Deep research : comment un agent IA cherche à votre place, et ce qu’il fait de vos pages

Vous posez une question à ChatGPT, il répond en huit secondes. Vous activez le mode « deep research », il part pour plusieurs minutes. Entre les deux, ce n’est pas la même machine qui tourne.

Une réponse instantanée n’ouvre presque jamais de page

Commençons par le point de comparaison, parce qu’il est contre-intuitif.

En juillet 2026, l’agence RESONEO a démonté le circuit de récupération de ChatGPT — 1 200 réponses capturées, 88 000 résultats de recherche, 26 900 pages distinctes. Son constat, publié le 17 août 2026 : « No page gets opened (zero pages opened in 93 % of instant answers we captured). » (« Aucune page n’est ouverte : zéro page ouverte dans 93 % des réponses instantanées que nous avons capturées. »)

Autrement dit, quand ChatGPT vous répond vite, il travaille dans l’immense majorité des cas sur des extraits — environ 200 caractères issus de son index interne, environ 160 caractères pour des résultats Google récupérés par des prestataires tiers. Il ne va pas sur votre page. Il lit la vignette.

Le mode deep research fait l’inverse. Et là, on dispose mieux que d’une promesse commerciale : d’une mesure. En juin 2026, l’éditeur Peec AI a fait tourner Deep Research sur plus de dix comptes, une vingtaine de requêtes chacun, et lu les journaux de session. Résultat, sur la longueur du texte récupéré à chaque ouverture de page : environ 5 700 caractères à la première lecture, environ 6 200 à la relecture. À comparer aux ~200 caractères d’un extrait de réponse instantanée.

C’est le premier basculement à retenir : le deep research est le mode où un moteur IA ouvre vraiment vos pages, et en lit une part substantielle.

La boucle en quatre temps

Un moteur de recherche classique fait un aller simple : votre question entre, une liste sort. Les articles précédents de cette série ont détaillé chaque étage de ce trajet — comment votre question est découpée en plusieurs recherches, comment les classements obtenus sont fusionnés, comment votre texte est transformé en nombres pour être comparé à la question.

Un agent de deep research — un programme qui décide lui-même de ses prochaines actions, par opposition à une suite d’étapes écrite d’avance — fait autre chose : il boucle.

Google le résume en cinq mots dans la documentation de son API : « Plan -> Search -> Read -> Iterate -> Output » (« Planifier → Chercher → Lire → Recommencer → Produire »). Et le détaille sur son blog développeurs : « Deep Research iteratively plans its investigation – it formulates queries, reads results, identifies knowledge gaps, and searches again. » (« Deep Research planifie son investigation de façon itérative — il formule des requêtes, lit les résultats, repère les manques dans ses connaissances, et cherche à nouveau. »)

Le membre de phrase qui compte est identifies knowledge gaps, « repère les manques ». C’est là que se joue toute la différence. L’agent ne déroule pas une liste de recherches prévue à l’avance : il lit ce qu’il a trouvé, constate qu’il lui manque quelque chose, et repart chercher précisément ce qui manque.

Perplexity décrit le même mécanisme : son agent « iteratively searches, reads documents, and reasons about what to do next » (« cherche de façon itérative, lit des documents, et raisonne sur ce qu’il faut faire ensuite »).

Chez Anthropic, l’architecture est explicitement éclatée : « Our Research system uses a multi-agent architecture with an orchestrator-worker pattern, where a lead agent coordinates the process while delegating to specialized subagents that operate in parallel. » (« Notre système Research utilise une architecture multi-agents avec un motif orchestrateur-exécutants, où un agent chef coordonne le processus tout en déléguant à des sous-agents spécialisés qui travaillent en parallèle. ») Un chef d’orchestre, donc, et des exécutants qui cherchent chacun de leur côté.

Et la justification, qui est la meilleure définition en une phrase de ce qu’est une tâche de recherche : « Research work involves open-ended problems where it’s very difficult to predict the required steps in advance. You can’t hardcode a fixed path for exploring complex topics, as the process is inherently dynamic and path-dependent. » (« Le travail de recherche porte sur des problèmes ouverts, où il est très difficile de prévoir à l’avance les étapes nécessaires. On ne peut pas coder en dur un chemin fixe pour explorer des sujets complexes : le processus est par nature dynamique et dépendant du chemin parcouru. »)

C’est aussi la ligne de partage que trace la littérature académique. Une synthèse de juin 2025 sur les agents de recherche approfondie distingue les systèmes à flux statique, qui « rely on manually predefined task pipelines » (« reposent sur des chaînes de traitement définies manuellement à l’avance »), des systèmes à flux dynamique, qui « support adaptive task planning, allowing agents to dynamically reconfigure task structures based on iterative feedback » (« permettent une planification adaptative, où l’agent reconfigure la structure des tâches à partir des retours obtenus au fil des itérations »). Les produits grand public relèvent du second cas.

