Ancrage web pour la Decisions API

Les modèles de décision d’IA sont rapides et économiques, mais ils ne connaissent que ce que les utilisateurs leur envoient et ce qu’ils ont appris lors de l’entraînement. Pour des questions portant sur des faits qui évoluent, par exemple savoir si une personne est toujours PDG d’une entreprise ou si un produit a fait l’objet d’une nouvelle version, un modèle a besoin d’informations à jour pour répondre avec précision.

Dès aujourd’hui, la Decisions API de Perplexity peut effectuer une recherche sur le web avant de répondre.

Ajoutez un seul paramètre, "mode": "web_grounding", à n’importe quelle requête Decisions API, et Perplexity Fast Search exécute une requête pour chaque question. Les résultats sont ajoutés à votre state en tant qu’éléments de preuve, de sorte que le modèle de décision renvoie des probabilités éclairées par ce qui se trouve sur le web en ce moment. Le state peut aussi être une URL afin de diriger le modèle vers une page web précise plutôt que d’en saisir le texte.

Sur PWS-Decisions, un benchmark public de 100 questions qui dépendent de faits actuels sur le web, la précision est passée de 51 % à 86 %, avec des temps de réponse généralement inférieurs à 400 ms.

Un modèle de décision renvoie un nombre comme réponse à chaque question. Les utilisateurs envoient du contenu sous forme de state (texte, JSON ou images) avec une ou plusieurs questions. Pour une question noul (oui ou non), le résultat est la probabilité du oui. Pour une question choice, le résultat est une probabilité pour chaque option définie par l’utilisateur. Pour une question score, le résultat est une probabilité pour chaque niveau de votre grille d’évaluation, ainsi que le score attendu.

Le modèle dispose de deux sources d’information : le state envoyé par l’utilisateur et ce qu’il a appris lors de l’entraînement. Cela suffit pour une question comme « Cet avis signale-t-il un défaut ? ». Cela ne suffit pas pour répondre à « Cette personne est-elle toujours PDG ? ». La réponse a pu changer après l’entraînement, et rien dans le state ne l’indique. L’ancrage web ajoute une troisième source : le web, interrogé au moment de la requête. Le state peut aussi être une URL, ce qui permet à l’utilisateur de diriger le modèle vers une page web plutôt que vers du texte.

Le grounding s’exécute dans la passerelle API, avant l’appel au modèle. Pour chaque question d’une requête, la passerelle construit une recherche Fast Search. Ces recherches s’exécutent en parallèle. La passerelle fusionne les résultats, supprime les URL en double et ajoute les éléments de preuve au state : titre, URL et texte de la page. Si le state est une URL, la recherche porte sur cette URL : la page elle-même est donc renvoyée comme élément de preuve, et le modèle répond à partir de son texte. Le modèle renvoie des probabilités, exactement comme pour toute requête à la Decisions API. Si une recherche échoue ou expire, le modèle répond à partir des éléments de preuve obtenus. La réponse inclut search_results afin que l’utilisateur puisse voir ce que le modèle a consulté. La requête de l’utilisateur et la structure de la réponse restent identiques. Ce qui change, ce sont les éléments de preuve dont dispose le modèle pour répondre.

Nous avons soumis 328 affirmations vraies ou fausses au même modèle de décision à deux reprises, une fois avec l’ancrage web et une fois sans. Les affirmations se répartissaient entre des actualités d’octobre 2026 et des faits rares issus de Wikipédia, et chaque affirmation vraie avait un jumeau faux qui ne différait que par un seul détail. Aucun élément de preuve n’était fourni dans le state.

Sans Web Grounding, la Decisions API a répondu correctement à 56,4 % des affirmations, un résultat proche du hasard. Avec Web Grounding, elle a répondu correctement à 97,3 % d’entre elles, ce qui a fait passer le nombre d’erreurs de 143 à 9. La contrepartie est la vitesse : la latence médiane est passée de 139 ms à 366 ms, et la latence au 95e centile de 514 ms à 742 ms.

