OpenAI ouvre un API de décision rapide, face à une vague concurrente

OpenAI a ouvert en bêta publique Decisions API, une nouvelle brique de son offre API qui traite texte, images ou les deux pour produire des réponses structurées: oui/non, choix parmi des catégories ou note sur une échelle. L’entreprise dit que le service tourne environ dix fois plus vite que Responses API et qu’il vise des cas comme le tri de tickets clients, la détection de dommages sur photo ou la classification de documents. La mise à disposition intervient dans un marché où Perplexity, Cloudflare et Amazon ont, eux aussi, publié leurs modèles de décision. Le sujet compte car ces outils commencent à décider à la place d’un humain sur des tâches très banales. Et c’est souvent là que tout se joue.

Un service pensé pour trancher vite, pas pour bavarder

Dans sa version actuelle, Decisions API repose sur gpt-6-luna et ne supporte que ce modèle pour l’instant. OpenAI indique un tarif de 0,10 dollar par million de jetons en entrée, avec les jetons de sortie gratuits, et précise qu’il n’y a pas de coût pour la lecture ou l’écriture du cache. Le service gère trois types de sorties: probabilité qu’une proposition soit vraie, sélection d’une option prédéfinie et score numérique. Autrement dit, il s’agit moins de générer du texte que de prendre une décision bornée, ce qui change la facture comme la latence.

La société met en avant des usages très concrets. Elle cite l’orientation automatique d’un contact client, la détection d’un dégât sur une image, ou encore le classement de documents. Dans une vidéo de démonstration relayée par Meredith Shubel, OpenAI montre aussi un cas de conduite assistée où l’API choisit entre changer de voie ou continuer tout droit à partir d’images de la route. La promesse est simple: réduire la décision à une réponse exploitable immédiatement, sans faire tourner un modèle de raisonnement plus lourd pour un problème qui n’en a pas besoin.

Pourquoi l’image change la donne

Le point le plus notable est l’ajout des entrées visuelles. Decisions API peut analyser des images seules ou associées à du texte, ce qui ouvre la porte à des scénarios de contrôle rapide: lire un écran, regarder un obstacle, repérer un objet, puis déclencher l’action suivante. OpenAI va jusqu’à montrer, dans sa communication, un usage avec le robot Microduck de Hugging Face, combiné à GPT-Live, son modèle vocal temps réel. Le robot reçoit une consigne simple comme « follow the apple », l’API identifie le fruit puis oriente son regard. Sur le papier, cela ressemble à une petite brique. Dans les faits, c’est le genre de petite brique qui finit dans beaucoup de produits.

Cette approche vise aussi les interfaces vocales ou incarnées, où une expression, un geste ou une image doit guider la suite de l’échange. Là encore, OpenAI parle de tâches rapides, quasi binaires, que l’on confierait difficilement à un grand modèle généraliste pour des raisons de coût ou de délai. La société explique que son API peut prendre ces décisions « in a fraction of the time a reasoning model would take », selon la formulation reprise dans sa démonstration.

Une bataille de modèles de décision déjà bien lancée

OpenAI n’arrive pas seule sur ce créneau. Perplexity, Cloudflare et Amazon ont lancé leurs propres modèles ce mois-ci, avec une différence importante: ils les proposent en poids ouverts ou en téléchargement, pour permettre aux équipes de les exécuter sur leur propre infrastructure. Meredith Shubel note que Perplexity a publié pplx-decider-v1-27b, dérivé de Qwen3.8-27B et diffusé sous licence Apache 2.0, avec des résultats annoncés à 85,71 % sur un ensemble de tests contre 84,51 % pour Jev. Amazon pousse de son côté Strands Decider 2B, basé sur Qwen3.5-2B, tandis que Cloudflare propose Clef et Clef-flash, disponibles en open weights et via Workers AI.

Le contraste est net: là où plusieurs concurrents donnent la main aux développeurs pour héberger eux-mêmes leurs modèles, OpenAI reste sur une API hébergée. Ce choix peut sembler plus fermé, mais il simplifie le déploiement et la maintenance. En contrepartie, il enferme davantage les usages dans l’infrastructure de l’entreprise. [à vérifier] si ce positionnement suffira à retenir les équipes qui veulent comparer coût, contrôle et portabilité avant de trancher, justement, le modèle qui tranche.

Des paliers commerciaux resserrés pour l’API

OpenAI a aussi revu ses niveaux payants, en passant de cinq à trois offres: Build, Launch et Grow. Les organisations montent automatiquement de niveau lorsque leurs achats de crédit atteignent le seuil suivant. Les plafonds mensuels annoncés sont de 500 dollars, 5 000 dollars et 200 000 dollars. Ce changement rapproche la tarification d’une logique de croissance plus lisible pour les clients, mais il rend aussi plus visible la dépendance au volume consommé.

La société ajoute enfin des garanties de conformité et de protection des données: zéro conservation des données, et usage compatible HIPAA aux États-Unis et en Europe selon sa note. Ces points comptent pour les secteurs réglementés, notamment la santé et certains environnements d’entreprise. Le marché des « decision models » reste jeune, mais il se structure vite. Entre les services hébergés et les modèles ouverts, le vrai débat ne porte plus seulement sur la précision. Il porte sur qui décide, où, et à quel prix.