul token de texte. Gemini Decision 1 (gemini-decision-1), disponible dans l'API Gemini (v1beta) et AI Studio, ne rédige pas, ne converse pas, ne s'explique pas. Il score. Jusqu'à 1 000 questions par appel, en renvoyant des probabilités calibrées plutôt que des paragraphes.
Le lancement, relayé notamment par TestingCatalog, s'inscrit dans une tendance que l'industrie vient à peine de formaliser : depuis septembre 2026, une catégorie entière — les « decision models » — s'est constituée sous nos yeux. TypeSafe a ouvert le bal avec Jev, Microsoft l'a suivi, OpenAI a déployé sa Decisions API le 22 octobre. Google arrive quatrième. Mais avec une arme que les trois premiers n'ont pas : la distribution.
Le fond du problème tient en une phrase. Une pipeline d'agents passe l'essentiel de ses tokens à prendre des micro-décisions — router une requête, valider une politique, noter une réponse. Payer le prix de la génération pour obtenir un « oui » ou un « non » relevait de l'absurdité économique. Quatre acteurs attaquent ce poste de coût en trois mois. Google vient d'y mettre tout son poids. Voici ce que ça change, chiffres à l'appui.
L'essentiel
- Un modèle de scoring, pas de génération : pas de décodage token par token, mais un scoring en un seul forward pass — latence médiane de 50-100 ms de compute modèle, 150-250 ms de bout en bout.
- 1 000 questions par appel sur un input multimodal partagé (texte, images, audio, vidéo, PDF) jusqu'à 262 144 tokens (256K). Trois formats : noul (oui/non probabiliste), choice (2-255 options), score (rubrique 2-255 niveaux), plus un score de confiance 0-1.
- 0,10 $/M tokens en input, zéro en output (novembre 2026) : l'input partagé est facturé une seule fois par requête, sans frais de thinking, transcription ni OCR. Google revendique ~5x moins cher que Gemini 3.5 Flash-Lite via Interactions API.
- 92,2 % sur JevBench, meilleur score du marché devant GPT-6 Luna (90,9 %) et Jev 1.14 (90,0 %) — mais battu sur When2Call et Mind2Web Multimodal.
- Calibration remarquable : erreur Top-1 ECE de 0,0250, environ deux fois inférieure à celle de Jev 1.14 (0,0494).
- Limites assumées : pas de caching ni de Batch API au lancement, hébergement Google exclusif, SDK google-genai 3.2+ requis.
Outils recommandés
Le marché des decision models est neuf mais déjà structuré. Quatre joueurs, quatre positionnements, deux niveaux de prix :
| Modèle | Input accepté | Prix (novembre 2026) | Idéal pour |
|---|---|---|---|
| Gemini Decision 1 | Texte, images, audio, vidéo, PDF (256K) | 0,10 $/M input, output gratuit | Évaluation multimodale à grande échelle, garde-fous audio/vidéo |
| OpenAI Decisions API | Texte + images | 0,10 $/M | Équipes déjà ancrées dans l'écosystème OpenAI |
| Jev (TypeSafe) | Texte seul | 0,042 $/M | Classification texte massive, budget minimal |
| Microsoft-Decision-1 | Texte seul | 0,042 $/M | Pipelines Azure, charges texte pur |
Prix relevés le 12 novembre 2026 via CellCog, qui maintient la table comparative la plus complète du segment (9 benchmarks) — vérifiez sur les sites officiels avant tout engagement.
Côté accès : AI Studio pour prototyper, OpenRouter et le Vercel AI Gateway (AI SDK 7, qui gère audio, vidéo et PDF) en production, avec des intégrations LangChain en cours de déploiement selon The Decoder.
Gemini Decision 1, c'est quoi exactement ?
Réponse directe : un modèle de classification qui remplace le décodage autorégressif par un unique forward pass. Vous envoyez un contexte multimodal et un lot de questions ; il renvoie des probabilités, jamais du texte.
Le principe mérite qu'on s'y attarde, parce qu'il inverse la logique des LLM classiques. Un modèle génératif lit votre prompt, puis écrit sa réponse token par token — chaque token coûte du compute, de la latence et de l'argent. Gemini Decision 1 encode l'input une seule fois, puis score toutes les questions en parallèle contre cette représentation. Résultat : 50 à 100 ms de compute modèle en médiane, 150 à 250 ms de bout en bout, avec une courbe quasi plate de 1 à 100 questions tant que l'input reste sous 16K tokens.
