Tech • IA • Robotique • Jeu
Tutoriel complet de Decisions API pour débutants : comment utiliser et configurer Decisions API
8/10INTRO
L’API Decisions d’OpenAI est conçue pour les workflows logiciels qui ont besoin de probabilités pour le routage, la priorisation et la classification plutôt que de texte généré, et elle peut évaluer à la fois le texte et les images.
POINTS CLÉS
Un passage de la génération à la prise de décision
La plupart des tâches des logiciels d’entreprise n’ont pas besoin d’une réponse en plusieurs phrases. Elles ont besoin d’un signal direct, comme oui ou non, un niveau de priorité ou une catégorie. L’API Decisions d’OpenAI est conçue pour cet usage: elle renvoie des probabilités que les applications peuvent exploiter immédiatement, au lieu d’un texte qu’une personne ou un autre système doit analyser.
Plus rapide et moins coûteuse pour les workflows simples
Contrairement à la Responses API, qui génère du texte, l’API Decisions évite la génération et se concentre sur l’évaluation. Elle est donc environ 10 fois plus rapide, tout en supprimant les frais liés aux tokens de sortie. Le tarif affiché est de 0,10 $ par million de tokens en entrée, ce qui rend peu coûteuses les tâches courtes de classification et de routage.
Un modèle, trois types de décision
L’API fonctionne actuellement avec un seul modèle, GPT-6 Luna, et prend en charge trois formats. Predicate vérifie la probabilité qu’une affirmation soit vraie, score évalue une entrée sur des niveaux ordonnés, et choice sélectionne la meilleure option dans une liste prédéfinie. Ensemble, ces formats couvrent des tâches d’automatisation courantes comme les contrôles anti-spam, le tri par urgence, le routage de tickets et l’étiquetage d’images.
Predicate gère les vérifications de type binaire
Predicate est prévu pour une condition claire à la fois, formulée comme une affirmation plutôt qu’une question. Dans un exemple de support pour une boulangerie, un message indiquant qu’une commande est arrivée avec une heure de retard et que la boîte avait été trempée par la pluie correspondait fortement à un prédicat de problème de livraison, tandis qu’un mot disant qu’un gâteau était « délicieux, juste un peu trop sucré » n’y correspondait pas. La sortie est une probabilité de 0 % à 100 %, et les entreprises doivent toujours définir un seuil d’action, par exemple 80 %, avant de router ou signaler des messages.
Score classe l’urgence au lieu de simplement la détecter
Score est destiné aux jugements ordonnés comme l’urgence, la gravité ou l’importance. Dans un exemple, trois niveaux étaient définis: peut attendre, répondre aujourd’hui et répondre maintenant. Un message concernant le retrait d’un gâteau d’anniversaire dans 2 heures, annulé de façon inattendue, pointait fortement vers le niveau d’urgence le plus élevé, tandis qu’une question sur des options sans gluten pour la semaine suivante se plaçait plus bas.
Les scores peuvent se situer entre deux niveaux
Le score final n’est pas toujours un nombre entier, car il est calculé comme une moyenne pondérée par les probabilités des niveaux définis. Cela permet à une application de voir non seulement la catégorie la plus probable, mais aussi à quel point le modèle penche dans cette direction. Le playground affiche aussi une valeur de confiance, utile pour décider quand une vérification humaine reste nécessaire.
Choice prend en charge le routage vers des catégories distinctes
Choice sert à trier les demandes vers une option d’une liste non ordonnée. Un message de boulangerie demandant de modifier une commande de cookies d’une douzaine à deux douzaines serait probablement routé vers modifier une commande, tandis qu’une question sur une livraison vers l’est de la ville correspondrait à question générale. Il est important de garder des catégories bien distinctes, car des options qui se chevauchent peuvent disperser les probabilités et rendre le routage moins fiable.
La classification d’images utilise le même cadre
Les trois types de décision prennent aussi en charge les entrées image, et texte et images peuvent être combinés dans une même requête. Dans un exemple de tri de produits, cinq options étaient définies: pain, viennoiserie, gâteau, cookie et autre chose. Un croissant devrait être classé comme viennoiserie, un pain au levain comme pain, et une image sans rapport comme une pizza devrait tomber dans la catégorie de repli.
Des tests sans code sont disponibles dans le playground
L’API peut être testée directement dans le Decisions Playground sur platform.openai.com/decisions, sans configuration de projet ni code. L’interface comprend des champs de prompt, des réglages de décision, des modèles, la gestion des entrées et l’affichage visible des probabilités. Cela en fait un bon outil pour tester la logique d’un workflow avant son intégration par des développeurs dans des systèmes de production.
CONCLUSION
Le principal intérêt de l’API Decisions n’est pas la génération de contenu, mais l’automatisation opérationnelle. En renvoyant des probabilités structurées pour le texte et les images, elle offre aux entreprises un moyen pratique de router, classer par priorité et catégoriser le travail rapidement et à faible coût.
Poser une question