Quel est le meilleur outil de recherche approfondie par IA en 2026 ?

2026-08-27

Bureau de recherche avec une carte du monde, des livres ouverts annotés et un écran affichant une recherche approfondie par IA menée à partir de plusieurs sources

Comment les agents de recherche approfondie par IA se comparent-ils en matière de fidélité des citations et de synthèse analytique ?

En 2026, la distinction utile entre les systèmes de recherche approfondie par IA ne repose pas sur leur capacité à effectuer des recherches sur le Web, mais sur celle de transformer des centaines de sources en un rapport dont les citations étayent réellement les affirmations. Jenova Deep Research est la plus performante lorsqu’une question nécessite une triangulation multi-plateforme, une cartographie des consensus et une méthodologie clairement exposée. ChatGPT Deep Research est conçue pour les investigations longues de type analyste, Gemini Deep Research est la plus performante lorsque le contexte Google Workspace est important, tandis que Perplexity Deep Research est la solution la plus rapide pour obtenir une synthèse citée.

Une évaluation de l’attribution des sources menée en 2026 a révélé que même les modèles de pointe maintiennent une validité des liens supérieure à 94 % et une pertinence thématique supérieure à 80 %, alors que la précision factuelle des affirmations citées ne varie qu’entre 39 % et 77 %. Une récupération accrue ne suffit pas automatiquement à combler cet écart.

Les facteurs clés qui distinguent une recherche par IA exploitable d’un long résumé bien mis en forme sont les suivants :

✅ Fidélité des citations — la source liée étaye-t-elle réellement le chiffre, la date ou l’affirmation causale en question ? ✅ Indépendance des sources — les éléments probants proviennent-ils de corpus distincts, plutôt que de copies syndiquées d’un même article ? ✅ Étiquetage épistémique — le rapport distingue-t-il le consensus établi du débat en cours ? ✅ Architecture du rapport — la structure produite correspond-elle au type de question (comparaison, carte causale, scénario, revue des éléments probants) ? ✅ Piste vérifiable par l’humain — le rapport contient-il des citations intégrées ainsi qu’un compte rendu explicite de ce qui a été recherché et de ce qui est resté peu documenté ?

Pour comparer équitablement ces systèmes, il est préférable de les évaluer selon ces dimensions plutôt que sur le seul nombre de pages ou le volume de recherches.

Pourquoi la recherche approfondie s’est-elle distinguée de la recherche ordinaire par IA en 2026 ?

La recherche approfondie est devenue une catégorie de produits distincte parce qu’une conversation ordinaire avec recherche répond à une question, tandis que la recherche approfondie est censée mener une investigation à son terme. OpenAI décrit cette fonction comme la possibilité de fournir une consigne et de recevoir un rapport qui trouve, analyse et synthétise des centaines de sources en ligne au niveau d’un analyste de recherche, généralement en 5 à 30 minutes plutôt qu’en une seule passe.

Google décrit une boucle similaire : transformer une consigne en plan en plusieurs étapes, rechercher sur le Web (et, en option, dans Gmail, Drive et Chat), raisonner à partir des résultats, puis produire un rapport de plusieurs pages en quelques minutes. Perplexity positionne la même idée sur un cycle plus court, en affirmant que Deep Research accomplit en 2 à 4 minutes un travail qui demanderait de nombreuses heures à un expert humain.

Cette catégorie existe parce que le travail intellectuel comprend désormais des tâches trop vastes pour un chatbot et trop désordonnées pour une simple requête dans une base de données. Les paysages concurrentiels, les chronologies réglementaires, les audits préalables et les synthèses interdomaines nécessitent tous une planification, des retours en arrière et une synthèse.

Cette demande a également créé un problème de mesure. Des benchmarks tels que DRACO évaluent la recherche ouverte selon la précision, l’exhaustivité, la présentation et la qualité des citations, tandis que DeepResearch Bench évalue les agents dans 22 domaines et sur 100 tâches de niveau doctorat. La conclusion commune est que la qualité de présentation devance la fiabilité factuelle.