Comment l’agent dose son effort

C’est la question que personne ne pose et à laquelle un seul éditeur répond publiquement. Anthropic explique avoir renoncé à laisser l’agent juger seul : « Agents struggle to judge appropriate effort for different tasks, so we embedded scaling rules in the prompts. » (« Les agents ont du mal à évaluer l’effort approprié selon les tâches, nous avons donc intégré des règles de dimensionnement dans les consignes. »)

Et la règle en question, chiffrée : « Simple fact-finding requires just 1 agent with 3-10 tool calls, direct comparisons might need 2-4 subagents with 10-15 calls each, and complex research might use more than 10 subagents with clearly divided responsibilities. » (« Une simple recherche de fait ne demande qu’un agent et 3 à 10 appels d’outils ; une comparaison directe, 2 à 4 sous-agents avec 10 à 15 appels chacun ; une recherche complexe, plus de 10 sous-agents aux responsabilités clairement réparties. »)

Ce n’est pas une condition d’arrêt — l’agent n’y trouve pas le signal « j’en sais assez » — mais c’est un budget d’effort écrit à la main. À ce jour, c’est ce qui existe de plus proche d’une réponse publique à la question « quand s’arrête-t-il ? ».

Un modèle de raisonnement, en plus entraîné à naviguer

Confusion fréquente, et elle mérite d’être levée sans caricature : « raisonnement » et « deep research » ne s’opposent pas, ils s’empilent.

Un modèle de raisonnement produit une longue chaîne de réflexion interne avant de répondre. Un agent de deep research part du même socle et y ajoute la capacité d’agir : cliquer, faire défiler, ouvrir un fichier.

OpenAI le dit dans la même page, deux fois. Le socle d’abord : « Powered by a version of the upcoming OpenAI o3 model that’s optimized for web browsing and data analysis, it leverages reasoning to search, interpret, and analyze massive amounts of text, images, and PDFs on the internet, pivoting as needed in reaction to information it encounters. » (« Alimenté par une version du futur modèle OpenAI o3 optimisée pour la navigation web et l’analyse de données, il s’appuie sur le raisonnement pour chercher, interpréter et analyser d’énormes quantités de texte, d’images et de PDF sur internet, en changeant de direction au besoin selon les informations rencontrées. »)

L’entraînement ensuite : « it was trained on real-world tasks requiring browser and Python tool use, using the same reinforcement learning methods behind OpenAI o1, our first reasoning model. » (« il a été entraîné sur des tâches réelles nécessitant l’usage d’un navigateur et de Python, avec les mêmes méthodes d’apprentissage par renforcement que celles derrière OpenAI o1, notre premier modèle de raisonnement. ») L’apprentissage par renforcement, c’est l’entraînement par essai-erreur récompensé : le modèle tente, on lui dit si le résultat est bon, il recommence.

Même chose dans la fiche de sécurité du produit : « The model learned the core browsing capabilities (searching, clicking, scrolling, interpreting files) » (« Le modèle a appris les capacités de navigation de base : chercher, cliquer, faire défiler, interpréter des fichiers »).

Une réserve importante, que la fiche de sécurité pose elle-même : « we do not allow deep research to navigate to or construct arbitrary URLs » (« nous n’autorisons pas deep research à naviguer vers des URL arbitraires ni à en fabriquer »). L’agent ne devine pas d’adresses. Il suit ce que ses recherches lui rapportent.

Les budgets réels, publiés par les éditeurs

C’est la partie la plus concrète, et elle est mieux documentée qu’on ne l’imagine. Un token est l’unité que manipulent ces modèles — environ trois quarts d’un mot en anglais, un peu moins en français.

