L’actualité
OpenAI a récemment dévoilé Deep Research, un agent d’intelligence artificielle capable de réaliser des recherches approfondies en un temps record, transformant ainsi la manière dont les utilisateurs accèdent à l’information. En seulement 5 à 30 minutes, cet outil peut générer un rapport de recherche détaillé, offrant aux utilisateurs une solution efficace pour leurs besoins en information.
L’innovation majeure de Deep Research réside dans sa capacité à fonctionner de manière autonome. Contrairement à un chatbot classique qui assiste dans les tâches, Deep Research exécute le travail pour ses utilisateurs. En s’appuyant sur le modèle o3 d’OpenAI, optimisé pour la navigation web et l’analyse des données, cet agent peut extraire et synthétiser de vastes quantités d’informations provenant d’Internet, produisant des rapports complets adaptés aux besoins spécifiques des utilisateurs.
À son lancement, l’accès à Deep Research était limité aux abonnés Pro de ChatGPT, nécessitant un paiement de 200 dollars par mois. Cependant, OpenAI a élargi l’accès à d’autres abonnés payants, y compris ChatGPT Plus, Team, Edu et Enterprise. Les nouveaux utilisateurs bénéficieront de 10 requêtes de recherche approfondie par mois, tandis que les utilisateurs Pro auront accès à 120 requêtes.
Deep Research se distingue par sa capacité à intégrer des images avec des citations dans les rapports générés et à mieux comprendre les fichiers téléchargés. Ce processus non seulement économise le temps des utilisateurs, mais améliore également leur productivité. En effet, les utilisateurs peuvent poursuivre d’autres tâches pendant que Deep Research effectue la recherche.
OpenAI cible principalement les professionnels œuvrant dans des secteurs tels que la finance, la science, la politique et l’ingénierie, où des recherches fiables et complètes sont essentielles. Chaque rapport fourni par Deep Research comprend des citations claires et un résumé des réflexions de l’agent, permettant aux utilisateurs de vérifier les informations.
Cependant, OpenAI met en garde que Deep Research, bien qu’amélioré par rapport aux modèles précédents, peut parfois halluciner des faits ou faire des inférences incorrectes. Il est donc crucial de procéder à une révision humaine des informations fournies.
En parallèle, la concurrence s’intensifie. Google a récemment lancé une fonctionnalité similaire, également appelée Deep Research, accessible aux utilisateurs de son plan Google One AI Premium. D’autres entreprises comme xAI et Microsoft introduisent également leurs propres agents de recherche, augmentant ainsi les options disponibles pour les utilisateurs.
Deep Research d’OpenAI représente une avancée significative dans le domaine de l’intelligence artificielle, offrant des performances remarquables par rapport à d’autres modèles. Avec une précision de 26,6 % sur des évaluations de référence, cet agent démontre son potentiel à transformer le paysage de la recherche professionnelle.
Point de vue : vraiment utile ?
Chez NEURA KING, nous savons depuis longtemps que les longs processus automatisés engendrent des erreurs qui, par effet boule de neige, nuisent plus qu’ils n’apportent de la productivité.
En effet, en quelques minutes seulement, on se retrouve saturé de contenu qu’il faut lire et vérifier d’une part. Et d’autre part, une seule erreur, un seul désaccord sur la source retenue se répercute en cascade.
Ainsi, attendre quelque minute qu’une IA fasse tout le travail parait être révolutionnaire, mais le temps de relecture et de reprise est systématiquement plus long que lorsqu’on échange avec l’IA à chaque étape.
Ceci n’a rien de sorcier, et nous l’avons éprouvé.
Nous aussi avions l’ambition de tout automatiser avec notamment l’expansion incrémentale automatique et l’amplification séquentielle automatique.
Mais nous avons rapidement compris que l’intermédiation humaine systématique était la seule garantie de résultat systématiquement recevable sur le plan de la pertinence.
Ainsi, alors que nous avions bâti les automatismes, nous les avons finalement retirés pour les remplacer par des espaces de contrôle systématique.
L’autonomie, c’est bien, mais si vous souhaitez être pertinent, vous devez changer votre paradigme d’intégration de l’IA.