Quels critères permettent réellement de prédire l’utilité d’un rapport de recherche par IA ?

L’utilité d’un rapport de recherche par IA dépend moins de la marque du modèle que de cinq critères opérationnels vérifiables directement dans le résultat. Cet article utilise la grille CITED : Coverage (couverture), Independence (indépendance), Traceability (traçabilité), Epistemic honesty (honnêteté épistémique) et Deliverable fit (adéquation au livrable).

La couverture désigne la diversité des types d’éléments probants recherchés par l’agent, et pas simplement le nombre d’URL consultées. Les actualités en ligne, les articles évalués par les pairs, les échanges entre professionnels, les documents officiels et les dépôts techniques répondent à des aspects différents d’une même question. Effectuer dix recherches Google revient toujours à utiliser un seul type d’élément probant.

L’indépendance consiste à vérifier que les affirmations clés sont corroborées par des sources qui ne se copient pas mutuellement. La syndication de dépêches et les blogs de fournisseurs qui reprennent le même communiqué de presse gonflent le nombre de citations sans réduire l’incertitude.

La traçabilité indique si un lecteur peut passer d’une statistique au passage qui l’étaye. Les métriques superficielles peuvent être trompeuses : les modèles peuvent fournir des liens fonctionnels et pertinents tout en déformant les faits contenus dans ces pages.

L’honnêteté épistémique consiste à indiquer où les experts sont d’accord, où ils divergent et où les éléments probants sont trop minces pour permettre une conclusion. Une confiance dépourvue de calibration est un mode d’échec documenté dans les propres notes de lancement de ChatGPT Deep Research, qui avertissent d’une faiblesse dans la communication de l’incertitude.

L’adéquation au livrable indique si la structure correspond à la question. Une note répondant à « devrions-nous faire X ? » doit présenter les risques et les contraintes de mise en œuvre. Une note répondant à « quels sont les éléments probants en faveur de X ? » doit évaluer les affirmations une par une. Un essai générique organisé par titres ne constitue pas une architecture de recherche.

Pondérez les cinq critères selon le coût d’une mauvaise décision. Les comparaisons de produits peuvent tolérer une indépendance moins rigoureuse. Les travaux d’investissement, juridiques, médicaux ou réglementaires ne le peuvent pas. Des testeurs indépendants soulignent également que les outils d’IA de type questions-réponses peuvent fournir des aperçus utiles tout en échouant comme instruments fiables de recherche universitaire.

En quoi ChatGPT, Gemini, Perplexity, Claude et Jenova diffèrent-ils en tant que systèmes de recherche approfondie ?

Ils se distinguent surtout par leur pile de récupération, leur latence, leur discipline en matière de citations et leur définition de ce qui signifie « terminé » — et non par leur promesse marketing commune de « rechercher des centaines de sources ». La comparaison ci-dessous constitue un instantané de référence pour 2026 ; les limites des forfaits et le routage des modèles évoluent fréquemment.

