OUTILS IA — CHOISIR, MESURER, CONTRÔLER · CE QUE VAUT UN RAPPORT DE RECHERCHE APPROFONDIE
Capacités relevées sur documentation officielle d'éditeur, mesures issues de travaux publiés. Sources vérifiées au 19 juillet 2026.
Vous posez une question large, vous fermez l'onglet, et vingt minutes plus tard un document vous attend : titres hiérarchisés, paragraphes denses, petits numéros de citation en exposant, bibliographie en fin de course. Il ressemble à ce qu'un analyste aurait mis trois jours à produire. Et c'est exactement là que se situe le problème, car cette ressemblance n'est pas une preuve.
Ce qui suit ne dit pas que ces outils ne fonctionnent pas — la collecte, elle, fonctionne réellement, et le vérifier prendrait à un humain un temps que personne n'a. Ce qui suit dit où se trouve la couture, comment elle a été mesurée, et quel geste de vérification la découvre en quelques minutes. Le résumé tient en une phrase : un rapport de recherche approfondie est un excellent point de départ et un très mauvais point d'arrivée.
Ce que fait vraiment une « recherche approfondie »
Le mécanisme n'est pas un secret industriel : les deux principaux éditeurs le documentent, et ils le documentent de la même façon. Google énonce la boucle sous forme canonique — planifier, chercher, lire, itérer, produire — en précisant que l'agent décide lui-même de la profondeur qu'il donne à son enquête (ai.google.dev). Son blog produit décrit la même chose en langage courant : le modèle navigue « comme vous le feriez : cherchant, trouvant des éléments intéressants, puis lançant une nouvelle recherche à partir de ce qu'il vient d'apprendre », et répétant le processus plusieurs fois (blog.google).
OpenAI documente un flux en cinq temps : description du besoin, choix des sources autorisées, plan de recherche proposé et révisable, exécution suivie en direct et interruptible, rapport final avec citations (help.openai.com). Google expose l'équivalent côté interface de programmation, avec une option de planification collaborative qui retourne le plan pour validation avant de lancer quoi que ce soit. Anthropic, de son côté, publie une architecture différente : un agent chef planifie, puis crée des sous-agents qui explorent en parallèle des directions indépendantes, un format que l'éditeur dit particulièrement adapté aux questions à plusieurs branches (anthropic.com).
La boucle documentée par les éditeurs. Chaque nouvelle requête est formulée à partir de ce que l'agent croit avoir appris au tour précédent : c'est ce qui rend la collecte efficace, et c'est aussi le point d'entrée de la propagation d'erreur décrite plus loin. La sortie est toujours un rapport mis en forme, quelle que soit la qualité des tours intermédiaires.
Un détail dit où passe le coût : Perplexity facture séparément, pour son modèle de recherche approfondie, les jetons de citation, les jetons de raisonnement et les requêtes de recherche (docs.perplexity.ai). C'est la preuve tarifaire de ce que le mécanisme laisse deviner : l'essentiel de l'effort est dans la boucle de collecte, pas dans la rédaction. La rédaction, elle, est le geste le moins coûteux et le plus visible. Les durées publiées le confirment — cinq à trente minutes chez OpenAI, plafond de soixante minutes côté interface de programmation de Google.
Ce déséquilibre a une conséquence directe : ces outils appartiennent à la famille des modèles qui achètent leur qualité en dépensant du calcul au moment de répondre — un mécanisme que nous avons détaillé dans payer du calcul à l'inférence. Ici, ce calcul se dépense en navigation.
Pourquoi un rapport bien mis en forme désarme la vigilance
Un texte porte des signaux de fiabilité qui n'ont rien à voir avec sa fiabilité : hiérarchie des titres, densité des paragraphes, sobriété du ton, références numérotées. Tout cela dit « quelqu'un a travaillé ». Un rapport généré porte ces signaux au maximum, uniformément, du premier au dernier paragraphe. Un travail de recherche indépendant le résume d'une formule difficile à améliorer : les systèmes actuels produisent des rapports « structurellement plausibles et citant des preuves », tout en peinant à satisfaire des demandes de niveau expert et à atteindre la complétude logique (arXiv:2512.17776).