Produit	Durée annoncée	Requêtes de recherche	Tokens en entrée	Tokens en sortie
ChatGPT deep research	« 5 to 30 minutes » (5 à 30 min)	non publié	non publié	non publié
Gemini Deep Research (API)	60 min maximum ; « most tasks… within 20 minutes » (la plupart en moins de 20 min)	« ~80 search queries » (~80 requêtes)	« ~250k », dont 50 à 70 % servis depuis le cache	« ~60k »
Gemini Deep Research Max (API)	non publié	« ~160 search queries » (~160 requêtes)	« ~900k », même part de cache annoncée	« ~80k »
Perplexity Deep Research	« 2-4 minutes », « under 3 minutes » (moins de 3 min)	« dozens of searches » (des dizaines)	non publié	non publié

Deux précisions de méthode, parce qu’elles changent la lecture du tableau :

• La limite de 60 minutes figure dans la documentation de l’API Gemini. Une autre page, celle de Gemini Enterprise Agent Platform, mentionne une limite d’exécution de 120 minutes — mais elle décrit un produit différent, ne nomme que le modèle deep-research-preview-04-2026, et ne parle nulle part de « Deep Research Max ». Les deux chiffres ne se comparent pas.
• Les tokens en entrée sont annoncés avec « 50 à 70 % en cache », c’est-à-dire du contexte renvoyé au modèle à chaque tour plutôt que de la matière nouvelle. Les 900 000 tokens d’un rapport Max ne sont donc pas 900 000 tokens de contenu distinct : c’est un volume de traitement, pas un volume de lecture.

Anthropic donne le facteur multiplicateur, qui est la façon la plus parlante de dire le coût : « agents typically use about 4× more tokens than chat interactions, and multi-agent systems use about 15× more tokens than chats. » (« les agents consomment typiquement environ 4 fois plus de tokens qu’une conversation, et les systèmes multi-agents environ 15 fois plus. ») Et la contrepartie, dans la même page : « For economic viability, multi-agent systems require tasks where the value of the task is high enough to pay for the increased performance. » (« Pour être économiquement viables, les systèmes multi-agents exigent des tâches dont la valeur justifie le surcoût de performance. »)

Quinze fois. C’est le prix de la boucle, et l’éditeur reconnaît lui-même qu’il ne se justifie pas partout.

Chercher plus longtemps marche — jusqu’à un certain point

Le gain est mesuré, et le chiffre est spectaculaire.

BrowseComp est un test publié par OpenAI en avril 2025 : 1 266 questions dont la réponse est facile à vérifier mais très difficile à trouver. Un banc d’essai, c’est-à-dire un test standardisé qui permet de comparer des modèles entre eux. La seconde colonne mesure l’erreur de calibration : l’écart entre la confiance qu’un modèle affiche et sa justesse réelle. Un modèle bien calibré qui se dit sûr à 90 % a raison 9 fois sur 10.

Modèle	Précision	Erreur de calibration
GPT-4o	0,6 %	69 %
GPT-4o avec navigation	1,9 %	82 %
GPT-4.5	0,9 %	68 %
OpenAI o1 (raisonnement, sans navigation)	9,9 %	65 %
Deep Research	51,5 %	91 %

Trois lectures, et elles ne disent pas la même chose.

1. Ajouter la navigation à un modèle ordinaire ne suffit pas : GPT-4o passe de 0,6 % à 1,9 %. Le web seul ne fait pas le travail.
2. Le raisonnement seul fait déjà beaucoup : o1, sans aucun accès au web, atteint 9,9 %. Seize fois GPT-4o, sans une seule page ouverte.
3. Le saut à 51,5 % n’est donc pas attribuable à un seul facteur. Entre la deuxième ligne et la dernière, trois choses changent en même temps : le modèle de base (une version d’o3, plus fort qu’o1 et que GPT-4o), un entraînement dédié par renforcement, et la boucle. Aucune source publique n’isole la contribution de chacun.

Ce qui est en revanche documenté, c’est l’effet du temps accordé : « we see that performance scales smoothly as a function of the amount of test-time compute used » (« nous constatons que la performance progresse régulièrement en fonction de la quantité de calcul consacrée au moment du test »). Plus l’agent a le droit de chercher longtemps, plus il trouve. C’est ce qui justifie l’attente.

Pour situer la difficulté du test : sur 1 255 questions tentées par des humains entraînés, 888 ont été abandonnées au bout de deux heures — 70,8 %.

Les auteurs poussent le raisonnement plus loin : en générant 64 réponses par question et en sélectionnant la meilleure selon trois méthodes différentes, « the three methods improve performance by 15 % to 25 % compared to just using a single attempt » (« les trois méthodes améliorent la performance de 15 % à 25 % par rapport à une tentative unique »).