PWS-Decisions est un benchmark public composé de questions fermées portant sur l’éligibilité des comptes, les fonctionnalités des produits, les règles des politiques et l’actualité en évolution rapide. Parmi ces questions, 100 sont publiques et notées par correspondance exacte avec une réponse de référence. Nous les avons soumises à la Decisions API + Web Grounding (pplx-decider-v1.2) le 4 novembre 2026, et elle a répondu correctement à 86 d’entre elles. Les autres résultats ci-dessous proviennent du classement publié par les auteurs du benchmark. Leur score de 51 % pour la Decisions API sans Web Grounding correspond à celui de notre propre exécution.

Les requêtes Decisions API + Web Grounding ont abouti en 370 ms en médiane et en 685 ms au 95e centile, mesurés depuis notre client sur les 100 questions publiques. Les auteurs du benchmark indiquent 560 ms et 710 ms pour leur API sur l’ensemble complet de 300 questions, mesurés depuis leur client le 29 octobre 2026. Par rapport au classement publié, la Decisions API + Web Grounding affiche la meilleure précision sur l’ensemble public et un temps de réponse médian inférieur à 400 ms.

Activez l’ancrage web pour répondre aux questions auxquelles les données seules ne peuvent pas répondre : lorsque les faits ont changé après l’entraînement et que de nouvelles informations ont été publiées sur le web. Quelques exemples :

Qualifier des comptes à partir de l’actualité récente. « Levée de fonds au cours des 90 derniers jours ? », appliqué à toute une liste de comptes.
Suivre les outils dont vous dépendez. « Existe-t-il une version stable plus récente que notre version épinglée ? », vérifié à intervalles réguliers.
Confirmer avant qu’un agent n’agisse. « Cet événement est-il toujours maintenu ? », vérifié avant toute réservation.

Chaque réponse est une probabilité exploitable par le code d’un développeur, accompagnée des sources web sur lesquelles elle repose.

Ajoutez "mode": "web_grounding" à n’importe quelle requête à la Decisions API. Le state peut être du texte, comme une affirmation ou un enregistrement, ou une URL.

Vérifiez une affirmation en la confrontant au web :

bash

curl -X POST https://api.perplexity.ai/v1/decisions \
  -H "Authorization: Bearer $PERPLEXITY_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "pplx-decider-v1.2",
    "mode": "web_grounding",
    "state": "Claim: The James Webb Space Telescope launched in December 2021.",
    "questions": {
      "supported": {
        "type": "noul",
        "instructions": "Is the claim true?"
      }
    }
  }'

La réponse ajoute search_results, c’est-à-dire les pages lues par le modèle. Le 4 novembre, cette requête a renvoyé une probabilité de « oui » supérieure à 0,99, avec comme premier résultat la fiche de la NASA consacrée à l’engin spatial.

Orientez le modèle vers une page en transmettant son URL comme state :

bash

curl -X POST https://api.perplexity.ai/v1/decisions \
  -H "Authorization: Bearer $PERPLEXITY_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "pplx-decider-v1.2",
    "mode": "web_grounding",
    "state": "https://pypi.org/project/requests/",
    "questions": {
      "newer_stable_release": {
        "type": "noul",
        "instructions": "Has this package published a stable release newer than 2.31.0 as of today?"
      }
    }
  }'

Dans la bibliothèque Python de Perplexity, transmettez mode dans le corps de la requête :

python

from perplexity import Perplexity

client = Perplexity()

response = client.decisions.create(
    model="pplx-decider-v1.2",
    state="Claim: The James Webb Space Telescope launched in December 2021.",
    questions={"supported": {"type": "noul", "instructions": "Is the claim true?"}},
    extra_body={"mode": "web_grounding"},
)

print(response.answers["supported"].noul)

Chaque recherche effectuée coûte 0,001 $ en plus des tokens d’entrée. Les éléments de preuve issus de la recherche sont comptabilisés dans les tokens d’entrée. Une requête utilisant Web Grounding peut inclure jusqu’à 100 questions.

Pour commencer, consultez la documentation Web Grounding.

Fonctionnement d’un modèle de décision

Fonctionnement de l’ancrage web

Tester l’ancrage web

PWS-Decisions

Ce que les développeurs peuvent créer

Premiers pas