L'uniformité est le vrai problème, et elle n'est pas un accident : elle est reconnue par l'éditeur. OpenAI écrit que son agent « peut parfois halluciner des faits ou tirer des inférences incorrectes », qu'« il peut avoir du mal à distinguer une information autoritative d'une rumeur », et qu'il « montre actuellement une faiblesse de calibration de la confiance, échouant souvent à transmettre l'incertitude avec justesse » (openai.com). Traduit dans l'usage : un rapport qui ne sait pas signaler ses zones faibles paraît uniformément solide. Le lecteur, lui, calibre son attention sur la forme, faute d'autre signal.
C'est ici que la thèse commode — « l'IA ne sait dire que le consensus » — doit être remplacée par quelque chose de plus étroit et de plus vrai. Ce qui est mesuré, c'est que la base de citations se concentre : une analyse de quelque 366 000 citations produites par trois grands systèmes de recherche assistée constate que les références d'actualité « se concentrent lourdement sur un petit nombre de médias », les trois fournisseurs citant des sources différentes tout en partageant des schémas de citation communs (arXiv:2507.05301). Et ce qui n'est pas mesuré, c'est une prétendue cécité aux signaux faibles — OpenAI affirme même l'inverse, disant son outil « particulièrement efficace pour trouver de l'information de niche, non intuitive », affirmation d'éditeur qu'aucune évaluation indépendante ne vient confirmer ni infirmer.
L'angle mort réel est ailleurs, et il est purement typographique : rien, dans la mise en forme du rapport, ne distingue le passage consensuel bien étayé du passage original mal étayé. Les deux ont la même police, la même puce et le même petit numéro de citation. Or c'est précisément le passage original qui vous intéresse, puisque c'est celui que vous ne connaissiez pas.
Auditer les citations : la seule étape qui compte
Voici le fait autour duquel tout le reste s'organise. Une évaluation portant sur quatorze modèles a séparé trois contrôles emboîtés sur les citations produites : les liens sont valides à plus de 94 %, leur pertinence thématique dépasse 80 %, et l'exactitude factuelle de la citation — la source soutient-elle la phrase à laquelle elle est attachée — tombe entre 39 % et 77 % (arXiv:2605.06635).
Relisez la hiérarchie en pensant à votre propre geste de lecture. Les deux contrôles qu'un lecteur fait spontanément sont : le lien s'ouvre-t-il ? et la page parle-t-elle du bon sujet ? Ce sont exactement les deux qui ne discriminent rien, puisque presque tout les passe. Le seul contrôle qui sépare un rapport utilisable d'un rapport décoratif est le troisième, et c'est le seul que personne ne fait, parce qu'il exige d'ouvrir la page et d'y chercher la phrase.
Trois contrôles emboîtés sur une même citation, du plus superficiel au plus exigeant. Les deux premiers laissent passer la quasi-totalité des citations : ils rassurent sans rien trier. Le troisième — la source soutient-elle la phrase exacte ? — est le seul filtre qui sépare réellement, et le seul qui demande d'ouvrir la page.
Le second fait est encore plus contre-intuitif, et il crée une tension qu'il faut poser telle quelle. Le même travail mesure que la précision factuelle chute d'environ 42 % en moyenne lorsque le nombre d'appels d'outils passe de 2 à 150. Autrement dit : plus l'agent cherche, moins ses citations tiennent. Or OpenAI publie une courbe qui va dans l'autre sens, montrant que le taux de réussite s'améliore quand on autorise davantage d'appels d'outils. Les deux mesures ne portent pas sur la même chose — réussir la tâche demandée d'un côté, sourcer honnêtement la réponse de l'autre — et l'on ne dispose d'aucun élément pour les réconcilier. La conclusion pratique est mince mais réelle : « le rapport a consulté 200 sources » n'est pas un argument de fiabilité, c'est au mieux un argument de couverture.
Fait notable, l'éditeur lui-même transfère la charge : la documentation de Google recommande explicitement de « passer en revue les citations fournies dans la réponse afin de vérifier les sources ». L'audit n'est pas une précaution de lecteur méfiant. Il est prévu dans le mode d'emploi.
