ActualitésActionsPerplexity lance l'Orchestrator API, unifiant l'accès aux modèles open-weight hébergés

Perplexity lance l'Orchestrator API, unifiant l'accès aux modèles open-weight hébergés

Auteur: CryptoBriefing·

Points clés

  • •L'Orchestrator API de Perplexity est entré en préversion privée le 9 novembre 2026, offrant aux développeurs un point de terminaison unique qui sélectionne les modèles et fournisseurs pour une tâche donnée et regroupe les coûts en une seule facture.
  • •L'API accepte les schémas de requêtes OpenAI et Anthropic, permettant à n'importe quel schéma pris en charge d'appeler n'importe quel modèle hébergé, quel que soit le laboratoire qui l'a conçu.
  • •Le catalogue initial comprend des modèles open-weight de Moonshot AI, Z.AI et DeepSeek, avec des tarifs publiés par million de tokens et un point de terminaison models pour consulter la liste complète.
  • •Chaque identifiant de modèle inclut un routage automatique des requêtes, une surveillance de l'état de santé et un basculement en cas de panne ; la facturation est à l'usage et les requêtes rejetées ne sont pas facturées.
  • •L'accès nécessite actuellement un e-mail pour la préversion privée, et ce lancement fait suite à l'Agent API alors que Perplexity annonce un revenu récurrent annuel supérieur au milliard de dollars et envisage d'accélérer une introduction en bourse vers 2027.
Perplexity lance l'Orchestrator API, unifiant l'accès aux modèles open-weight hébergés

Perplexity a lancé son Orchestrator API, une passerelle unique qui sélectionne les modèles et les fournisseurs pour une tâche donnée et regroupe les coûts associés en une seule facture. Le service a été mis en ligne en préversion privée le 9 novembre 2026 et s'adresse directement aux développeurs fatigués de maintenir une intégration distincte pour chaque modèle qu'ils souhaitent essayer.

Ce que fait réellement l'Orchestrator API

L'API donne aux développeurs un accès unifié à un catalogue de modèles open-weight hébergés par Perplexity elle-même. « Open-weight » signifie que les paramètres sous-jacents du modèle sont rendus publics, ce qui permet à une entreprise comme Perplexity de les exécuter sur sa propre infrastructure — les équipes n'ont donc pas à mettre en place leur propre pile de service pour chaque modèle.

Tout passe par une URL de base unique : ` Les développeurs s'authentifient avec leur clé API Perplexity existante, ce qui signifie qu'aucune nouvelle information d'identification n'est à gérer.

La couche de compatibilité constitue l'élément notable. L'API accepte les formats de requêtes d'OpenAI et d'Anthropic, les deux schémas que la plupart des développeurs ont déjà intégrés à leur code. Perplexity indique que les développeurs peuvent utiliser n'importe quel schéma pris en charge, quel que soit le laboratoire ayant initialement conçu le modèle. Ce découplage est l'argument central : le format dans lequel un développeur écrit ne détermine plus le modèle qu'il peut appeler. Pour les équipes gérant des configurations multi-modèles, cela regroupe ce qui serait autrement un patchwork de points de terminaison spécifiques à chaque fournisseur et de factures séparées en une seule intégration et une seule facture.

Le catalogue de modèles et la couche de fiabilité

Le catalogue initial s'appuie sur des versions open-weight de premier plan :

  • perplexity/kimi-k3, de Moonshot AI
  • perplexity/glm-5.3 et perplexity/glm-5.3-flash, de Z.AI
  • perplexity/deepseek-v4-pro-0813, de DeepSeek

Les développeurs peuvent récupérer la liste complète par programmation via un appel GET /orchestrator/v1/models. Les tarifs sont publiés par million de tokens pour chaque modèle, ce qui facilite les comparaisons de coûts côte à côte dans tout le catalogue.

Chaque identifiant de modèle est doté d'un routage automatique des requêtes, d'une surveillance de l'état de santé et d'un basculement en cas de panne sur l'ensemble des déploiements. Si un déploiement connaît une défaillance, le trafic est redirigé ailleurs plutôt que de renvoyer une erreur à l'utilisateur — les appelants continuent d'interroger le même point de terminaison même lorsque les requêtes sont réacheminées en arrière-plan.

Fonctionnement de la facturation

La facturation est à l'usage, basée sur la consommation de tokens aux tarifs publiés par token. Les tokens sont les petits morceaux de texte que les modèles lisent et écrivent ; la facture évolue donc en fonction du travail réellement effectué par le modèle. Les requêtes rejetées, telles que celles qui rencontrent des erreurs de limite de débit, ne sont pas facturées.

L'accès n'est pas encore ouvert à tous. Les développeurs souhaitant participer à la préversion privée doivent envoyer un e-mail à [email protected].

Contexte : une année 2026 chargée pour Perplexity

L'Orchestrator API est la dernière en date d'une série de publications destinées aux développeurs par Perplexity cette année. Début 2026, l'entreprise avait présenté son Agent API, et ce nouveau lancement s'inscrit dans la continuité de cette avancée dans les outils d'entreprise. Le calendrier coïncide également avec d'autres initiatives de novembre 2026, notamment les niveaux d'effort multi-agents et les projets Frontier Research.

Les chiffres d'activité suggèrent que la stratégie porte ses fruits. Perplexity a annoncé un revenu récurrent annuel dépassant le milliard de dollars à la mi-novembre 2026, un chiffre décrit comme nettement supérieur à celui de l'année précédente. La direction de l'entreprise a également évoqué la possibilité d'accélérer vers une introduction en bourse d'ici 2027 à mesure que les revenus augmentent. Au vu de ce rythme, la passerelle apparaît comme une continuation de la poussée vers la plateforme pour développeurs plutôt que comme un événement isolé. À partir de maintenant, les détails à surveiller sont l'élargissement éventuel de l'accès au-delà de la préversion limitée par e-mail et les prochaines arrivées dans le catalogue hébergé, que les développeurs peuvent consulter à tout moment via le point de terminaison models.

Divulgation : Cet article est basé sur un reportage de CryptoBriefing, édité par Diego Almada Lopez.