Côté entrées, un contexte partagé de 262 144 tokens accueille texte, images, audio, vidéo et PDF. Côté sorties, trois formats strictement délimités :
- noul — la question oui/non, avec une probabilité volontairement bornée entre 0,01 et 0,99. Le modèle n'a jamais le droit d'être absolument certain : un choix de design qui empêche les certitudes trompeuses et force l'incertitude dans vos seuils.
- choice — de 2 à 255 options, avec des probabilités normalisées. Le format du routing : « quelle catégorie ? », « quel outil appeler ? », « quel sous-agent ? ».
- score — une rubrique ordonnée de 2 à 255 niveaux. Le format du grading : « note cette réponse sur 10 », « évalue la gravité de 1 à 5 ».
Chaque réponse s'accompagne d'un score de confiance entre 0 et 1, conçu pour router les cas ambigus vers un fallback ou une relecture humaine. C'est ce couple probabilité + confiance qui fait la valeur opérationnelle du système — pas l'accuracy brute.
L'endpoint s'inscrit dans la refonte en profondeur de la stack développeur de Google : après la mise en disponibilité générale de l'Interactions API, la nouvelle interface par défaut pour construire des agents Gemini, Decision 1 arrive comme brique spécialisée dans v1beta. Il faut le SDK google-genai 3.2+ minimum.
Mon avis : la vraie innovation n'est pas le modèle, c'est le contrat de sortie. Les JSON schemas imposés aux LLM génératifs étaient une rustine — parsage fragile, hallucinations de format, retries coûteux. Ici, l'interface est le produit. La classification probabiliste devrait enfin sortir du bricolage.
L'économie : 0,10 $/M en input, zéro en output
Réponse directe : le tarif nominal de 0,10 $/M tokens est identique à celui d'OpenAI — mais c'est la structure de facturation qui fait la différence, pas le prix affiché.
Premier pilier : aucun token d'output n'est facturé, tout simplement parce qu'il n'en existe pas. Pas de décodage, pas de frais de thinking, pas de transcription ni d'OCR. L'audio et la vidéo entrent directement dans le modèle. Pour un pipeline qui traite du son, c'est un détail qui change tout : là où il faudrait sinon facturer un STT en amont — Google pousse par ailleurs son moteur Gemini 3.5 Transcribe, 85 langues à 2,6 % de WER pour ce genre de tâche — Decision 1 avale l'audio brut sans ligne supplémentaire sur la facture.
Deuxième pilier, le plus important : l'input partagé est facturé une seule fois par requête, quel que soit le nombre de questions. Vingt contrôles posés sur la même transcription de 4 000 tokens coûtent 4 000 tokens facturés, pas 80 000.
L'exemple chiffré de VentureBeat donne la mesure exacte : un enregistrement de 4 000 tokens + 20 vérifications de 50 tokens ≈ 5 000 tokens, soit environ 0,50 $ pour 1 000 enregistrements en une seule requête — contre 8,10 $ pour 1 000 en 20 appels séparés. Un facteur 16, obtenu uniquement en changeant la forme de l'appel.
Google revendique par ailleurs ~5x moins cher que Gemini 3.5 Flash-Lite via Interactions API sur sa suite de benchmarks. Le recoupement de VentureBeat : 0,88 $ la suite complète pour Decision 1, contre 4,14 $ pour Flash-Lite — soit 4,7x, cohérent avec l'annonce. Mais une nuance s'impose : Jev 1.14 exécute la même suite pour 0,68 $. Sur du texte pur, Google n'est pas le moins cher du marché. Il est le moins cher du multimodal — catégorie dont il est, pour l'instant, le seul membre.
Pour tester sans carte bancaire : le free tier offre 200 requêtes et 50 000 tokens d'input par minute. Largement assez pour prototyper une évaluation ou un router. Ce type d'offre figure dans notre tour d'horizon des API IA gratuites, actualisé régulièrement.
Benchmarks : leader sur 7 des 9 tests, mais deux failles agentic
Réponse directe : Gemini Decision 1 mène 7 des 9 tests d'accuracy de la table de lancement, dont JevBench à 92,2 % — mais il perd précisément sur les deux benchmarks les plus proches de l'usage agentique.
