L’API Decisions d’OpenAI passe en disponibilité générale et facture le verdict sans jeton de sortie
Le 22 octobre 2026, OpenAI fait passer son API Decisions en disponibilité générale : un endpoint propulsé par GPT-6 Luna qui renvoie une probabilité, un choix ou un score au lieu de texte, facturé 0,10 dollar par million de jetons d’entrée et sans aucun jeton de sortie. Pour les équipes qui orchestrent des agents, c’est la première fois qu’un verdict typé devient assez bon marché pour vivre dans le chemin critique.
22 octobre 2026. OpenAI fait passer l’API Decisions de la bêta publique à la disponibilité générale, sur le seul modèle GPT-6 Luna. 22 octobre 2026, même jour. Le tarif est publié : 0,10 dollar par million de jetons d’entrée, 0,01 dollar en cache, et zéro jeton de sortie facturé. 22 octobre 2026, encore. Datadog chiffre à 40× l’amélioration de sa latence p95 pour noter le risque des commandes shell générées par ses agents avant exécution. Le point clé : un endpoint qui renvoie un type — probabilité, choix, score — plutôt que de la prose devient assez bon marché pour être appelé à chaque micro-décision d’un agent, dans le chemin critique.
Pour un SRE ou un architecte d’agents, c’est un basculement plus profond qu’une simple annonce produit. C’est l’arrivée d’un moteur spécialisé pour une tâche que l’on n’avait jamais pensé à isoler : juger.
Un endpoint qui répond par un type, pas par de la prose
L’API Decisions ne génère pas de texte. Elle répond à des questions fermées : une condition est-elle remplie, quel choix retenir parmi une liste fixe, comment scorer un texte, une image ou du JSON face à une grille de critères. La réponse est un type structuré, directement consommable, sans parsing d’une phrase.
C’est la différence qui compte pour la production. Un agent passe l’essentiel de ses jetons non pas sur du raisonnement dur, mais sur un goutte-à-goutte de micro-jugements : router ceci, classifier cela, décider de continuer ou non. Jusqu’ici, ces jugements passaient par un modèle généraliste qui renvoyait du texte, qu’il fallait ensuite analyser pour en extraire un booléen. L’API Decisions supprime l’étape de parsing et, avec elle, une source de latence et d’erreurs.
Depuis la bêta, l’endpoint a gagné l’intégration native à GPT-Live, le cache de prompt, des entrées JSON, des instructions par image pour chaque question, et la prise en charge de 400 questions par requête, soit le double de la limite de la bêta. Une seule requête peut donc évaluer un lot entier de candidats ou de règles en un aller-retour.
Cette sortie typée a une conséquence directe sur la fiabilité. Un booléen ou un score n’échoue pas à cause d’une phrase mal formée : il n’y a pas de JSON à extraire d’une prose générée, donc pas de rejeu coûteux quand le parser casse. Pour une boucle de décision exécutée des millions de fois par jour, c’est une réduction d’erreurs mesurable, pas un confort d’écriture.
Une tarification pensée pour le chemin critique
Le modèle de prix est le vrai signal. OpenAI facture 0,10 dollar par million de jetons d’entrée, 0,01 dollar en cache, et rien sur la sortie. C’est une rupture avec le modèle classique où la génération de texte est facturée au jeton de sortie — précisément la partie la plus chère et la plus variable d’un appel.
La conséquence opérationnelle est directe : le coût d’un verdict devient prévisible, borné par la taille de l’entrée, et suffisamment faible pour être placé dans une boucle chaude. Un garde-fou qui vérifie chaque commande avant exécution, un routeur qui oriente chaque requête, un évaluateur qui note chaque réponse — tout cela peut désormais être exécuté à chaque appel sans faire exploser la facture ni la latence.
OpenAI annonce une vitesse jusqu’à 10× supérieure à celle du même Luna servi via l’API Responses. Pour de la production, ce n’est pas un détail cosmétique : c’est ce qui autorise le placement dans le chemin critique.