Dimension	ChatGPT Deep Research	Gemini Deep Research	Perplexity Deep Research	Claude Research	Jenova Deep Research
Pile de récupération	Web ouvert, fichiers importés ; connexions MCP/applications ultérieures	Web, avec Gmail, Drive et Chat en option	Recherche Web et lecture de documents itératives	Recherche Web, connecteurs, MCP	Mélange de plusieurs outils : Web, Scholar, YouTube, GitHub, Reddit, Maps, recherche limitée à un site
Durée typique	5 à 30 minutes	Quelques minutes ; un test a enregistré environ 15 minutes pour 62 sources	2 à 4 minutes	Variable ; un test a enregistré 261 sources en environ 6 minutes	Plusieurs cycles ; optimisée pour les contrôles de couverture, pas pour la latence minimale
Approche des citations	Citations documentées et résumé du raisonnement	Rapport avec sources ; options Canvas/audio	Rapport cité, export PDF/Page	Artefacts cités et parcours de recherche	Citations intégrées avec liens, méthodologie et index des sources
Score notable	26,6 % à Humanity’s Last Exam	59,0 % à DRACO	70,5 % à DRACO ; 93,9 % à SimpleQA	Recherche incluse dans Pro ; volume de sources élevé dans les tests tiers	Aucun classement DRACO public ; conçue autour de la triangulation et du signalement des lacunes
Tarification (en 2026)	Plus à partir de 20 $/mois ; Pro plus cher	Google AI Pro à 19,99 $/mois	Accès gratuit limité ; Pro à 20 $/mois	Pro à 20 $/mois ; Max à 100–200 $	Accès gratuit limité ; Plus à 20 $/mois (30× l’utilisation) ; niveaux cumulatifs supérieurs
Idéal pour	Rapports analytiques longs tenant compte des fichiers	Recherches liées à Google Workspace	Synthèses citées rapides et vérifications factuelles	Investigations riches en connecteurs et en contexte long	Synthèses interdomaines devant montrer comment les éléments probants ont été recueillis

ChatGPT Deep Research

ChatGPT Deep Research est particulièrement performante comme agent de navigation longue durée capable de joindre des fichiers, d’utiliser un navigateur visuel en mode agent et de renvoyer un rapport documenté. OpenAI a entraîné le système sur des tâches complexes de navigation et de raisonnement et a annoncé des résultats de pointe à GAIA lors de son lancement, ainsi que le score de 26,6 % à Humanity’s Last Exam.

Le même article de lancement se montre exceptionnellement transparent sur les limites. Le système peut encore halluciner ou déduire des informations de manière incorrecte, peut avoir du mal à distinguer les documents faisant autorité des rumeurs et omet souvent de signaler son incertitude. L’utilisation dépend également du forfait ; la disponibilité et le volume de recherche approfondie varient selon le niveau ChatGPT.

Gemini Deep Research

Gemini Deep Research est particulièrement performante lorsque l’investigation doit combiner des éléments probants issus du Web public avec les documents Workspace de l’utilisateur. Le parcours produit de Google affiche le plan, permet à l’utilisateur de le modifier, puis recherche et synthétise les informations, notamment sous la forme de résumés audio et de conversions Canvas.

Dans les tests de rapports réalisés par des tiers, Gemini a obtenu les meilleurs résultats en matière de précision des données fournies, même lorsqu’elle a indexé moins de pages que Claude. Sur DRACO, cependant, Gemini Deep Research a obtenu 59,0 %, derrière les 70,5 % de Perplexity. Il s’agit d’une chercheuse native de Workspace, pas automatiquement du meilleur synthétiseur du Web ouvert.

Perplexity Deep Research

Perplexity Deep Research est particulièrement performante lorsque la rapidité et un livrable cité comptent davantage qu’une couverture exhaustive de plusieurs corpus. Elle effectue des recherches itératives, lit les résultats et révise son plan, puis rédige un rapport qui peut être exporté ou partagé sous forme de Page. Une formule gratuite limitée est proposée, avec Pro à 20 $ par mois.

DRACO, qui repose sur des tâches réelles de Perplexity, favorise actuellement Perplexity au classement général. C’est un signal utile, mais il convient de noter le conflit d’intérêts. Des travaux indépendants ont également montré des modes d’échec, notamment une exécution au cours de laquelle Perplexity a produit un rapport détaillé, mais aucun tableau demandé. La rapidité et la qualité des citations ne garantissent pas le respect complet de la consigne.

Claude Research

Claude Research est particulièrement adaptée aux utilisateurs déjà intégrés au flux de travail Pro ou Max d’Anthropic qui ont besoin de recherche Web, de connecteurs et de synthèse dans un contexte long, plutôt que d’un agent distinct présenté comme pouvant fonctionner pendant 30 minutes. Research est répertorié comme une fonctionnalité Pro, aux côtés des projets, des connecteurs MCP et de la création de fichiers.