Du côté de Google, les scores annoncés vont dans le même sens : « Gemini Deep Research achieves state-of-the-art 46.4 % on the full Humanity’s Last Exam (HLE) set, 66.1 % on DeepSearchQA and a high 59.2 % on BrowseComp » (« Gemini Deep Research atteint un niveau record de 46,4 % sur le jeu complet de Humanity’s Last Exam, 66,1 % sur DeepSearchQA et un solide 59,2 % sur BrowseComp »). Humanity’s Last Exam est une batterie de questions d’expert conçue pour rester hors de portée des modèles ; DeepSearchQA, un jeu de tâches à chaîne causale. Réserve de méthode, à lire sur la même page : elle porte aussi une note précisant que certains résultats — ceux du graphique consacré à la montée en charge — ont été calculés sur un sous-ensemble de 200 questions. Les 46,4 % de HLE, eux, sont explicitement annoncés sur le jeu complet.

Mais « plus longtemps » a une limite, et c’est l’objet de la section suivante.

Le revers : les citations tiennent mieux que les faits

C’est ici que l’article prend son intérêt, et c’est aussi la partie la moins connue.

Premier signal, et il vient d’OpenAI : regardez la deuxième colonne du tableau BrowseComp. Deep Research est à la fois le plus précis (51,5 %) et le plus mal calibré (91 % d’erreur de calibration). Le modèle qui trouve le mieux est aussi celui dont la confiance affichée renseigne le moins.

OpenAI l’annonce d’ailleurs directement dans les limitations du produit : « It may struggle with distinguishing authoritative information from rumors, and currently shows weakness in confidence calibration, often failing to convey uncertainty accurately. » (« Il peut avoir du mal à distinguer une information faisant autorité d’une rumeur, et présente actuellement une faiblesse de calibration de la confiance, échouant souvent à transmettre l’incertitude avec justesse. »)

Deuxième signal, plus récent. Une équipe de PricewaterhouseCoopers a publié le 7 mai 2026 une préimpression — un article scientifique diffusé avant relecture par les pairs — évaluant 14 modèles sur 130 questions de recherche. Le constat : « These findings reveal a critical disconnect between surface-level citation quality and factual reliability. » (« Ces résultats révèlent un décalage critique entre la qualité apparente des citations et la fiabilité factuelle. »)

Concrètement : les liens fonctionnent (au-delà de 94 % pour les meilleurs modèles), le contenu cité est bien dans le sujet (au-delà de 80 %), mais la vérification factuelle proprement dite tombe entre 39 % et 77 %. Le lien est là ; ce qu’il est censé prouver, pas toujours.

Et l’observation qui répond à la section précédente : « Fact Check accuracy drops by approximately 42 % on average across two frontier models as tool calls scale from 2 to 150. » (« La précision de la vérification factuelle chute d’environ 42 % en moyenne sur deux modèles de pointe quand le nombre d’appels d’outils passe de 2 à 150. ») Chercher plus longtemps fait trouver davantage, et fait citer moins juste. Les deux effets coexistent ; ils ne se compensent pas.

Périmètre à déclarer : cette étude n’évalue pas ChatGPT, Gemini ou Perplexity. Les auteurs construisent leurs propres agents sur des API — « For each query, a deep research agent with web search capabilities generates a Markdown response with inline citations » — avec leur propre consigne de citation. Le résultat porte sur des assemblages comparables aux produits, pas sur les produits.

Troisième signal, publié le 25 août 2026. Une équipe universitaire a cherché où, dans la chaîne, l’erreur naît. Leur image est parlante : « information passes through agents like a telephone game, and both content and citations can get corrupted along the way » (« l’information passe d’un agent à l’autre comme dans un téléphone arabe, et le contenu comme les citations peuvent se corrompre en chemin »).

Leur résultat principal, sur un système open source nommé AI-Q : « We find that 84.7 % of final-report errors in AI-Q originate at the orchestrator, roughly 31 % of them hallucinations and the rest citation mistakes. » (« Nous constatons que 84,7 % des erreurs du rapport final d’AI-Q proviennent de l’orchestrateur, dont environ 31 % d’hallucinations — des affirmations inventées de toutes pièces — et le reste d’erreurs de citation. ») Et, à l’inverse : « Almost every agent makes a lot of mistakes with the exception being those that summarize a single document. » (« Presque tous les agents commettent beaucoup d’erreurs, à l’exception de ceux qui résument un seul document. »)

Périmètre, là aussi : trois systèmes open source, pas les produits grand public, dont les architectures internes ne sont pas publiques. Ces travaux ne prouvent rien sur ChatGPT ou Gemini. Ils montrent en revanche où se situe structurellement la fragilité d’un dispositif multi-agents : pas chez celui qui lit une page, mais chez celui qui recolle les morceaux.

Lu n’est pas cité

Voilà le point que tout éditeur de site devrait retenir, et il est mesuré.