Les quatre défaillances typiques
La citation qui ne soutient pas la phrase. C'est la défaillance dominante, celle que quantifie la fourchette 39–77 %. Une évaluation dédiée aux rapports générés distingue utilement deux fautes : l'hallucination de citation, où la référence est fabriquée ou ne dit pas ce qu'on lui fait dire, et l'hallucination d'énoncé, où l'affirmation n'est tout simplement rattachée à rien, ou se révèle fausse à la vérification (arXiv:2508.15804). Les deux se présentent à l'identique dans le document.
La référence qui n'existe pas. Une analyse portant sur des dizaines de milliers d'URL citées relève que 3 à 13 % des citations sont hallucinées — introuvables, y compris dans les archives web — et que 5 à 18 % des URL ne résolvent pas. Les agents de recherche approfondie affichent des taux sensiblement supérieurs aux modèles simplement augmentés par la recherche (arXiv:2604.03173). Ce point nuance d'ailleurs franchement l'idée que ces rapports ne feraient que répéter le consensus : un système qui invente des références produit aussi du bruit original. Le mécanisme sous-jacent est celui que nous avons décrit dans pourquoi une IA hallucine.
La propagation d'erreur — la plus explicative. Une taxonomie des hallucinations d'agents de recherche identifie quatre familles, dont la propagation, et pose un constat structurant : les évaluations de bout en bout masquent les erreurs intermédiaires, et les erreurs commises dans les premières recherches se propagent et s'accumulent jusqu'au rapport final (arXiv:2601.22984). Le mécanisme est directement lisible dans la documentation produit citée plus haut : l'agent formule ses requêtes suivantes à partir de ce qu'il croit avoir appris. Un premier lot de résultats mal compris n'est donc pas une erreur isolée — c'est une orientation de toute la trajectoire. Vous ne verrez jamais cette bifurcation : elle a eu lieu à la minute trois, et le rapport ne raconte que la destination.
L'angle mort du corpus. Combinez la concentration mesurée des citations avec la propagation, et vous obtenez le résultat gênant : le premier lot de résultats — celui que le moteur classe en tête — décide de ce que le rapport considérera comme le paysage du sujet. Ce que ce premier lot ne contenait pas n'aura simplement jamais existé pour l'agent, et rien dans le rapport ne signale l'absence.
Panorama des offres et de leurs limites d'usage
Le paysage s'est élargi et différencié. Google a annoncé le 21 avril 2026 deux agents distincts — une recherche approfondie standard et un palier supérieur consommant davantage de calcul pour itérer plus longtemps : deux produits, pas un renommage. Côté ouvert, deux implémentations installables existent : GPT Researcher, sous licence Apache 2.0, et celle de LangChain, sous licence MIT.
| Offre | Ce que l'éditeur documente | Accès | Source officielle |
|---|---|---|---|
| OpenAI — recherche approfondie | Flux en 5 temps, plan révisable avant exécution, restriction du corpus à des sites choisis, connecteurs vers des sources authentifiées, exécution interruptible, 5 à 30 min | Variable selon l'offre et le pays ; contrôle d'administration pour les offres organisation | help.openai.com |
| Google — recherche approfondie | Boucle planifier / chercher / lire / itérer / produire, planification collaborative, exécution asynchrone, plafond 60 min, recommandation explicite de vérifier les citations | Offres payantes ; deux paliers depuis le 21/04/2026, le second itérant davantage | ai.google.dev |
| Anthropic — recherche | Architecture multi-agents : un agent chef planifie, des sous-agents explorent en parallèle ; format présenté comme adapté aux questions à plusieurs branches indépendantes | Selon offre ; recherche web et intégrations | anthropic.com |
| Perplexity — modèle de recherche approfondie | Accessible par interface de programmation ; facturation décomposée — entrée, sortie, jetons de citation, jetons de raisonnement, requêtes de recherche | Payant à l'usage | docs.perplexity.ai |
| Implémentations ouvertes | Boucle de recherche auto-hébergeable, moteurs et modèles interchangeables, corpus et journal d'exécution entièrement inspectables | GPT Researcher — Apache 2.0 ; implémentation LangChain — MIT | GPT Researcher · LangChain |
Sur les quotas, une mise en garde s'impose, parce que les chiffres qui circulent sont faux par obsolescence. Les éditeurs ne publient plus de nombre de rapports par offre : le mécanisme documenté est un compteur intégré à l'application, remis à zéro sur une fenêtre glissante de trente jours à partir de la première utilisation, avec bascule automatique vers une version allégée de la fonction une fois le contingent principal épuisé. Les valeurs que l'on trouve encore en ligne proviennent d'un encadré daté d'avril 2025. Elles ne valent rien, et elles varient de toute façon selon le pays. Consultez le compteur, pas les articles.