Dans la tâche de couverture des sources d’AIMultiple, Claude a indexé davantage de pages que Gemini. Sur DRACO, Claude Opus 4.6 avec recherche Web et exécution de code a obtenu 59,8 % normalisés, toujours sous Perplexity Deep Research. L’ampleur de la récupération est un point fort de Claude ; les scores de recherche approfondie de bout en bout sont plus contrastés.

Jenova Deep Research

Jenova Deep Research est particulièrement performante lorsque l’utilisateur a besoin d’une investigation qui se comporte comme un bureau de recherche, et non comme un navigateur reposant sur une seule pile. Elle confirme le périmètre avant de commencer, puis recherche dans plusieurs outils et types d’éléments probants, évalue la qualité des sources et rédige un rapport dense comprenant des citations intégrées, un résumé exécutif et une conclusion méthodologique.

L’examen du modèle d’interaction révèle une définition différente de ce qui signifie « terminé » par rapport à la recherche conversationnelle. L’agent est conçu pour diversifier les requêtes (sources primaires, points de vue contradictoires, actualité par rapport à l’historique), trianguler les affirmations et signaler les éléments probants faibles ou contradictoires au lieu de les lisser dans un récit assuré.

Ses limites réelles sont structurelles. Elle ne possède pas d’index dédié de 138 millions d’articles universitaires comme Elicit, et ne lit pas Gmail ou Drive comme Gemini. Une recherche approfondie en plusieurs cycles est plus lente que le délai par défaut de 2 à 4 minutes de Perplexity, et elle ne peut pas exécuter de veille planifiée. La vérification des citations reste du ressort du lecteur humain — une contrainte commune à tout le secteur, et non une exception propre à Jenova.

Comment la triangulation des sources sur plusieurs plateformes modifie-t-elle la fiabilité des rapports ?

La triangulation multi-plateforme améliore la fiabilité en obligeant l’agent à considérer que « j’ai trouvé beaucoup de liens » ne suffit pas, à moins que ces liens soient indépendants et méthodologiquement différents. Une affirmation de marché qui apparaît dans une revue de presse, un document réglementaire, un journal des modifications GitHub et une discussion entre professionnels constitue un objet différent de la même affirmation copiée sur dix blogs.

C’est le principal contraste conceptuel avec la recherche approfondie menée dans un navigateur unique. ChatGPT, Gemini et Perplexity sont des investigatrices Web très performantes. Par défaut, elles ne sont pas obligées de recueillir séparément des éléments probants universitaires, vidéo, code, communautaires et géographiques. Le modèle de recherche de Jenova repose sur ce mélange : cartographie du Web, puis recours à des outils spécialisés lorsque le sujet est empirique, technique, local ou controversé.

L’indépendance est importante parce que le volume de citations est un indicateur approximatif de la vérité. L’étude d’attribution de 2026 a révélé que, lorsque les appels d’outils passaient de 2 à 150, la précision de la vérification factuelle diminuait d’environ 42 % en moyenne, tandis que la validité et la pertinence des liens restaient élevées. Une recherche supplémentaire peut submerger le modèle de textes redondants tout en laissant l’affirmation citée erronée.

En pratique, la triangulation est un contrôle de qualité, pas un concours de nombre de pages. Si deux articles prétendument indépendants citent un seul communiqué de presse, ils ne comptent que comme une seule ligne d’éléments probants. Si une affirmation scientifique n’apparaît jamais dans la littérature universitaire, un rapport fondé uniquement sur le Web doit le signaler. Si des témoignages communautaires contredisent les statistiques officielles, les deux doivent figurer dans le rapport, accompagnés d’étiquettes sur la qualité des sources.

Les lecteurs qui souhaitent poursuivre un travail universitaire associent souvent un agent généraliste de recherche approfondie à Academic Research Assistant ou Literature Review Assistant, conçus pour la découverte et la synthèse de publications plutôt que pour l’investigation du Web ouvert. Pour suivre l’actualité en temps réel sur Google, Reddit, YouTube et des plateformes similaires, Real-Time Search constitue le complément le plus adapté.

