La couche de décision obtient sa grille tarifaire : quatre SKU en une semaine, à partir de $0.10 par million de tokens

Points clés

• Quatre SKU de modèles de décision ont été lancés en une seule semaine (11–13 novembre 2026) par Google, Perplexity, HeyGen et Hark — une catégorie qui, dix jours plus tôt, se résumait à 21 modèles de 13 fournisseurs derrière la Decisions API d'OpenRouter, sans un seul ancrage de prix de première partie.
• Gemini Decision 1 tarife les choix bornés à $0.10 par million de tokens d'entrée avec $0 facturé en sortie, en notant jusqu'à 1 000 questions oui/non, à choix multiples et de grille d'évaluation en une seule passe, à 150–250 ms de bout en bout — près de 5 fois moins cher, selon la suite de benchmarks partagée de Google, que Gemini 3.5 Flash-Lite avec l'Interactions API.
• Perplexity Decider v1.3 (26B, sur le fondement Qwen3.8-27B) et Flash v1.3 (5B) sont les premiers poids publiés de la catégorie, sortis sous Apache-2.0 sur Hugging Face — le chemin du self-hosting existe désormais pour la couche qui route, surveille et évalue à l'intérieur d'une boucle d'agent.
• Les marqueurs d'honnêteté viennent des fournisseurs eux-mêmes : la documentation de HeyGen décrit confidence comme « une propriété de la distribution renvoyée, et non une probabilité calibrée », et Perplexity invite ses utilisateurs à régler les seuils de décision sur leur propre trafic annoté plutôt que de se fier à la température d'usine.
• La politique ne figure pas sur la grille tarifaire : quelles décisions peuvent être déléguées à un classifieur, et ce qui se passe quand le surveillant à bas coût se trompe, restent des décisions d'architecture — la deuxième et la troisième ligne du cadre des cinq décisions, pas celui du fournisseur.

Cet article prolonge Five Decisions That Determine Whether Your AI Agent Ships, qui avait ordonné les décisions d'architecture derrière les agents de production. Sa troisième décision — quel modèle fait quoi — a gagné un catalogue le 16 octobre, quand OpenRouter a listé 21 modèles de décision de 13 fournisseurs derrière une seule Decisions API. Dans la semaine du 11–13 novembre, ce catalogue a franchi la ligne qu'une présence en catalogue ne franchit pas : trois fournisseurs ont lancé des SKU de première partie avec un prix, et un quatrième a produit le handoff à côté d'eux. La couche décider-puis-agir n'est plus un patron à assembler pièce par pièce. C'est un achat.

Ce qu'est un modèle de décision, en un paragraphe

La définition de Perplexity est la plus nette : un modèle de décision est un classifieur à usage général. On lui donne une entrée — un état, plus des images optionnelles — et un lot de questions nommées, chacune avec ses réponses possibles ; il renvoie une distribution de probabilité pour chaque question en une seule passe directe. Pas de génération de réponse token par token, pas de texte libre, pas de chaîne de raisonnement de 30 secondes pour décider si un ticket de support part vers la facturation ou l'intégration. Les types de questions sont les mêmes chez tous les fournisseurs : oui/non (une probabilité de vrai), choix multiples (2–255 options, chacune avec une probabilité normalisée) et notation de grille ordonnée. Perplexity revendique directement la filiation : Decider s'inspire de Jev de TypeSafe AI, le modèle System One hors LLM que nous avons analysé dans TypeSafe Jev and the Third Layer of the Agent Model Stack. Quand le deuxième entrant de la catégorie nomme le patron du premier observateur, la catégorie partage une idée, et pas seulement un mot de marketing.

Les quatre SKU

L'offre de la semaine, comparée sur les dimensions qu'un acheteur tarife :

SKU	Fournisseur, date	Accès	Échelle	Vitesse et coût	Marqueur d'honnêteté
Gemini Decision 1 + Decisions API	Google, 11 nov	API (intégrations OpenRouter, LangChain, LiteLLM, Vercel)	Jusqu'à 1 000 questions par appel sur du texte, des images, de l'audio, de la vidéo, des PDF (entrée 256K tokens)	150–250 ms de bout en bout ; plate de 1→100 questions ; $0.10/1M d'entrée, $0 en sortie	Affirme ~5x moins cher contre la suite de benchmarks partagée de Google
Decider v1.3 / Flash v1.3	Perplexity, 12 nov	Poids Apache-2.0, API MaaS, OpenRouter	26B (sur le fondement Qwen3.8-27B) et une distillation 5B ; 1–255 options par question	Fast path 1,7–1,9x plus rapide (mode separate), 9–18x (mode isolated)	Honnêteté des seuils : réglez-les sur votre propre trafic ; le dépôt de poids reste en accès restreint malgré la licence Apache
HeyGen Decision 1 (+ aperçu Turbo)	HeyGen, 13 nov	API synchrone	1–400 questions nommées ; jusqu'à 4 images + 1 vidéo (Turbo : 100 images, 10 vidéos)	Réponse synchrone, output_tokens: 0 en permanence ; aucun prix publié sur la page de documentation	Docs : la confiance est « une propriété de la distribution renvoyée, et non une probabilité calibrée »
Hark Handoff²	Hark, 12 nov	Hark Pro (agent computer-use)	82 % sur un benchmark interne de navigation de 478 tâches et 238 sites, contre 73 %	Modèle 46 % plus rapide, ~2x de bout en bout	Benchmark interne rapporté par le fournisseur, pas une évaluation ouverte

