La scène se répète dans toutes les entreprises qui commencent à prendre l'IA au sérieux. Quelqu'un découvre le deep research, lance une question difficile — le paysage concurrentiel d'un vertical, la réglementation qui arrive, qui rachète qui — et dix minutes plus tard tient un rapport de quinze pages avec ses sources. La réaction est la bonne : c'est très bon. La conclusion qui suit ne l'est presque jamais : « donc on n'a rien à construire ».
La thèse en une phrase : la frontière entre le deep research du fournisseur et un agent de recherche maison n'est pas la difficulté de la question, c'est sa répétition. Pour une question posée une fois, le bouton gagne toujours et largement. Pour une question posée chaque lundi sur les mêmes sources, ce n'est pas que le bouton soit moins bon — c'est qu'il n'est pas construit pour ça, et ça se voit à quatre endroits très précis qui n'ont rien à voir avec la qualité du texte.
Deep research de ChatGPT vs agent de recherche maison : ce que fait vraiment chacun
Le deep research de ChatGPT, d'après la documentation d'OpenAI, planifie, cherche et synthétise une question complexe en un rapport documenté. Il peut travailler avec le web public, avec des fichiers que vous téléversez, avec des sites précis que vous lui indiquez et avec des applications connectées qui prennent en charge la fonction. Il propose un plan de recherche que vous pouvez revoir avant le lancement, s'interrompt en cours de route pour être réorienté, et rend un rapport avec citations et une section des sources utilisées. C'est, de loin, le meilleur rapport résultat/effort du marché pour une question ponctuelle.
Un agent de recherche maison fait autre chose, même si l'intérieur se ressemble. Il ne répond pas à une question : il tient une veille. Il a un ensemble de sources qu'on ne redéclare pas, une mémoire qui accumule ce qu'il a déjà vu, un critère écrit une fois de ce qui est signal et de ce qui est bruit, et une sortie qui va quelque part — une boîte, un tableau, un canal — plutôt que dans une conversation. La différence n'est pas le modèle. Elle est de forme.
Les quatre limites qui ne sont pas de qualité, mais de forme
Les quatre se lisent dans la documentation d'OpenAI elle-même, sans avoir à croire qui que ce soit. Aucune n'est un défaut : ce sont les conséquences d'un deep research conçu pour une tâche qui commence et se termine.
1. Il est en lecture seule par conception
La documentation le dit sans ambiguïté : le deep research utilise les actions de lecture des applications connectées, et n'utilise pas les actions d'écriture dans le cadre de la recherche. Autrement dit, il produit un rapport et son travail s'arrête là. Personne ne déplace le résultat vers le tableau, le CRM ou le canal où quelqu'un allait s'en servir. Si la moitié de la valeur de votre veille tient à ce que la trouvaille atterrisse quelque part, le bouton vous laisse juste avant cette moitié.
2. Le résultat vit dans une conversation, et meurt avec elle
Les résultats suivent la politique de rétention de la conversation : supprimez le chat et ses rapports associés partent avec. Pour une question ponctuelle, c'est sans importance. Pour une veille hebdomadaire, c'est tout le problème, car la valeur d'une veille n'est pas dans le rapport de cette semaine : elle est dans la capacité à dire « on avait vu ça en mars et le chiffre était différent ». Une boîte de conversations n'est pas un corpus.
3. Les sources se redéclarent à chaque tâche
Vous pouvez restreindre la recherche à des domaines précis, les prioriser sur le web ouvert et téléverser des fichiers. C'est puissant, et c'est manuel : chaque nouvelle tâche repart de zéro sur cette configuration. La première fois, c'est un luxe. La trentième, c'est de l'administratif que quelqu'un sautera un mardi pressé, et c'est ce jour-là que la veille cesse d'être comparable avec elle-même.
4. Le quota est pensé pour l'usage ponctuel
L'usage varie selon le forfait, un compteur est visible dans le produit, et sur les forfaits à allocation mensuelle fixe ce compteur se réinitialise tous les 30 jours à partir de la date de première utilisation — pas le 1er du mois. C'est une économie conçue pour des questions qui arrivent quand elles arrivent. Une veille récurrente, multipliée par les personnes qui en ont besoin, consomme cette allocation de façon assez prévisible.
Notez ce qui n'est PAS dans cette liste : rien sur la qualité du raisonnement, la couverture des sources ou la rédaction. Là-dessus, le deep research du fournisseur est difficile à battre, et celui qui vous dit que son agent maison raisonne mieux ne les a probablement pas comparés.
La question qui tranche, et qui se répond en dix secondes
Allez-vous reposer cette même question le mois prochain, sur les mêmes sources, en espérant comparer la réponse à celle d'aujourd'hui ?
