Introducing deep research

## Deep Research : l'agent de recherche autonome d'OpenAI entre en production

### Ce que c'est réellement

Deep Research n'est pas un chatbot amélioré avec accès web. C'est un agent à part entière qui orchestre des séquences de recherche multi-étapes : il formule des sous-questions, navigue sur le web, lit et synthétise des sources primaires, puis produit un rapport structuré — le tout sans intervention humaine entre les étapes. Le moteur sous-jacent est une version de o3 fine-tunée pour la recherche itérative, ce qui le distingue des implémentations précédentes de browsing chez OpenAI (le plugin Browsing de 2023, puis le mode Browse with Bing) qui se limitaient à des requêtes ponctuelles sans raisonnement enchaîné.

### Pourquoi le score signal est à 75 et non plus haut

Le score reflète une réalité : Deep Research est une avancée technique sérieuse, mais son déploiement initial reste contraint. Disponible uniquement pour les abonnés Pro (20 $/mois → 200 $/mois), il touche une base d'utilisateurs restreinte au lancement. Les plans Plus (~100M d'utilisateurs estimés) et Team arrivent « ensuite », sans date précise. L'absence de benchmarks publics comparatifs au moment de l'annonce limite aussi la capacité à quantifier le gain réel versus Perplexity Pro, Gemini Deep Research (Google, lancé en décembre 2024) ou des workflows Langchain/AutoGPT maison.

### Le contexte concurrentiel direct

Google a lancé Gemini Deep Research en décembre 2024, intégré à Gemini Advanced (abonnement Google One AI Premium, 19,99 $/mois). Perplexity propose des rapports de recherche approfondis via son mode Pro depuis mi-2024. OpenAI arrive donc en troisième sur ce segment précis, mais avec un avantage potentiel : la qualité de raisonnement de o3, qui surpasse GPT-4o sur les tâches analytiques complexes selon les benchmarks internes publiés en décembre 2024 (GPQA Diamond : o3 à 87,7 % vs GPT-4o à 53,6 %).

Les perdants potentiels sont identifiables : les services de veille concurrentielle et d'intelligence économique haut de gamme (Crayon, Klue, Similarweb pour les use cases analytiques), les cabinets de recherche qui facturent des livrables de synthèse documentaire, et dans une moindre mesure les outils de recherche académique comme Elicit ou Consensus qui ciblent un segment adjacent.

### Ce que ça change pour les praticiens

Pour un analyste ou un développeur qui utilise déjà l'API OpenAI, Deep Research représente une capacité qui était jusqu'ici assemblée manuellement : définir un plan de recherche, lancer des appels web successifs, dédupliquer les sources, synthétiser avec citation. Le fait qu'OpenAI l'intègre directement dans ChatGPT Pro signifie que cette capacité devient accessible sans ingénierie d'orchestration.

La question ouverte est celle de la fiabilité des sources et de la gestion des hallucinations dans un contexte de recherche autonome. Les agents de browsing précédents d'OpenAI ont montré des taux d'erreur factuelle non négligeables dès que les sources web étaient contradictoires ou de faible qualité. Deep Research, en multipliant les étapes d'inférence, amplifie potentiellement ce risque — ou le réduit si le fine-tuning a correctement intégré des mécanismes de vérification croisée. Sans benchmark externe indépendant, cette question reste ouverte.

Le déploiement progressif (Pro → Plus → Team) suggère qu'OpenAI gère une contrainte de capacité de calcul réelle : o3 est significativement plus coûteux à inférer que GPT-4o, et un agent multi-étapes multiplie ce coût par le nombre d'itérations de recherche.