La profondeur de la catégorie se lit dans ce sur quoi chaque fournisseur a misé. Google a misé sur l'amplitude et le lot : une entrée multimodale, jusqu'à 1 000 questions, avec une latence quasi plate de 1 à 100 questions par requête, et l'entrée facturée une seule fois quel que soit le nombre de questions. Perplexity a misé sur la propriété : des poids publiés signifient que la couche de routage, de modération et d'évaluation peut vivre sur du matériel contrôlé par l'acheteur, avec un nouveau type locate qui extrait des fragments textuels avec décalages de caractères — classification et extraction dans une seule requête. HeyGen a misé sur la voie média : texte, JSON, quatre images et une vidéo d'échantillons d'images dans un seul appel synchrone, un aperçu Turbo poussant à 100 images et 10 vidéos. Hark a misé sur la primitive adjacente : le handoff — l'instant où le travail d'un agent de navigation devient un travail humain — productisé et mesuré 2x plus rapide contre sa propre v1. Les déploiements internes de Google suggèrent où cela se posera en production : Gemini Notebook utilise la Decisions API comme routeur de modèles en temps réel, faisant état d'une latence jusqu'à 40 % moindre sur les requêtes du quotidien, et Google Recherche l'emploie comme couche de sécurité pour détecter les comportements adversariaux contre les outils MCP.

Quatre SKU de modèles de décision comparés sur l'accès, l'échelle, la vitesse et le marqueur d'honnêteté que chaque fournisseur publie contre lui-même. Le patron qu'un acheteur doit retenir : chaque ligne de vitesse et de prix est une mesure du fournisseur lui-même.

Pourquoi le choix borné est tarifié ainsi

L'économie est structurelle, pas promotionnelle. Un appel génératif paie les tokens de sortie, et une décision de routage ou de modération paie token par token pour produire l'artefact le moins utile de la chaîne : une prose libre qui se termine par l'un de trois mots. Un modèle de décision le remplace par une lecture de classification — une tête linéaire entraînée sur les tokens d'option prédéfinis — voilà pourquoi la Decisions API facture $0 en sortie, facture l'entrée partagée une seule fois par requête quel que soit le nombre de questions transportées, et saute entièrement les frais variables par tokens de réflexion. Les notes d'architecture de Perplexity expliquent la deuxième raison : les modèles 1.3 lisent de manière bidirectionnelle et répondent à chaque question depuis un état partagé en une seule passe, et la carte HF documente une voie rapide qui emballe de nombreuses séquences par passe directe — 1,7–1,9x plus rapide en mode separate, 9–18x en mode isolated. Pour l'acheteur auto-hébergé, l'arithmétique est concrète : 49 GiB de poids BF16 tiennent dans l'enveloppe mémoire d'un GPU de 80 GB, et l'Ornn Compute Price Index a fixé une H100 SXM à $3.29 par heure de GPU le 13 novembre — une couche de routage, d'évaluation et de modération à un tarif horaire qu'un seul appel génératif d'un modèle frontalier dépassait déjà chaque jour. Voilà l'effondrement de prix dont parle réellement cette semaine : les cinq vecteurs de gestion des coûts d'inférence étendus aux décisions autour des appels génératifs.

Ce que la grille tarifaire n'inclut pas

Quatre choses que les SKU ne vendent pas, chacune visible dans la documentation même des fournisseurs.