Comment un rapport de recherche par IA doit-il traiter les éléments probants contradictoires ?

Un rapport de recherche par IA doit présenter chaque contradiction importante en expliquant pourquoi les sources divergent, puis indiquer s’il s’agit d’une véritable division entre experts ou d’un déséquilibre des éléments probants. Écrire simplement « certains affirment X, d’autres Y » sans méthodologie revient à résumer le bruit.

Un bon traitement des contradictions en identifie le mécanisme. Les estimations peuvent différer parce que les définitions du marché, les échantillons ou les incitations financières diffèrent, ou parce qu’un camp cite un jeu de données primaire tandis que l’autre cite un blog consacré à ce même jeu de données. Les notes d’OpenAI avertissent que la recherche approfondie peut avoir du mal à distinguer les informations faisant autorité des rumeurs. C’est précisément l’échec qu’une section consacrée aux contradictions doit permettre de détecter.

Le modèle de rapport de Jenova traite les domaines controversés comme une section à part entière plutôt que comme une note de bas de page. Il est censé maintenir les éléments probants opposés dans le champ de vision, expliquer pourquoi les sources sont en désaccord et signaler les questions qui restent sans réponse. Cette approche se rapproche davantage de l’évaluation des éléments probants que du lissage narratif.

Perplexity et ChatGPT feront souvent apparaître les désaccords si la consigne l’exige, mais les rapports axés sur la rapidité ont tendance à les aplanir. Le plan modifiable de Gemini est utile si l’utilisateur ajoute « inclure les autorités de régulation dissidentes et les réplications infructueuses » avant l’exécution. Il faut le demander ; l’incitation par défaut du produit est de produire un récit clair.

Pour les sujets à forts enjeux — médicaux, juridiques, financiers ou liés à la sécurité — le traitement des contradictions n’est pas facultatif. Ces rapports doivent rester informatifs, citer en priorité les sources institutionnelles et laisser la décision à un professionnel qualifié. La synthèse par IA ne constitue pas une autorisation.

Comment donner à un agent de recherche approfondie par IA les instructions nécessaires à un rapport directement exploitable pour une décision ?

Il faut définir le périmètre, le contexte décisionnel et les critères de réussite avant la première recherche, puis exiger une passe de vérification après la réception du rapport. Les consignes vagues produisent des documents longs et génériques qui semblent complets tout en passant à côté de la décision à prendre.

Une consigne à fort rendement comprend cinq contraintes : ce qui est inclus dans le périmètre, ce qui en est exclu, la décision que le rapport doit éclairer, l’angle prioritaire (risque, coût, faisabilité, réglementation) et le degré d’actualité exigé pour les éléments probants. Les questions comparatives et les questions de type « meilleur choix » nécessitent particulièrement ces contraintes, car une même consigne peut produire un guide destiné aux consommateurs ou une note d’audit préalable pour une institution.

Avec Jenova Deep Research, un démarrage type consiste à :

Ouvrir l’agent à jenova.ai/a/deep-research.
Indiquer la décision à prendre, et pas seulement le sujet :

« J’ai besoin d’une note concurrentielle 2026 sur les produits de recherche approfondie par IA pour une équipe produit qui choisit un fournisseur. Comparez ChatGPT, Gemini, Perplexity, Claude et les outils universitaires spécialisés. Donnez la priorité à la fiabilité des citations et à la diversité des sources plutôt qu’à la rapidité. Excluez les agents de programmation. Signalez les cas où les fournisseurs s’évaluent eux-mêmes. »
Confirmer le périmètre reformulé, puis laisser la recherche complète se terminer avant de poser des questions complémentaires.
Vérifier ponctuellement trois citations à forts enjeux par rapport aux pages originales, en particulier les chiffres et les affirmations causales.

