Deep Research : OpenAI transforme ChatGPT en analyste de sources

Une conversation avec un chatbot suffit souvent pour obtenir une explication rapide. Mais préparer une étude de marché, comparer des produits selon de nombreux critères ou réunir des informations dispersées demande habituellement bien davantage : il faut ouvrir des pages, sélectionner les éléments fiables, croiser les données et rédiger une synthèse. C’est ce travail plus long qu’OpenAI entend confier en partie à ChatGPT avec Deep Research, une nouvelle fonction annoncée au début de février 2025.

L’ambition est claire : faire passer ChatGPT du rôle d’assistant de réponse à celui d’agent capable de conduire une recherche en plusieurs étapes. Au lieu de produire immédiatement quelques paragraphes à partir d’une consigne, Deep Research doit parcourir le web, examiner de nombreux contenus et livrer un rapport structuré. OpenAI le destine aux demandes qui exigent davantage qu’une simple recherche ponctuelle.

Deep Research, un mode de recherche pour les questions complexes

Deep Research est intégré à ChatGPT. L’utilisateur formule une demande, précise si nécessaire ses contraintes, puis l’outil cherche des informations en ligne, les analyse et les synthétise dans une réponse étendue. Selon OpenAI, il peut traiter des centaines de sources en ligne au cours d’une même recherche.

La différence avec une conversation classique tient donc moins à la forme de la réponse qu’au déroulement de la tâche. Un chatbot traditionnel répond à partir de ses connaissances, de son raisonnement et, lorsque la recherche web est activée, de quelques résultats consultés. Deep Research est pensé pour poursuivre une enquête plus longtemps : il décompose le problème, lance des recherches complémentaires et rassemble les éléments dans un document final.

Cette approche s’adresse notamment aux demandes comportant de multiples paramètres. Par exemple, il peut être pertinent de demander une comparaison détaillée de solutions professionnelles, une analyse de l’offre d’un secteur ou un état des lieux sur un sujet technique. L’intérêt ne réside pas seulement dans l’accumulation de liens : il consiste à relier les informations pour faire émerger une réponse lisible.

OpenAI explique que l’outil peut accomplir en quelques minutes des tâches qui prendraient plusieurs heures à un analyste humain. Cette comparaison doit toutefois être comprise comme une promesse de productivité, non comme l’équivalent exact d’un travail d’expertise. Un professionnel ne se limite pas à collecter des faits : il choisit un angle, évalue la qualité des documents, interroge des sources primaires et assume une responsabilité éditoriale ou décisionnelle.

Comment fonctionne la recherche approfondie de ChatGPT ?

Le principe est simple côté utilisateur : il faut soumettre une question suffisamment précise, puis laisser l’agent travailler. En pratique, la qualité de la demande reste déterminante. Une requête vague, telle que « explique-moi le marché de l’IA », risque de produire un résultat général. Une consigne précisant une période, un pays, des critères de comparaison et le format attendu donne un cadre beaucoup plus utile à la recherche.

Deep Research peut prendre du temps. OpenAI indique que certaines recherches peuvent durer de 5 à 30 minutes. Sam Altman, directeur général d’OpenAI, a lui-même qualifié l’outil de « lent » lors de sa présentation initiale, un terme qui traduit surtout la différence avec la rapidité habituelle de ChatGPT. L’utilisateur n’est plus dans une logique de dialogue en temps réel : il délègue une tâche et revient consulter le résultat une fois le travail terminé.

Le rapport produit doit s’appuyer sur les contenus consultés afin que l’utilisateur puisse examiner les éléments mobilisés. C’est un point important : une synthèse générée par une IA est utile pour accélérer le repérage et l’organisation de l’information, mais elle ne dispense pas de vérifier les affirmations qui comptent. Cette précaution est particulièrement nécessaire pour une décision financière, juridique, médicale, scientifique ou professionnelle.

OpenAI reconnaît d’ailleurs les limites inhérentes à ce type de système. Un agent peut commettre des erreurs factuelles, tirer une conclusion excessive à partir d’éléments incomplets ou mal distinguer une information solide d’une rumeur largement reprise. Plus une recherche concerne un sujet sensible ou spécialisé, plus la relecture humaine est indispensable.

Qui peut utiliser Deep Research et dans quelles limites ?

À la date du 5 février 2025, OpenAI réserve initialement Deep Research aux détenteurs d’un abonnement ChatGPT Pro. Leur quota est fixé à 100 utilisations par mois. Cette limite rappelle qu’une recherche approfondie consomme davantage de puissance de calcul qu’une requête classique adressée à un assistant conversationnel.

Le quota ne doit pas être compris comme un nombre de messages échangés avec ChatGPT. Chaque lancement de Deep Research correspond à une tâche plus coûteuse, susceptible de consulter un grand nombre de pages et de raisonner sur des informations hétérogènes. Le produit est donc positionné, au départ, pour des usages exigeants et réguliers plutôt que pour une consultation occasionnelle.

Ce choix d’accès montre aussi la stratégie d’OpenAI. Les fonctionnalités les plus gourmandes sont mises à disposition d’abord dans l’offre haut de gamme, alors même que la concurrence entre assistants IA se joue autant sur la qualité des modèles que sur le prix, la vitesse et les services associés. Pour les utilisateurs, la question n’est pas seulement de savoir si l’outil est impressionnant, mais s’il fait gagner assez de temps pour justifier un abonnement Pro.