La confiance n'est pas la calibration. La documentation de HeyGen est la plus explicite du secteur sur ce point : la confiance est « une propriété de la distribution renvoyée, et non une probabilité calibrée ». Google livre un score de confiance 0–1 sur chaque réponse ; cela vous indique où s'arrête le distributeur, pas où se situe votre seuil de justesse. Les seuils sont le problème de vos données. La section Getting Started de Perplexity le dit sans détour — les fréquences d'étiquettes et les coûts des faux positifs face aux faux négatifs varient d'une application à l'autre, alors réglez les seuils sur un petit ensemble de développement annoté et représentatif. La même honnêteté figure sur la carte HF : « une température unique ne peut pas être juste pour toutes les tâches, et des seuils par tâche sont généralement meilleurs ». Les questions ne peuvent pas dépendre les unes des autres. La documentation de l'API de HeyGen note que la réponse d'une question ne devient pas l'entrée d'une autre dans la même requête — les décisions dépendantes exigent des appels séquentiels, et c'est là que la latence cesse d'avoir l'air gratuite. Perplexity documente la même limite de l'autre côté : dans le mode separate par défaut, les questions ne se voient jamais entre elles, et le mode isolated à état partagé échange cette indépendance contre du coût, en déplaçant 1,5–2,2 % des meilleures réponses. Les affirmations de latence et de contexte ont des périmètres. Les 150–250 ms de Google tiennent jusqu'à des contextes de 16K tokens — l'entrée multimodale de 256K tokens est une autre enveloppe — et le 2x de Hark est une chiffre rapporté par le fournisseur contre sa propre v1. Aucune de ces précautions ne plaide contre la catégorie. Elles plaident pour piloter avec votre propre trafic annoté et traiter les valeurs de confiance comme des promesses non calibrées tant que vos seuils n'ont pas statué — la même discipline d'honnêteté que nous appliquons aux prix imprimés des GPU, où l'indice lui-même a reprisé entre deux lectures.

Ce qui reste à vous : la couche de politique

Un modèle de décision peut absorber vos appels de classification, de routage, de surveillance et d'évaluation. Il ne peut pas absorber les deux décisions qui les rendent sûrs. Première : quelles décisions peuvent s'adosser à un classifieur — un choix de file de tickets de support peut se router seul ; une écriture de prix fournisseur dans NetSuite, non. Seconde : que se passe-t-il quand le surveillant à bas coût se trompe — la réponse de conception de Google est de router les cas ambigus par confiance vers une validation de secours ou humaine, mais quels cas sont ambigus et à quelle fréquence l'humain révise, c'est votre politique d'escalade. Dans le cadre des cinq décisions, c'est la décision 3 étendue vers le bas : routage, surveillance et évaluation du kill-switch deviennent des composants achetables au lieu de code sur mesure, tandis que la couche de boucle qui fait respecter le jugement dans le runtime conserve les approbations qu'elle a toujours possédées. Ce que la grille tarifaire change, c'est le coût de la couche de surveillance. Ce qu'elle ne change pas, c'est qui signe.

Un déploiement représentatif

Un distributeur industriel de taille intermédiaire exploitant NetSuite, BigCommerce et trois catalogues fournisseurs voulait que son agent de chiffrage travaille 24 h/24 sans qu'un humain lise chaque ébauche. La couche de décision a structuré la séparation : un modèle frontalier planifie la réponse RFQ et rédige le devis ; un étage de modèles de décision surveille tout le reste. Chaque RFQ entrant est noté pour completude et risque en une seule requête avant de dépenser un appel génératif ; les réponses fournisseurs sont classifiées contre les lignes du devis ; chaque devis rédigé reçoit un contrôle de politique noté par confiance, tout ce qui passe sous le seuil étant routé vers un bureau humain plutôt que vers NetSuite. La couche de surveillance coûte $0.10 par million de tokens sur le SKU tarifé de Google — la facture de choix bornés qui remplace environ cinq appels génératifs Flash-Lite par décision, selon la comparaison de benchmark de Google lui-même — et tourne à une latence que le réviseur humain n'attend jamais. Le temps de cycle des devis est passé de trois jours à moins de quatre heures, avec un humain approuvant chaque écriture ; le résultat, c'est la capacité du bureau, pas son effectif.

Voilà le patron : achetez les choix bornés, tarifez la confiance honnêtement, gardez la politique.

Lectures connexes

• Five Decisions That Determine Whether Your AI Agent Ships — le cadre parent que cet article étend : sa mise à jour du 16 octobre a catalogué la couche décider-puis-agir, et sa décision 3 est la ligne que ces SKU tarifent
• TypeSafe Jev and the Third Layer of the Agent Model Stack — le patron System One que Perplexity nomme comme inspiration de Decider, lu le mois avant la tarification de la catégorie
• Inference Economics: Why Always-On Production Agents Are Now Affordable — les vecteurs de coûts que la grille tarifaire de cette semaine étend aux décisions autour des appels génératifs
• Inference Procurement: Six Cost Vectors — les rails GPU sous une couche de décision auto-hébergée, et la règle de citer des fourchettes qui s'applique aussi à ces prix de SKU

---

Discovery d'une semaine. Vous recevez un inventaire des systèmes, une carte des workflows et un périmètre fixe — que vous construisiez avec nous ou non.