ChatGPT Deep Research : une recherche autonome, puissante mais à vérifier

ChatGPT ne se contente plus de répondre à une question à partir de ses connaissances ou d’une requête web ponctuelle. Avec Deep Research, OpenAI entend lui confier une mission plus ambitieuse : organiser seul une enquête en ligne, consulter de nombreuses pages, rapprocher les informations trouvées et rendre un rapport structuré. L’objectif est de réduire le temps consacré aux recherches longues, notamment lorsqu’un sujet exige de comparer des données, de lire plusieurs documents et d’en tirer une synthèse exploitable.

Annoncée au début du mois de février 2025, cette fonctionnalité s’inscrit dans l’évolution des assistants conversationnels vers des outils dits « agentiques ». Autrement dit, au lieu d’exécuter une seule instruction, l’IA peut enchaîner plusieurs étapes pour accomplir une tâche : chercher, lire, ajuster sa recherche, puis rédiger. Cette autonomie apparente ne dispense toutefois pas l’utilisateur de vérifier le résultat. OpenAI reconnaît que son système peut encore se tromper, y compris lorsqu’il présente ses conclusions avec assurance.

Deep Research, qu’est-ce qui change dans ChatGPT ?

Deep Research est une fonction de ChatGPT conçue pour les questions qui ne trouvent pas de réponse fiable dans un seul document ou après quelques recherches simples. L’outil peut être sollicité pour une analyse concurrentielle, une évaluation de politiques publiques, une investigation sur un domaine scientifique ou technologique, ou encore des recommandations adaptées à un besoin précis.

Le principe est le suivant : l’utilisateur formule sa demande dans ChatGPT, sélectionne l’option Deep Research, puis laisse le système conduire une série de recherches sur Internet. Des fichiers et des tableaux de données peuvent également être ajoutés afin de fournir un contexte supplémentaire. ChatGPT analyse alors les informations recueillies et prépare un compte rendu final.

Selon OpenAI, le système peut extraire, analyser et synthétiser des informations provenant de milliers de sources en ligne. La promesse est donc moins celle d’un moteur de recherche qui livre une liste de liens que celle d’un assistant qui effectue une part importante du travail de lecture, de comparaison et de rédaction.

Cette différence est essentielle. Un moteur de recherche aide à trouver des documents. Deep Research ambitionne de produire une synthèse argumentée à partir de ces documents. Le résultat se rapproche, dans son format, d’une première note élaborée par un analyste de recherche.

Comment se déroule une recherche autonome ?

L’utilisation annoncée se veut directe. Dans l’interface de ChatGPT, il faut activer Deep Research et détailler le sujet à étudier. Plus la demande est précise, plus l’outil dispose d’éléments pour orienter sa recherche. L’utilisateur peut notamment indiquer le périmètre géographique, la période concernée, les critères de comparaison ou les documents qu’il souhaite voir pris en compte.

Une fois la tâche lancée, Deep Research ne répond pas instantanément. Le processus peut prendre entre cinq et trente minutes, selon la complexité de la demande. Pendant ce temps, un onglet latéral doit informer l’utilisateur des actions menées et des sources consultées. Cette visibilité est importante : elle permet de voir que l’outil n’a pas produit son texte uniquement à partir de connaissances préexistantes, mais qu’il suit une démarche de recherche sur le web.

Le rapport final est annoncé comme détaillé et documenté. Il peut inclure des citations complètes, des illustrations, des visualisations de données et des graphiques afin de rendre la synthèse plus lisible. Les références sont un élément central de la proposition d’OpenAI, car elles doivent permettre au lecteur de remonter aux contenus utilisés et de contrôler les éléments déterminants.

Dans les faits, Deep Research ne remplace pas une expertise métier. Il peut accélérer la préparation d’un dossier, dresser une cartographie initiale d’un marché ou réunir des arguments contradictoires. Mais interpréter une étude, évaluer la méthodologie d’un chiffre ou arbitrer entre deux sources exige souvent une connaissance du domaine que l’outil ne possède pas de manière garantie.