Ce que mesurent les premiers clients
Les chiffres des premiers utilisateurs donnent une idée du gain réel, pas marketing. Datadog rapporte une latence p95 40 fois plus faible pour noter le risque des commandes shell générées par ses agents avant de les exécuter — un cas d’école de verdict dans le chemin critique, où chaque milliseconde compte. Sierra exécute ses décisions d’orchestration sous 280 ms de p95, pour un coût par appel réduit de 90 %. Speak a ramené son temps jusqu’à l’action suivante de 1,4 seconde à 0,13 seconde en branchant l’endpoint sur GPT-Live.
Ce que ces trois cas ont en commun mérite d’être nommé. Aucun ne demande à l’IA de rédiger. Tous lui demandent de trancher, vite et à faible coût, entre un petit nombre d’options. C’est exactement la charge que l’API Decisions est construite pour absorber.
Concevoir des agents autour du verdict
La disponibilité de l’API Decisions invite à revoir la façon dont les agents sont construits. Le réflexe courant est de faire d’un seul appel un couteau suisse : un grand prompt qui raisonne, génère, puis décide en passant. La séparation proposée par OpenAI inverse la charge : le raisonnement ouvert reste sur l’API Responses, et les points de décision — le routeur en tête de chaîne, le garde-fou avant une action sensible, le scorer en fin de chaîne — sont délégués à un endpoint bon marché et rapide. Concrètement, cela se traduit par moins de latence cumulée, moins de jetons de sortie facturés et une surface d’erreur plus petite : chaque composant ne fait qu’une chose.
L’API se spécialise comme les bases de données
Le mouvement dépasse OpenAI. L’écosystème voit apparaître des modèles « de décision » dédiés, et Microsoft comme AWS poussent leurs propres briques de verdict. Le parallèle le plus juste est celui des bases de données : il y a un demi-siècle, un seul moteur faisait tout ; aujourd’hui, un moteur analytique et un moteur transactionnel coexistent parce que leurs charges n’ont rien à voir.
Il se passe la même chose à la couche des modèles. Un moteur pour penser — raisonner, générer, synthétiser — et un moteur pour décider — router, classer, scorer. Les deux ont des profils de latence, de coût et de fiabilité différents, et les traiter comme un seul et même appel est devenu un gaspillage. L’API Decisions est la matérialisation la plus claire de cette séparation.
La contrepartie à surveiller est la dépendance au fournisseur. Un endpoint à sortie typée, intégré à GPT-Live et au cache de prompt, se verrouille vite dans un écosystème. Pour une équipe qui valorise la portabilité, la question n’est pas de savoir si le pattern est bon — il l’est — mais si l’abstraction mérite d’être écrite par-dessus, plutôt que de se marier à un endpoint propriétaire.
La spécialisation a un coût : l’API Decisions est aujourd’hui verrouillée sur GPT-6 Luna, avec une limite de 400 questions par requête. Pour une équipe qui veut changer de fournisseur, l’abstraction reste à écrire soi-même — une couche qui traduit « route, classe, score » vers plusieurs backends. C’est le prix de la performance : on gagne en vitesse et en coût ce que l’on cède en portabilité.
Verdict
Si vos agents brûlent des jetons sur des micro-jugements — routage, classification, garde-fous, scoring — branchez l’API Decisions sur ces points précis et mesurez la latence p95 ainsi que le coût par appel : à 0,10 dollar le million de jetons d’entrée et sans sortie facturée, le verdict devient une primitive de chemin critique, pas un appel exceptionnel. Si votre charge exige du raisonnement ouvert ou de la génération, gardez l’API Responses : un endpoint de décision ne réfléchit pas à votre place, il tranche. Le bon réflexe n’est pas de choisir l’un ou l’autre, mais de reconnaître qu’ils ne servent pas la même fonction — et d’arrêter de payer un moteur généraliste pour des jugements qu’un moteur spécialisé rend dix fois plus vite.