Pourquoi multiplier les échanges avec une IA quand elle peut évaluer mille éléments en une seule requête ? Gemini Decision 1 de Google promet de simplifier cette tâche grâce à ses capacités d’analyse et d’évaluation ultrarapides.
Présenté le 11 novembre 2026 par Google DeepMind, ce nouveau modèle ne cherche pas à converser avec vous. Il compare des options, attribue des scores et aide les applications à prendre des décisions en quelques millisecondes. Il évalue des choix à toute vitesse, via une nouvelle interface de programmation. Avec ce lancement, la firme de Mountain View s’attaque à ces petites décisions répétées qui ralentissent les logiciels.
Gemini Decision 1 de Google peut examiner 1 000 questions d’un seul coup
Pour comprendre le principe de Gemini Decision 1, prenons l’exemple d’un service client. Ceci reçoit une réclamation accompagnée d’un formulaire, de photos et de l’enregistrement d’un appel. Un logiciel peut alors demander au modèle si des pièces manquent, si les dégâts semblent importants ou vers quelle équipe orienter le dossier.
Le modèle accepte un ensemble commun de données comprenant du texte, des images, de l’audio, de la vidéo et des PDF. Cela avec une fenêtre de contexte allant jusqu’à 256 000 tokens environ.
Il peut ensuite évaluer jusqu’à 1 000 questions indépendantes en une seule passe de calcul. Attention, il ne déroule pas mille actions successives. Si une décision dépend d’une réponse précédente, le logiciel doit organiser cette étape lui-même.
Une IA qui choisit au lieu de rédiger
Demandez à une IA classique quoi faire et elle vous répondra parfois par trois paragraphes. Gemini Decision 1 va droit au but. Il examine des réponses déjà définies et fournit des probabilités plutôt qu’un long texte.
Trois types de vérifications sont prévus : oui ou non, choix multiple parmi 2 à 255 possibilités, ou notation selon une grille. Chaque résultat s’accompagne d’un score de confiance compris entre 0 et 1. Ce score permet notamment à une application de transmettre les cas incertains à une personne plutôt que de les traiter automatiquement.
Ce fonctionnement peut aider les agents IA qui enchaînent plusieurs outils. Mais le modèle se contente de choisir parmi les options qu’on lui donne. Il ne rédige pas une réponse complète au client et ne remplace pas, à lui seul, un processus métier.
150 à 250 millisecondes : la vitesse de Gemini Decision 1 annoncée par Google
Google met également en avant une latence totale de 150 à 250 millisecondes. D’après ses mesures, le calcul du modèle prend généralement 50 à 100 millisecondes pour les configurations testées, avec des entrées allant jusqu’à 16 000 tokens.
Le temps reste presque stable entre une et cent questions. Rien ne garantit cependant ce résultat pour mille questions accompagnées de fichiers très volumineux.
Côté tarif, Google affiche 0,10 dollar par million de tokens en entrée et aucun token de sortie facturé. Les données partagées ne sont comptabilisées qu’une fois par requête ; les instructions et critères de chaque question s’ajoutent au total.
Selon les tests publiés par l’entreprise, cette formule coûterait presque cinq fois moins cher que Gemini 3.5 Flash-Lite sur le jeu d’évaluations retenu. Une comparaison maison, qui reste à confirmer dans les conditions réelles.
Par ailleurs, Gemini Decision 1 s’adresse d’abord aux développeurs grâce à Gemini Decisions API, accessible dans Google AI Studio. On y récupère une clé API, puis on intègre le modèle gemini-decision-1 dans son application, notamment avec Python, JavaScript ou des requêtes REST.
L’interface de programmation reçoit les données et les questions, puis renvoie des résultats structurés, exploitables directement dans le code.
Google l’utilise déjà, mais qui contrôlera les erreurs ?
Google explique que Gemini Decision 1 sert déjà à orienter les demandes vers différents modèles dans Gemini Notebook. Pour les questions courantes, ce système réduirait la latence jusqu’à 40 %. Il intervient aussi dans l’expérience de prototypage rapide de Google Stitch, dans des contrôles de sécurité liés aux outils MCP de Google Search.
Une IA rapide peut aussi se tromper rapidement. Une probabilité élevée ne garantit pas une décision juste, surtout face à un document ambigu ou à une image difficile à interpréter. Les développeurs devront donc surveiller les erreurs et fixer des seuils de confiance adaptés. Une validation humaine devra aussi intervenir lorsque les décisions peuvent avoir des conséquences importantes.
Gemini Decision 1 ne signe donc pas l’arrivée d’une machine capable de décider de tout à notre place. Il ouvre plutôt la voie à des logiciels qui trient, vérifient et orientent les demandes à grande vitesse. À nous de savoir quand laisser l’IA choisir et quand reprendre la main.
- Partager l'article :
![[Vidéo]Higgsfield Katana : comment fonctionne le montage vidéo IA automatique ?](https://www.lebigdata.fr/wp-content/uploads/2026/11/Katana-Claude.webp)