Si la réponse est non, fermez cet onglet et utilisez le bouton. Sérieusement : la plupart des questions d'une entreprise sont de ce type, et construire pour elles est la façon la plus chère de n'apprendre rien. Si la réponse est oui, alors ce qu'il vous faut n'est pas un meilleur rapport. Il vous faut des sources fixées, ce qui a été vu conservé, une sortie qui atterrit là où les gens travaillent, et personne à qui il faille penser à lancer la chose.
| Signal | Bouton du fournisseur | Agent maison |
|---|---|---|
| Fréquence | Une fois, ou quand ça se présente | Cadence fixe : hebdo, mensuelle |
| Sources | Choisies pour cette question | Un ensemble stable qu’on ne redéclare pas |
| Comparabilité | Chaque rapport repart de zéro | Celui d'aujourd'hui se compare à celui de mars |
| Destination de la trouvaille | Une conversation | Tableau, boîte, canal, système |
| Qui le déclenche | Une personne qui y pense | Un calendrier |
| Qui répond en cas d’échec | Personne : ça n'a pas échoué, ça n'a pas eu lieu | Quelqu’un avec un nom |
Ce que le bouton gagne et qu'il ne faut pas reconstruire
Il y a une tentation, dès qu'on décide de construire, de tout reconstruire. C'est une erreur coûteuse. Trois choses du deep research du fournisseur sont très bonnes et ne valent pas la peine d'être répliquées : le plan de recherche éditable avant lancement, la traçabilité des citations dans le rapport final, et la possibilité d'interrompre et de réorienter en cours de route. Un agent maison bien posé ne rivalise pas avec ça : il s'en sert là où c'est pertinent et s'occupe du reste.
Autrement dit : la décision n'est pas « fournisseur ou maison ». C'est quelle part du travail est une question et quelle part est un processus. La question, le fournisseur y répond très bien. Le processus — la cadence, la mémoire, la destination, le propriétaire — est à vous, et personne ne le vend parce qu'il dépend de vos sources et de votre organigramme.
Ce que seul un agent maison peut faire
Quatre choses, toutes ennuyeuses. C'est exactement pour ça que personne ne les montre en démo.
- Accumuler. Conserver chaque trouvaille avec sa date et sa source pour que le sixième tour puisse dire « ça a changé » au lieu de répéter le contexte. Sans ça, il n'y a pas de veille, il y a des rapports épars.
- Atterrir. Écrire le résultat là où quelqu'un s'en servira. Et ça, dès que ça sort de la conversation, cesse d'être un problème de recherche pour devenir un problème de droits et d'identité : ce que l'agent peut lire et écrire, avec quel identifiant, et qui le coupe si besoin. La façon de le poser est dans connecter l'IA à vos systèmes.
- Filtrer avec son propre critère. Ce qui compte comme signal sur VOTRE marché, un modèle générique ne le sait pas : ça s'écrit une fois, se corrige avec les premiers faux positifs, et reste écrit. Ce critère est l'actif, pas le prompt.
- Avoir un propriétaire. Une personne qui relit la sortie, corrige le critère quand il dérive et décide quand élargir le périmètre. La conception de cette supervision est dans l'humain dans la boucle d'une automatisation IA, et ce n'est pas optionnel : un agent de recherche sans relecteur finit par produire une newsletter que personne n'ouvre.
L'erreur de construire trop tôt
La séquence saine est contre-intuitive : utilisez le bouton jusqu'à ce que ça fasse mal. Lancez la question à la main six ou sept semaines d'affilée. Vous allez découvrir trois choses impossibles à savoir avant : quelles sources vous finissez toujours par utiliser, quelle partie du rapport vous lisez vraiment et laquelle vous sautez, et ce que vous faites de la trouvaille une fois obtenue. Ces trois réponses sont la spécification de l'agent, et elles sont gratuites.
Construire avant de les avoir, c'est le schéma qui produit des agents qui marchent et ne servent à rien : ils fouillent bien un sujet que personne ne regarde, dans un format que personne ne lit, et tout le monde s'en fiche quand ils s'arrêtent. Les critères généraux pour savoir quand un agent mérite d'exister en entreprise sont dans les agents IA pour l'entreprise ; cette décision en est un cas particulier.
Comment trancher en dix minutes
- Écrivez la question que vous êtes sur le point d'automatiser. Si elle ne tient pas en une phrase, ce n'est pas encore une veille : c'est un sujet.
- Comptez combien de fois vous l’avez déjà posée. Moins de cinq : restez sur le bouton.
- Regardez si les sources sont les mêmes à chaque fois. Si elles changent, restez sur le bouton — ce que vous avez, c’est de la curiosité, pas une veille.
- Demandez-vous ce qu'il advient de la trouvaille. Si la réponse est « une personne la lit et décide », le bouton suffit. Si c'est « il faut que ce soit consigné et comparé », c'est là que commence l'agent.
- Cherchez le nom du propriétaire. S'il n'y en a pas, ne construisez pas : vous produirez une newsletter orpheline.
Quatre non et un oui : utilisez le bouton. Cinq oui : ce qu'il vous faut, c'est un agent de recherche qui tourne sur vos sources, pas un rapport plus long.
Nous montons la partie ennuyeuse — la cadence, la mémoire, la destination et le propriétaire — sous forme d'employés IA qui travaillent sur vos systèmes. Et quand la réponse honnête est que le bouton vous suffit, on le dit : c'est le conseil le moins cher qu'on donne, et celui qu'on donne le plus souvent.