À quoi ce format sert vraiment : cadrer un sujet, pas conclure dessus
Il faut être direct sur un point : aucune évaluation indépendante du gain de temps de ces outils n'a été trouvée. Ce qui existe, ce sont des affirmations d'éditeur. Il serait donc malhonnête d'écrire « ce format vous fait gagner X ». Ce que l'on peut dire, en revanche, tient à la nature de ce qui est documenté.
Ce qui est documenté, c'est une capacité de cartographie : explorer en parallèle plusieurs directions indépendantes, ramener un paysage de sources, faire apparaître le vocabulaire d'un domaine, ses acteurs, ses lignes de fracture. L'architecture multi-agents d'Anthropic est explicitement présentée comme excellant sur ce type de question à branches multiples. Rien, en revanche, ne documente une capacité de certitude, et les mesures de la section précédente indiquent plutôt le contraire.
La distinction est opératoire. Le format sert bien à répondre à « de quoi ce sujet est-il fait, et par où l'aborder ? ». Il ne sert pas à répondre à « quel chiffre dois-je mettre dans cette décision ? ». Entre les deux, il y a le travail d'audit — et c'est précisément le travail que la mise en forme donne l'impression d'avoir déjà été fait. Un usage sain consiste à traiter le rapport comme une bibliographie commentée : la valeur est dans les sources qu'il vous a fait découvrir, pas dans les phrases qu'il a écrites autour.
Une dernière prudence, transversale. Les classements publics d'agents de recherche sont eux-mêmes fragiles : un travail publié en juin 2026 montre que ces agents récupèrent en cours d'exécution des fuites de jeux d'évaluation — métadonnées, énoncés, parfois réponses — ce qui gonfle les scores mesurés jusqu'à 4 % sur six jeux publics, la récupération externe court-circuitant le raisonnement attendu (arXiv:2606.05241). C'est une variante particulièrement retorse du problème général traité dans benchmarks et contamination : ici, le contaminant n'est pas dans l'entraînement, il arrive pendant l'épreuve.
Comment le vérifier vous-même
Le protocole ci-dessous se pratique sur un rapport que vous venez d'obtenir, portant sur un sujet que vous connaissez déjà en partie — c'est indispensable pour juger si une source soutient une phrase. Comptez une trentaine de minutes, un navigateur et la fonction de recherche dans la page.
Ce protocole n'est qu'une version resserrée d'une hygiène plus générale, celle que nous avons décrite dans vérifier une information sans se faire piéger. Et si votre objectif est une revue de marché structurée plutôt qu'un cadrage, la méthode dédiée exposée dans construire une étude de marché avec l'IA traite le sujet sous un autre angle, avec d'autres garde-fous.
Ces outils font réellement un travail que personne n'aurait le temps de faire à la main : ouvrir des dizaines de pages, en tirer un paysage, le mettre en ordre. Le refuser en bloc serait absurde. Mais la valeur du résultat ne se trouve pas là où la mise en page la place. Elle est dans la liste de sources que vous n'auriez pas trouvées, et elle exige de vous le geste que le document donne l'illusion d'avoir déjà accompli : ouvrir, chercher la phrase, décider. Un rapport de recherche approfondie ne remplace pas la lecture — il vous dit seulement, et plutôt bien, ce qu'il vous reste à lire.
Une question, un projet IA ?
Vous vous demandez si un rapport généré peut entrer dans une décision, ou comment cadrer un protocole de vérification pour vos équipes — échangeons sur votre contexte.
Prendre contact →Pour aller plus loin : pourquoi une IA hallucine explique le mécanisme derrière la référence inventée ; payer du calcul à l'inférence éclaire ce que coûte réellement une longue trajectoire de navigation ; benchmarks et contamination dit pourquoi les classements de ces agents sont eux-mêmes à manier avec précaution. Côté méthode, vérifier une information sans se faire piéger généralise le protocole ci-dessus.