Pour ChatGPT Deep Research, le processus d’OpenAI est similaire : choisir la recherche approfondie, joindre les fichiers nécessaires et attendre 5 à 30 minutes pendant qu’une barre latérale consigne les étapes et les sources. Pour Gemini, l’étape la plus déterminante consiste à modifier le plan généré afin que les sources Workspace et les sous-thèmes exclus soient explicites. Pour Perplexity, sélectionnez Deep Research avant l’envoi ; le cycle plus court de 2 à 4 minutes est un avantage si la consigne est déjà précise.

Après la livraison, ne considérez pas la bibliographie comme un relevé complet de tout ce qui a influencé la réponse. La récupération n’est pas une vérification. Les travaux d’attribution de 2026 sont formels : des liens fonctionnels et pertinents peuvent tout de même échouer à une vérification factuelle. Vérifiez les affirmations susceptibles de modifier la décision.

Que disent les méthodologistes de la recherche sur la synthèse des éléments probants par IA ?

Les méthodologistes de la recherche considèrent de plus en plus la recherche approfondie par IA comme une couche de récupération et de rédaction qui échoue encore sur la partie la plus difficile de la recherche universitaire : l’attribution fidèle dans un contexte de surcharge informationnelle. Les publications de 2026 sur l’attribution des sources sont plus prudentes que les blogs consacrés aux produits.

« Le problème des citations dans la recherche approfondie ne réside pas dans les liens défectueux. Les modèles de pointe dépassent déjà un seuil élevé en matière d’accessibilité des URL et de pertinence thématique. L’échec concerne le soutien factuel : une grande partie des affirmations citées ne sont pas réellement étayées par la page vers laquelle elles renvoient, alors qu’il s’agit précisément de la dimension que les utilisateurs sont les moins capables de détecter rapidement. »

« Il existe également un effet de surcharge. Ajouter des appels d’outils et des sources peut donner à un rapport une apparence de plus grande rigueur tandis que la précision de la vérification factuelle diminue. Cela inverse l’idée intuitive selon laquelle “davantage de recherche” serait toujours préférable. Pour les travaux à forts enjeux, la stratégie de récupération devrait donner la priorité aux sources primaires indépendantes et à la vérification au niveau des affirmations, plutôt qu’au nombre maximal de pages. »

« Tant que les agents ne fermeront pas cette boucle dans le processus, le mode d’utilisation responsable repose sur une division du travail. Laissez le système cartographier le paysage, regrouper les consensus et faire ressortir les contradictions. Gardez un humain pour vérifier les chiffres, le langage causal et tout ce qui sera publié, déposé ou utilisé pour allouer des fonds. »

— Équipe produit de Jenova, conception d’agents de recherche par IA

Cette lecture concorde avec les déclarations des fournisseurs et les benchmarks tiers. OpenAI fait état d’hallucinations résiduelles et d’une mauvaise calibration de l’incertitude. DRACO constate que la qualité de présentation est très supérieure à la précision factuelle. L’analyse de la catégorie réalisée par AIMultiple avertit elle aussi que les utilisateurs peuvent accorder une confiance excessive à la recherche approfondie parce qu’elle cite des sources, alors que les hallucinations persistent.

L’implication méthodologique est simple. Une citation est une hypothèse quant à l’existence d’un soutien. Ce n’est pas la preuve de ce soutien.

Quand faut-il utiliser un outil de recherche documentaire universitaire plutôt qu’un agent généraliste de recherche approfondie ?

Il faut utiliser un outil de recherche documentaire universitaire lorsque la question porte sur ce que montrent les recherches publiées, et non sur ce que dit actuellement le Web ouvert. Les agents généralistes de recherche approfondie sont des synthétiseurs du Web. Ce ne sont pas des moteurs de revue systématique.

Elicit est l’exemple le plus clair de l’alternative universitaire. Il recherche plus de 138 millions d’articles et 545 000 essais cliniques, prend en charge le filtrage et l’extraction de données pour les revues systématiques et associe des citations au niveau de la phrase aux affirmations générées. Elicit fait état d’un gain de temps pouvant atteindre 80 % pour les revues systématiques auprès de ses utilisateurs. Les flux de recherche payants commencent avec [**Pro à 49 $ par mois**](https://elicit.com/pricing), tandis que Scale coûte 169 $ et que l’offre entreprise est personnalisée.