Les chiffres officiels, repris par VentureBeat et CellCog :
| Benchmark | Gemini Decision 1 | Jev 1.14 | GPT-6 Luna | Gemini 3.5 Flash-Lite |
|---|---|---|---|---|
| JevBench | 92,2 % | 90,0 % | 90,9 % | 86,6 % |
| When2Call | 79,9 % | 82,0 % | — | — |
| Mind2Web Multimodal | 86,2 % | 86,8 % | — | — |
| MMAU (audio) | 71,8 % | — | — | — |
| Video-MME | 69,1 % | — | — | — |
| Amazon ESCI (Macro-F1) | 58,7 % | — | — | — |
« — » : score non publié au lancement. Source : table de lancement Google, agrégée par CellCog.
Trois lectures. La victoire sur JevBench — 92,2 % contre 90,9 % pour GPT-6 Luna côté OpenAI et 90,0 % pour Jev 1.14 — est réelle mais étroite : 1,3 point d'écart avec le dauphin. La supériorité multimodale, elle, est nette : 71,8 % sur MMAU en audio, 69,1 % sur Video-MME. Personne d'autre sur ce marché ne score de la vidéo.
Les deux défaites méritent plus d'attention que les sept victoires. When2Call (79,9 % contre 82,0 % pour Jev 1.14) mesure exactement la capacité à décider quand appeler un outil — le cœur du routing d'agents. Mind2Web Multimodal (86,2 % contre 86,8 %) teste la navigation web. Si votre cas d'usage principal est la sélection d'outils, le modèle de TypeSafe reste devant, à un tarif d'input 2,4x inférieur.
Autre signal sous-communicé : la calibration. L'erreur Top-1 ECE de Gemini Decision 1 s'établit à 0,0250, environ la moitié de celle de Jev 1.14 (0,0494). Traduction concrète : quand le modèle affiche 0,85 de confiance, il a statistiquement raison environ 85 % du temps. Si vous construisez des seuils d'automatisation sur ces probabilités — au-delà de 0,95 on automatise, en dessous on route vers un humain — c'est cette métrique qui compte davantage que l'accuracy.
Enfin, le point faible absolu : Amazon ESCI à 58,7 % de Macro-F1, son pire score. Si votre tâche ressemble à de la pertinence e-commerce, la prudence s'impose.
Et Flash-Lite dans tout ça ? À 86,6 % sur JevBench, il illustre les limites d'un LLM généraliste détourné de sa fonction première pour scorer. Google le sait mieux que personne : la gamme se spécialise, côté génération lourde comme le montre le dossier Gemini 3.5 Pro, 2 millions de tokens et le mode Deep Think, côté scoring avec Decision 1. Deux gammes, deux usages, deux structures de coût.
Le marché du « model as judge » : quatrième arrivant, meilleure distribution
Réponse directe : Google n'a pas inventé la catégorie des decision models — il la standardise et la distribue à une échelle que personne d'autre ne peut viser.
La chronologie raconte tout. Septembre 2026 : TypeSafe lance Jev (0,042 $/M, texte seul), Microsoft dépose Microsoft-Decision-1 (0,042 $/M, texte). 22 octobre : OpenAI ouvre sa Decisions API (0,10 $/M, texte + images). 11 novembre : Gemini Decision 1 (0,10 $/M, multimodal complet). Quatre modèles en trois mois : le segment est passé de l'expérimentation à la guerre de positionnement.
Comme le cadre The Decoder, la vague cible le « model as judge » et les micro-décisions d'agents : routing, policy checks, sélection d'outils, grading. Autrement dit, la couche de la stack IA que personne ne voit mais qui tourne des milliards de fois par jour — et qui, jusqu'ici, se payait au prix de la génération.
La réponse de Google tient en trois asymétries. Le multimodal, d'abord : seul joueur à couvrir nativement audio et vidéo. La distribution, ensuite : AI Studio, OpenRouter, Vercel AI Gateway et LangChain dès le jour un, quand Jev et Microsoft-Decision-1 restent des offres de niche. Le dogfooding, enfin : Google utilise déjà Decision 1 en interne pour le routing dynamique dans Gemini Notebook, le prototypage design dans Stitch et les safety checks de Google Search. Quand un modèle sert de garde-fou à Google Search, son industrialisation n'est plus une hypothèse de travail.
