Aller au contenu
Veille technologique

Deep Research

Deep Research

C’est quoi ?

Deep Research = un mode “chercheur obstiné” où l’IA planifie, parcourt des centaines de pages, croise les infos et rend un rapport sourcé. C’est de la navigation multi-étapes, pas un simple “résumé de trois blogs”. (ChatGPT Deep Research) et (Gemini Deep Research) font exactement ça. (OpenAI)

Comment ça marche (vue haute)

  • Agentic : l’IA découpe ta demande en sous-tâches, navigue, vérifie, synthétise. (OpenAI)

  • Parallélisation : dans la pratique, beaucoup de systèmes de deep research orchestrisent des sous-agents en parallèle pour accélérer le ratissage (cf. Google ADK : orchestrateur + sous-agents concurrents). (Google Cloud)

  • Sortie : rapport structuré avec liens/citations (et souvent un journal des étapes). (Gemini)

Par plateforme (mode express)

ChatGPT (OpenAI)

  • Deep Research : outil dédié, maintenant accessible aussi via Agent mode (navigateur visuel). But : analyse multi-étapes, “très profond”, rapport cité. (OpenAI)

  • Recherche sur le Web : réponses rapides + liens quand la fraîcheur compte (scores, news, prix…). C’est plus léger que Deep Research (moins de temps, moins d’étapes). (OpenAI)

  • Connecteurs : Google Drive, Notion/Canva & co pour la recherche ;

Gemini (Google)

  • Deep Research gratuit sur 2.5 Flash (limité), version plus musclée sur 2.5 Pro (payant) avec quotas bien plus élevés. Le mode peut “parcourir des centaines de sites” et livrer un rapport détaillé. (Gemini)

Grok (xAI)

  • Recherche temps réel et DeepSearch orientés actu + web/X, avec tool-use natif ; très pratique pour l’info chaude. (xAI)

Méthode

  1. Cadrer : objectif, public, livrable (mémo/tableaux/slides).

  2. Contraintes : budget, dates absolues, zone géo, techno, langues.

  3. Exiger la sortie : “Plan + tableaux + résumé exécutif + toutes les citations”.

  4. Sources (minimum) : ≥ 50 sources distinctes datées et cliquables. (Oui, cinquante. Pas “j’ai scanné Wikipédia en diagonal”.)

  5. Comparaison : demander points de désaccord + classement des sources par fiabilité.

  6. Traçabilité : journal de recherche (requêtes, filtres, pistes écartées).

Exemples d’utilisation

  • Ratissage large (quand tu ne sais pas ce que tu cherches)

    “Fais un état de l’art sur tendances webdesign 2026 (palettes, motion, micro-interactions). Rapport structuré, tableaux et ≥ 50 sources datées classées par fiabilité. Indique aussi les désaccords entre sources.”

  • Sujet précis (devoir/projet)

    “Prépare une revue de littérature sur accessibilité des sites éducatifs 2020–2025 (UE, WCAG 2.2). ≥ 50 sources, tri de fiabilité, lacunes identifiées.”

  • Achat (PC/casque)

    “PC 14″ dev web, 1200–1600 €, 32 Go, autonomie >10 h : classement par gamme, score pondéré (perf/écran/autonomie/fiabilité), tests indépendants, ≥ 50 sources.”

  • Voyage

    “Week-end à Porto (29–31 mai) : Top 20 activités & restos non-tourist traps, horaires/réservations, météo/saisonnalité, ≥ 50 sources.”

Exercice 1 — Timeline IA (LLM + image + vidéo) & comparaison des méthodes

Objectif

  • Produire une timeline tabulaire des dernières nouveautés / versions de :

    • LLM, générateurs d’images et générateurs de vidéos

    • Période : les 6 derniers mois

    • Tri : par date (la date d’annonce officielle fait foi)

  • Rédiger un rapport complet : évolutions, perspectives, nouveautés marquantes, analyses (tendances, ruptures, enjeux).

Méthode (libre, contraintes non-négociables)

  • Réaliser deux recherches :

    1. Deep Research (multi-agents) avec ≥ 6 plateformes au choix parmi : ChatGPT, Gemini, Grok, Qwen, DeepSeek, Copilot, Perplexity, Mistral.

    2. Recherche “classique” (mode Recherche sur le Web) pour contraster la couverture et la fraîcheur.

  • Exiger ≥ 50 sources datées et cliquables par app deep utilisée.

  • Vérifier les dates : si un média contredit le blog/press officiel, noter l’écart et retenir l’officiel.

  • Tous les livrables doivent être générés avec un assistant IA (mentionnez l’outil en bas de page).

Livrables (à déposer sur Teams, devoir du groupe du cours)

  • 1 PDF contenant :

    1. Timeline (tableau) triée par date
      Colonnes conseillées : Date (ISO) | Modèle/Outil | Catégorie (LLM/Image/Vidéo) | Version/Annonce | Changement clé | Lien annonce officielle | 1–2 sources tierces

    2. Tableau comparatif des méthodes/apps testées
      Colonnes : Plateforme | Méthode (Deep / Web) | Vitesse (qualitative) | Nb de sources valides | Qualité du rapport | Exactitude des dates | Couverture (manques/doublons) | Transparence des citations | Ergonomie | Coût (si pertinent)

    3. Conclusion (10–15 lignes) :

      • Quel outil/méthode de recherche préférez-vous et pourquoi ?

      • Lequel est le plus utile selon vos critères (vitesse, qualité, fiabilité, transparence) ?

Exercice 2 — Deep Research sur un sujet que vous maîtrisez, évaluation critique

Objectif

  • Tester la précision d’un mode deep sur un terrain que vous connaissez bien et pointer les erreurs (factuelles, datations, citations, raisonnements).

Idées de sujets (si besoin)

  • Musique : un groupe (composition, discographie, chronologie de tournées), un genre (origines, labels clés).

  • Cinéma/séries : filmographie d’un·e réal, versions director’s cut, dates de sortie par pays.

  • Achat récent : votre smartphone (SoC, politique d’updates, réparabilité), votre casque audio (mesures, retours fiabilité).

  • Territoires : votre ville / lieu de vacances (horaires, restos, transports).

  • Histoire : événement/période que vous connaissez (sources primaires vs secondaires).

Méthode (contraintes)

  • Lancer une Deep Research (plateformes au choix).

  • ≥ 50 sources (datées, cliquables).

  • Tous les livrables générés avec un assistant IA ; pas d’outputs bruts.

Livrable (à déposer sur Teams, devoir du groupe du cours)

  • 1 page PDF contenant :

    • Sujet choisi + plateforme(s) utilisée(s)

    • Grille de critique (puces courtes) couvrant au minimum :
      Précision factuelle, Exactitude des dates, Citations & liens, Couverture (angles manquants), Cohérence avec votre connaissance, Hallucinations/erreurs repérées, Structure & clarté

    • 3 exemples concrets d’erreurs (format recommandé) :

      1. Citation de l’IA (courte) → Correction + source valide
        Ex. « Le modèle X a été annoncé le 14/04 » → Correction : 17/04 (source : blog officiel).

      2. Détail faux ou ambigu → Précision + preuve
        Ex. « Le musée Y se trouve à… » → Correction : adresse exacte, lien site officiel.

      3. Synthèse trompeuse (ou “oubli majeur”) → Rectification + 2 sources indépendantes

    • Appréciation finale : à quel point la réponse est-elle précise ? Où échoue-t-elle ? Quelles améliorations exigeriez-vous de l’outil ?