Pourquoi OpenAI parle d’une étape vers l’IAG

OpenAI présente la synthèse de connaissances comme une capacité fondamentale pour produire de nouveaux savoirs. L’idée est qu’un système capable d’explorer des informations hétérogènes, de les organiser et de les combiner pourrait s’attaquer à des problèmes plus complexes qu’un simple assistant de rédaction.

Cette vision est liée à l’objectif, souvent évoqué dans le secteur, d’une intelligence artificielle générale, ou IAG. Cette expression désigne une IA qui serait en mesure de réaliser un large éventail de tâches intellectuelles avec une flexibilité comparable à celle d’un humain. Deep Research ne constitue pas une IAG et OpenAI ne prétend pas avoir atteint ce stade. La fonctionnalité illustre plutôt une direction : doter les modèles de langage d’outils, de capacité de planification et d’une faculté à agir en plusieurs étapes.

L’autonomie vantée ici doit donc être comprise avec précision. ChatGPT ne mène pas une recherche au sens humain du terme, avec une compréhension éprouvée du contexte, une responsabilité éditoriale ou une méthode scientifique propre. Il automatise une succession d’opérations de recherche et de synthèse, à partir de contenus disponibles en ligne et de règles apprises par le modèle.

Des résultats élevés sur des tests difficiles, mais à interpréter

OpenAI met en avant les résultats de Deep Research dans plusieurs évaluations. L’une des plus exigeantes est Humanity’s Last Exam, un ensemble de plus de 3 000 questions couvrant des disciplines variées, parmi lesquelles les sciences physiques et la linguistique. Sur ce test, l’outil obtient 26,6 % d’exactitude.

Le chiffre peut sembler modeste pris isolément. Il s’agit pourtant d’une épreuve conçue pour être extrêmement difficile, avec des questions destinées à mettre les systèmes d’IA avancés en difficulté. Dans ce cadre, OpenAI présente ce résultat comme supérieur à celui des autres modèles disponibles.

Deep Research atteint aussi un score de 72,57 % sur le benchmark GAIA, consacré à l’évaluation de la capacité des agents d’IA à résoudre des problèmes complexes. Ces deux mesures ne décrivent pas exactement la même compétence et ne doivent pas être additionnées ni comparées directement. Elles donnent néanmoins un aperçu de l’ambition du système : traiter des tâches qui exigent plusieurs opérations et l’usage d’outils.

Ces benchmarks sont utiles pour suivre les progrès techniques, mais ils ne remplacent pas un contrôle en situation réelle. Un bon score à un test ne garantit ni la fiabilité d’un rapport sur un sujet d’actualité, ni la qualité des sources retenues, ni l’absence d’erreurs dans les conclusions.

Les limites : hallucinations, sources fragiles et excès de confiance

OpenAI précise que Deep Research est encore en développement. La limite la plus importante est celle des hallucinations factuelles : le système peut affirmer des informations inexactes, inventer un détail ou mal interpréter une source. Ce risque existe dans les assistants conversationnels classiques et demeure présent dans un outil qui consulte le web.

La recherche en ligne ajoute une difficulté : Internet mélange documents officiels, études sérieuses, publications spécialisées, contenus marketing, rumeurs et opinions. OpenAI reconnaît que Deep Research peut avoir du mal à distinguer une source digne de confiance d’un contenu spéculatif. Or une synthèse peut paraître cohérente tout en reposant sur une base documentaire fragile.

Le ton employé par l’IA mérite également une attention particulière. Un modèle de langage peut formuler une réponse très assurée sans pouvoir mesurer correctement son propre niveau d’incertitude. C’est pourquoi la présence de citations n’est utile que si l’utilisateur consulte effectivement les références, vérifie leur date, leur contexte et leur origine.