Mon pari : la guerre ne se jouera pas sur l'accuracy — les écarts se mesurent en 1 à 2 points — mais sur la calibration et les intégrations. C'est exactement le terrain où Google arrive avec dix ans d'avance culturelle sur des challengers brillants mais seuls face à leur écosystème.
Routing, garde-fous, évaluation : les trois cas d'usage qui font sens
Réponse directe : trois usages justifient un decision model aujourd'hui — router des agents, appliquer des garde-fous à chaque étape, évaluer en continu. Le reste relève encore du marketing.
Router des agents sans se ruiner
Chaque handoff dans une architecture multi-agents est une décision : quel outil, quel sous-agent, quelle priorité. Avec un seul appel Decision 1, vous posez « quel outil ? », « cette action est-elle permise ? » et « l'utilisateur montre-t-il de la frustration ? » sur le même contexte, facturé une seule fois. Pour les architectures distribuées de type essaim, où un orchestrateur pilote des dizaines de workers, une couche de micro-décisions à 150-250 ms et quelques dixièmes de centime change l'équation économique complète. Nous détaillons ces patterns dans notre guide des meilleurs LLM pour agents IA ; et pour voir où pousse l'orchestration lourde chez Google, notre article sur Gemini 4 Carbon et son framework Swarm pour orchestrer des essaims d'agents montre comment les deux couches se complètent : Carbon raisonne et planifie, Decision 1 arbitre à bas coût.
Des garde-fous qui tournent à chaque requête
Policy checks, détection de données personnelles, modération : les garde-fous classiques coûtent si cher qu'on les applique en échantillonnage — 1 % du trafic, un jour sur sept. À 0,50 $ les 1 000 vérifications, on les applique à 100 % du trafic, en temps réel. C'est exactement l'usage que Google fait en interne sur Search, et le score de confiance permet de n'envoyer en relecture humaine que les cas réellement ambigus. Le garde-fou cesse d'être un compromis budgétaire pour devenir une propriété systématique du système.
L'évaluation continue, enfin abordable
Le LLM-as-judge existait depuis deux ans. Le problème n'était pas la technique mais le coût : des runs nocturnes sur des milliers d'échantillons, avec des tokens d'output facturés au prix fort pour produire des verdicts d'une ligne. Avec le format score — rubriques jusqu'à 255 niveaux — et la facturation d'input unique, une suite de régression quotidienne sur 10 000 réponses devient une ligne de budget négligeable. À une condition, impérative : calibrer votre juge sur vos propres données avant d'automatiser quoi que ce soit. Voir les erreurs plus bas.
Les limites à connaître avant de signer
Réponse directe : trois limites techniques doivent entrer dans votre calcul de coûts, et une limite stratégique dans votre réflexion d'architecte.
Pas de caching, pas de Batch API. Le contexte répété est facturé en entier à chaque appel, d'après MarkTechPost. Si votre pipeline renvoie le même document de 100K tokens avec des questions différentes d'un appel à l'autre, la facture explose et l'avantage tarifaire s'évapore. La réponse de Google est inscrite dans le design : batcher toutes vos questions dans un seul appel, jusqu'à 1 000. Au-delà, ou au-delà des 256K tokens, vous retombez sur une facturation à pleine charge, sans filet.
Hébergement Google exclusif. Pas de poids ouverts, pas de self-hosting, pas de déploiement VPC. Pour les secteurs régulés — santé, finance, secteur public — c'est potentiellement disqualifiant, quel que soit le prix.
Une latence plate sous conditions. Le profil de 150-250 ms vaut pour des inputs jusqu'à 16K tokens et des lots de 1 à 100 questions. Au-delà, la courbe se raidit et Google ne publie pas encore de garanties pour les grands lots sur de longs contextes. Benchmarkez votre forme de charge réelle avant de promettre des SLO.
Le lock-in par le schéma, enfin. Les types noul/choice/score ne sont pas un standard, c'est le format Google. Migrer vers la Decisions API d'OpenAI ou vers Jev signifie réécrire vos suites d'évaluation. Le schéma est assez simple pour qu'une couche d'abstraction coûte peu — mais elle n'existe pas encore, et quelqu'un devra prendre le risque de la maintenir.
