L'API Decisions est entrée en bêta publique le 6 octobre 2026, selon l'annonce d'OpenAI : la nouvelle interface, qui n'était qu'un aperçu limité au DevDay du 29 septembre, est désormais ouverte à tous les développeurs, avec une documentation officielle et un Playground de débogage en ligne dès le premier jour, et une disponibilité générale attendue dans les prochaines semaines. Elle fait une chose étroite — elle ne génère aucun texte. Elle répond uniquement à des questions, et uniquement en choisissant parmi des réponses fournies par le développeur.
Trois types de questions : juger, choisir, noter
Une requête Decisions comporte trois parties : le modèle, l'entrée comme preuve (texte, images ou les deux) et un ensemble de questions. Le seul modèle disponible pour l'instant est gpt-6-luna, appelé via l'endpoint dédié /v1/decisions. Les questions sont de trois types : predicate renvoie la probabilité (de 0 à 1) qu'une condition soit vraie — par exemple qu'un produit sur une photo présente un dommage visible ; choice sélectionne une valeur dans un ensemble fixe fourni par le développeur et renvoie une distribution de probabilité sur les options, adapté aux ensembles sans ordre comme les services ou les catégories ; score fait face à des niveaux ordonnés, comme la gravité d'un problème, et renvoie une moyenne pondérée par les probabilités, pouvant tomber entre deux niveaux.
Le chiffre de vitesse d'OpenAI : le même type de jugement s'exécute environ 10 fois plus vite que via l'API Responses. La raison est simple — une interface conversationnelle doit générer une réponse mot à mot, puis laisser l'application retransformer le texte en structure, tandis que Decisions renvoie directement probabilités et sélection, en sautant génération et analyse. Les usages officiels sont la classification de contenu, le routage des demandes, la priorisation du travail et le choix de la prochaine action d'un agent.
Ce n'est pas la même chose que les sorties structurées
La confusion est facile avec les sorties structurées et l'appel de fonctions, déjà présents dans l'API Responses. OpenAI trace la frontière explicitement dans sa documentation : sorties structurées quand il faut extraire des champs dans son propre schéma JSON ou générer un texte explicatif ; appel de fonctions quand le modèle doit déclencher un outil avec des arguments ; Decisions quand il suffit d'un jugement, d'un choix ou d'une note capable de piloter directement une branche du programme. Autrement dit, elle isole la classe d'appels la plus fréquente et la moins « littéraire » d'une application, et échange la capacité de génération contre la latence et le déterminisme.
Les modèles de décision deviennent une catégorie à part
Le moment mérite attention. Le jour même où OpenAI annonçait la bêta, Perplexity divisait par deux le prix de sa propre Decision API — deux entreprises qui se répondent en quelques heures montrent que les « modèles qui ne font que juger » sont passés de l'expérience de niche au champ de bataille ouvert. Les semaines précédentes, des startups comme TypeSafe avaient déjà lancé des modèles spécialisés dans le jugement. Le moteur est le coût : une large part des appels en production n'a pas besoin d'un modèle phare qui rédige de longs textes — il suffit d'affecter un ticket à la bonne équipe, d'étiqueter correctement un contenu ou de décider du premier pas d'un agent. Ces appels sont volumineux, sensibles à la latence et limités dans leur espace de réponse, ce qui convient à un petit modèle derrière une interface dédiée. Ce site a déjà cartographié les trois niveaux de la famille GPT-6, leurs prix et leurs rôles ; Luna, le modèle de Decisions, est le niveau le plus léger et le moins cher de la famille, et le transformer de modèle de conversation en moteur de jugement est le prolongement naturel de cette ligne.
Pour les développeurs, le coût de bascule est faible : un système doté d'une logique de classification ou de routage peut y soumettre son trafic réel et comparer latence et précision avant de s'engager. Les points à surveiller : un tarif propre n'a pas encore été publié, Luna est pour l'instant le seul modèle disponible, et la calibration de ses probabilités doit être validée sur vos propres données — OpenAI fournit l'interface ; que les jugements soient justes, c'est à vos tickets et à vos contenus de le prouver.