D’autres difficultés sont plus pratiques : OpenAI évoque des erreurs mineures de formatage dans les rapports et des délais avant le démarrage de certaines tâches. Ces défauts peuvent sembler secondaires, mais ils comptent lorsqu’un outil est utilisé dans un cadre professionnel où la réactivité et la présentation des livrables sont importantes.

Quels usages sont les plus pertinents ?

L’intérêt de Deep Research dépend du type de tâche. L’outil est particulièrement adapté à une première exploration d’un sujet vaste, à la préparation d’une veille ou à la mise en forme d’informations dispersées. Il peut aussi aider un acheteur à comparer des produits selon des critères définis, à condition de contrôler les caractéristiques et les prix auprès des sources concernées.

Pour obtenir un résultat plus utile, une demande doit éviter les formules trop vagues. Demander « tout savoir sur un marché » ouvre la porte à une synthèse générique. À l’inverse, préciser les critères, les dates, les pays et le format attendu donne un cadre plus solide à la recherche.

Quelques précautions s’imposent :

• demander des critères précis et indiquer les sources ou documents à privilégier lorsque c’est possible ;
• vérifier en priorité les chiffres, les dates, les citations et les conclusions qui motivent une décision ;
• comparer les affirmations sensibles avec des sources primaires, telles qu’un texte officiel, une étude originale ou une publication de l’organisation concernée ;
• ne pas transmettre de données confidentielles sans avoir évalué les règles applicables à son compte et à son organisation.

L’outil peut ainsi être envisagé comme un accélérateur de recherche, pas comme un substitut complet au jugement humain. Son apport est potentiellement important pour les professions qui passent du temps à réunir et résumer des informations, mais sa valeur dépendra de la qualité de la demande et de la vérification effectuée ensuite.

Disponibilité : d’abord pour les abonnés Pro

Le déploiement est progressif. Au lancement, Deep Research est prévu pour les utilisateurs de ChatGPT Pro, avec une limite de 100 recherches par mois. Les abonnements Plus et Team doivent être servis dans un second temps. L’accès pour les utilisateurs Enterprise est annoncé ultérieurement.

Au 4 février 2025, les résidents du Royaume-Uni, de la Suisse et des pays de l’Espace économique européen ne disposent pas encore de cette fonction. OpenAI indique travailler à son extension dans ces territoires. Cette restriction rappelle que la disponibilité d’un produit d’IA peut dépendre de contraintes réglementaires, techniques ou commerciales selon les régions.

OpenAI prévoit également de proposer Deep Research sur les plateformes mobiles et de bureau de ChatGPT. À plus long terme, l’entreprise envisage de connecter cette fonction à Operator, son autre système destiné à réaliser des actions en ligne. Le rapprochement entre la recherche approfondie et l’exécution de tâches ouvrirait la voie à des scénarios plus complets : chercher une information, puis utiliser le résultat pour effectuer une action.

Ce qu’il faut surveiller

Deep Research marque un changement de rôle pour ChatGPT. Le produit ne cherche plus seulement à répondre vite : il ambitionne de consacrer plusieurs minutes à une enquête autonome et de livrer un document de travail déjà structuré. Pour les utilisateurs, le gain potentiel se situe dans la réduction du temps passé à parcourir des dizaines de pages et à consolider des informations éparses.

La question décisive sera celle de la fiabilité. OpenAI devra démontrer que les citations sont pertinentes, que les bonnes sources sont privilégiées et que les erreurs sont suffisamment signalées pour ne pas induire les utilisateurs en erreur. Il faudra aussi observer l’évolution de l’accès dans les pays européens, ainsi que l’intégration éventuelle avec Operator.

D’ici là, la meilleure approche consiste à traiter Deep Research comme un collaborateur rapide, capable de préparer une première synthèse, mais dont le travail nécessite une relecture critique. Dans la recherche complexe, l’automatisation peut raccourcir la collecte d’informations. Elle ne supprime ni la nécessité de vérifier les faits ni la responsabilité de ceux qui utilisent les conclusions.