❌ Erreurs courantes
Erreur 1 : traiter Decision 1 comme un LLM de plus
Ce qui ne va pas : lui demander des explications, du raisonnement rédigé ou de la génération de contenu. Le modèle ne produit aucun token — vous obtiendrez des probabilités, pas des paragraphes.
La solution : garder un modèle génératif pour les 2 % de cas que le score de confiance signale comme ambigus, et router vers lui. Decision 1 trie, le génératif tranche. Les deux outils ne se remplacent pas, ils s'empilent.
Erreur 2 : ignorer la facturation du contexte répété
Ce qui ne va pas : reproduire votre pattern d'appels génératifs — un appel par question — sur Decision 1. Sans caching, vous payez le même contexte 20 fois et vous détruisez l'avantage économique du produit.
La solution : une requête = un contexte + toutes les questions possibles sur ce contexte. Ne splitez que si vous dépassez 1 000 questions ou 256K tokens, et regroupez alors par lots de contexte.
Erreur 3 : fixer des seuils de confiance sans recalibrer sur vos données
Ce qui ne va pas : considérer l'ECE de 0,0250 mesuré sur les benchmarks de Google comme une garantie universelle. Sur votre distribution de trafic — vos formats, vos langues, vos cas limites — la calibration sera différente, parfois nettement.
La solution : étiquetez quelques centaines de vos cas réels, recalculez la calibration localement, puis fixez vos seuils d'automatisation. Et gardez en tête que les probabilités sont bornées à 0,99 : « quasi certain » est le maximum disponible, jamais « certain ».
Erreur 4 : comparer les prix au token près
Ce qui ne va pas : comparer 0,042 $/M (Jev) à 0,10 $/M (Google) et conclure que Jev est 2,4x moins cher. Sur la suite complète de benchmarks, l'écart réel est de 0,68 $ contre 0,88 $, car le coût final dépend du volume d'input par décision, pas du tarif nominal.
La solution : comparez toujours en coût pour 1 000 décisions sur votre charge réelle, output compris quand vous évaluez des modèles génératifs.
❓ Questions fréquentes
Gemini Decision 1 peut-il générer du texte ou justifier ses réponses ?
Non. Le modèle effectue un scoring en un seul forward pass, sans décodage token par token. Il renvoie des probabilités aux formats noul, choice et score, accompagnées d'un score de confiance. Pour du texte ou des justifications, il faut un modèle génératif, idéalement appelé en fallback sur les cas ambigus.
Combien coûte un appel type en pratique ?
Sur l'exemple de VentureBeat : un enregistrement de 4 000 tokens et 20 vérifications de 50 tokens représentent environ 5 000 tokens, soit ~0,50 $ pour 1 000 enregistrements en une requête, contre 8,10 $ en 20 appels séparés. L'input partagé n'est facturé qu'une fois et l'output est gratuit.
Peut-on l'exécuter en local ou chez un autre hébergeur ?
Non. L'API est hébergée par Google uniquement, sans poids ouverts ni self-hosting. Elle reste accessible via OpenRouter et le Vercel AI Gateway, mais le compute demeure chez Google — un point de blocage pour les environnements régulés ou exigeants en souveraineté des données.
Quelles sont les limites de volume et de contexte ?
Jusqu'à 1 000 questions par appel, sur un contexte partagé de 262 144 tokens entre l'input et les questions. La latence reste quasi plate jusqu'à 100 questions pour des inputs de 16K tokens. Côté gratuit : 200 requêtes et 50 000 tokens d'input par minute, de quoi prototyper sérieusement.
Comment choisir entre les quatre decision models du marché ?
En trois questions. Besoin d'audio ou de vidéo ? Alors Gemini Decision 1, seul multimodal complet. Budget serré sur du texte pur ? Jev ou Microsoft-Decision-1 à 0,042 $/M. Déjà investi dans Azure ou OpenAI ? Leur API respective. Les écarts d'accuracy sont faibles ; les écarts de prix et d'intégration, considérables.
✅ Conclusion
Gemini Decision 1 ne remplacera jamais votre LLM génératif — il le libère des milliers de micro-décisions pour lesquelles il était scandaleusement trop cher, et c'est précisément ce que l'industrie des agents attendait. Testez le free tier (200 requêtes/minute) dès aujourd'hui, et si vous construisez des pipelines agentiques, croisez ce choix avec notre comparatif des meilleurs LLM pour agents IA et notre comparatif mensuel des meilleurs LLM.