Une annonce qui s’inscrit dans la stratégie japonaise d’OpenAI

La présentation de Deep Research intervient dans une séquence très internationale pour OpenAI. À Tokyo, Sam Altman a également annoncé un partenariat avec le groupe japonais SoftBank, aux côtés de son fondateur, Masayoshi Son. L’objectif affiché est d’accélérer l’usage de l’intelligence artificielle dans les entreprises.

SoftBank prévoit de consacrer 3 milliards de dollars par an à l’intégration des solutions d’OpenAI au sein des entreprises de son groupe. Les deux partenaires veulent aussi faciliter le déploiement d’agents d’IA adaptés aux besoins des organisations japonaises. Ces agents sont conçus pour accomplir des tâches avec une certaine autonomie, par exemple rechercher de l’information, préparer un document ou aider à traiter des processus internes.

OpenAI et SoftBank ont également évoqué le développement d’infrastructures de données de pointe pour l’IA. Le sujet est central : les modèles génératifs et les agents capables de réaliser des recherches longues nécessitent des capacités de calcul considérables. L’accès à des centres de données, à des processeurs spécialisés et à l’électricité devient donc une composante stratégique aussi importante que les logiciels eux-mêmes.

Cette présence au Japon ne se limite pas à SoftBank. Sam Altman doit ensuite se rendre à Séoul, où une collaboration avec le conglomérat sud-coréen Kakao doit être annoncée. Ces initiatives illustrent la volonté d’OpenAI de nouer des alliances locales avec de grands groupes, afin d’étendre l’adoption de ses outils auprès des entreprises.

Pourquoi DeepSeek renforce la pression sur OpenAI

Le lancement de Deep Research intervient aussi dans un climat de compétition particulièrement intense. Le chatbot chinois DeepSeek a suscité une forte agitation dans la Silicon Valley, en raison de performances jugées élevées par certains observateurs et d’un coût de développement présenté comme inférieur à celui de ses concurrents américains.

Pour les entreprises de l’IA, la concurrence ne porte plus uniquement sur la capacité à générer du texte convaincant. Elle concerne désormais le raisonnement, la programmation, la recherche sur le web, la fiabilité des réponses, le coût d’utilisation et la capacité à transformer un modèle de langage en outil de travail concret. Deep Research illustre cette évolution : OpenAI cherche à ajouter une couche d’action et de méthode au-dessus de son chatbot.

Les discussions autour de DeepSeek soulèvent aussi un débat sur la propriété intellectuelle et l’entraînement des modèles. OpenAI a averti de tentatives d’imitation de ses systèmes avancés par des entreprises chinoises. DeepSeek fait pour sa part face à des accusations de plagiat concernant des technologies américaines. Sam Altman a indiqué qu’OpenAI n’envisageait pas, à ce stade, d’engager de poursuites judiciaires contre DeepSeek.

Le sujet est complexe, car la création de modèles plus petits qui tirent parti de grands modèles existants est une pratique qui inquiète de nombreux acteurs. OpenAI se trouve néanmoins dans une position délicate : l’entreprise fait elle-même l’objet d’allégations liées à l’utilisation de contenus protégés pour entraîner ses modèles. La compétition technologique s’accompagne donc d’une bataille juridique et éthique sur l’origine des données, les méthodes d’entraînement et les droits des créateurs.

Quels effets pour les analystes, les consultants et les entreprises ?

Pour les métiers fondés sur la recherche d’informations, Deep Research pourrait surtout modifier la répartition du travail. La collecte de documents, la première synthèse, le classement de critères ou la préparation d’un panorama sectoriel sont des tâches susceptibles d’être accélérées. Les professionnels pourraient consacrer davantage de temps à la formulation du problème, à l’interprétation des résultats et à la recommandation.

Cette évolution n’efface pas les compétences humaines. Un rapport utile dépend du choix des bonnes questions, de la compréhension d’un contexte métier et de la capacité à repérer ce que les données ne disent pas. Dans le conseil, le journalisme, la veille stratégique ou l’analyse financière, la valeur tient souvent à la hiérarchisation des informations et à la responsabilité de la conclusion, deux dimensions qu’un outil automatique ne peut garantir seul.

Les entreprises devront également définir des règles claires. Elles doivent éviter de transmettre à un service externe des informations confidentielles sans en mesurer les conséquences, contrôler les productions de l’IA avant diffusion et former les équipes à l’évaluation des résultats. L’arrivée d’agents de recherche ne rend pas la vérification moins nécessaire : elle la déplace vers des rapports plus longs, plus rapides à produire et potentiellement plus persuasifs.

Ce qu’il faut surveiller

La première question sera celle de la fiabilité réelle de Deep Research sur des sujets variés. La capacité à parcourir de nombreuses pages ne garantit ni l’exactitude des faits ni la qualité du raisonnement. Les utilisateurs devront observer la diversité des documents retenus, la précision des références et la manière dont l’outil gère les contradictions entre plusieurs informations.

Il faudra aussi suivre l’évolution de l’accès. Avec un plafond initial de 100 requêtes mensuelles pour les abonnés Pro, OpenAI teste un modèle d’usage encadré par le coût informatique. L’élargissement éventuel à d’autres formules, tout comme les limites appliquées, indiquera la place qu’OpenAI veut donner à cette fonction dans ChatGPT.

Enfin, Deep Research constitue un révélateur de la prochaine bataille entre assistants IA. Après les chatbots capables de répondre, les acteurs du secteur veulent proposer des agents capables de chercher, comparer, rédiger et agir. Leur succès dépendra moins de la longueur des rapports générés que de trois critères très concrets : la confiance accordée aux résultats, le temps réellement économisé et la capacité des utilisateurs à conserver un contrôle critique sur les décisions prises.