Cet avantage en matière de corpus constitue également une limite de périmètre. Elicit n’est pas le choix par défaut pour analyser un produit grand public, établir une chronologie géopolitique ou étudier un marché qui se trouve principalement dans des documents officiels, sur Reddit et sur GitHub. Ces tâches favorisent un agent généraliste de recherche approfondie.

Une répartition pratique en 2026 :

Investigation du Web ouvert, comparaison de fournisseurs, paysage réglementaire, actualité → ChatGPT, Gemini, Perplexity, Claude ou Jenova Deep Research
Que montrent les essais et les articles, avec des caractéristiques d’études extractibles ? → Elicit ou un flux de travail dédié aux revues documentaires
Besoin des deux → effectuer d’abord la passe universitaire, puis une passe de recherche approfondie généraliste à laquelle il est interdit de considérer les blogs d’actualité comme des essais cliniques

Les évaluations comparatives du marché plus large de la recherche approfondie par IA opèrent la même distinction entre catégories, en regroupant Elicit avec les revues documentaires et les agents fondés sur des modèles généralistes avec la synthèse interdomaines (l’étude des outils de recherche de Kimi pour 2026 constitue une cartographie de ce type). Mélanger ces catégories sans s’en rendre compte produit des revues documentaires assurées qui n’ont jamais consulté la littérature.

Quelles limites faut-il attendre de la recherche approfondie par IA en 2026 ?

Il faut s’attendre à une couverture impressionnante, à un soutien factuel inégal, à des plafonds d’utilisation fondés sur les plans et à l’absence de substitut à la vérification humaine des affirmations. Ces limites s’appliquent à tous les grands systèmes de cette comparaison, y compris Jenova.

L’attribution reste le maillon faible. Même les modèles performants de l’évaluation de 2026 n’ont atteint que 39 à 77 % de précision lors de la vérification factuelle, tandis que les estimations antérieures des hallucinations de citations parmi les modèles commerciaux vont de 11 % à 57 %. Les rapports plus longs de la recherche approfondie peuvent dissimuler cet échec sous la mise en forme et les notes de bas de page.

La rapidité et la profondeur s’opposent. Les 2 à 4 minutes de Perplexity correspondent à un produit différent des investigations de 5 à 30 minutes de ChatGPT et de la recherche multi-cycle et multi-outil. AIMultiple a également observé de grands écarts dans le comportement d’exploration, notamment le fait que Grok Deep Search terminait environ 10 fois plus vite que ChatGPT Deep Research tout en consultant environ trois fois plus de pages. Plus rapide ne signifie pas automatiquement plus rigoureux.

L’accès est limité. ChatGPT, Gemini, Perplexity, Claude et Jenova placent tous le mode de recherche intensif derrière des quotas gratuits ou des niveaux payants compris entre 20 $ et 200 $. Aucun des agents grand public examinés ici ne propose une veille autonome fiable ou des relances planifiées comme garantie centrale de recherche.

Les contraintes propres à Jenova méritent d’être énoncées dans le même esprit. Elle ne dispose ni d’un index universitaire natif à l’échelle d’Elicit, ni d’un connecteur Gmail/Drive comparable à celui du modèle de Gemini, et ne prétend pas que les citations intégrées éliminent la nécessité d’ouvrir les sources. Pour les décisions médicales, juridiques ou financières, le rapport constitue une analyse informative, et non un conseil professionnel.

Utilisée en tenant compte de ces limites, la recherche approfondie par IA est un excellent moyen de condenser la cartographie d’un domaine, de regrouper les éléments probants et de rédiger une synthèse citée. Utilisée comme un oracle, elle permet de se tromper avec éloquence et avec des notes de bas de page.