L’étude Peec AI de juin 2026 a relevé la profondeur des recherches successives d’un même rapport : jusqu’à 10 résultats examinés sur les requêtes d’ouverture, exploratoires ; 3 en régime de croisière, une fois que l’agent s’est orienté ; 2 quand il vérifie un fait précis. L’entonnoir se resserre au fil de la boucle.

Et la conclusion, en toutes lettres : « the agent reads far more pages than it cites » (« l’agent lit bien plus de pages qu’il n’en cite »), sous un intertitre qui dit l’essentiel — « Being read is not the same as being cited » (« être lu n’est pas la même chose qu’être cité »).

Le rapport exact entre les deux n’est publié nulle part. Mais la conséquence pratique est claire : dans ce mode, votre page a d’abord un problème d’accès, ensuite un problème de sélection. Les deux se traitent différemment.

Votre robots.txt protège-t-il votre site d’un deep research ?

C’est la question la plus actionnable de l’article, et la réponse n’est pas la même chez les deux éditeurs. Rappel : le robots.txt est un fichier posé à la racine d’un site, qui indique aux robots ce qu’ils ont le droit d’explorer.

Chez Google : la documentation dit non

Google classe ses robots en trois familles. Les agents relèvent des user-triggered fetchers, les récupérateurs déclenchés par un utilisateur. Le paragraphe d’introduction de cette page est sans ambiguïté :

User-triggered fetchers are initiated by users to perform a fetching function within a Google product. […] Because the fetch was requested by a user, these fetchers generally ignore robots.txt rules.

(« Les récupérateurs déclenchés par l’utilisateur sont initiés par des utilisateurs pour effectuer une récupération à l’intérieur d’un produit Google. […] Parce que la récupération a été demandée par un utilisateur, ces récupérateurs ignorent généralement les règles du robots.txt. »)

Dans cette liste figure Google-Agent, décrit ainsi : « Google-Agent is used by agents hosted on Google infrastructure to navigate the web and perform actions upon user request. » (« Google-Agent est utilisé par les agents hébergés sur l’infrastructure Google pour naviguer sur le web et effectuer des actions à la demande de l’utilisateur. ») Google ne nomme nulle part le mode Deep Research dans cette page : que ce soit bien ce robot-là qui passe est une déduction, pas une documentation.

Chez OpenAI : la documentation dit non, la mesure dit oui

La page des robots d’OpenAI décrit ChatGPT-User dans des termes presque identiques à ceux de Google :

ChatGPT-User is not used for crawling the web in an automatic fashion. Because these actions are initiated by a user, robots.txt rules may not apply. ChatGPT-User is not used to determine whether content may appear in Search. Please use OAI-SearchBot in robots.txt for managing Search opt outs and automatic crawl.

(« ChatGPT-User n’est pas utilisé pour explorer le web de façon automatique. Parce que ces actions sont initiées par un utilisateur, les règles du robots.txt peuvent ne pas s’appliquer. ChatGPT-User n’est pas utilisé pour déterminer si un contenu peut apparaître dans Search. Utilisez OAI-SearchBot dans le robots.txt pour gérer les exclusions de Search et l’exploration automatique. »)

D’où la déduction que fait à peu près tout le monde : un deep research est déclenché par un utilisateur, donc il passe outre le robots.txt.

La mesure dit autre chose. En lisant les journaux de session, Peec AI a relevé le message d’erreur que renvoie l’agent quand une page lui est refusée : L0: Fetch denied by robots.txt (OAI-SearchBot). Et son commentaire, en toutes lettres : « Note the user-agent: OAI-SearchBot is the one Deep Research’s fetch obeys. » (« Notez l’agent utilisateur : OAI-SearchBot est celui auquel obéit la récupération de Deep Research. ») D’où la recommandation qui en découle : « Start by unblocking OAI-SearchBot in robots.txt and at your CDN/WAF. » (« Commencez par débloquer OAI-SearchBot dans votre robots.txt et au niveau de votre CDN ou pare-feu applicatif. »)

Cette observation est reproductible mais jamais confirmée par OpenAI, et elle porte sur des comptes en offre gratuite. Prenez-la pour ce qu’elle est : la seule mesure publique disponible, contre une déduction que la documentation rend plausible mais n’affirme pas.

Ce qu’il faut en faire

1. Ne confondez pas les robots. OpenAI en documente quatre — GPTBot pour l’entraînement, OAI-SearchBot pour la recherche, ChatGPT-User pour les actions utilisateur, OAI-AdsBot pour les publicités — et le dit lui-même : « a webmaster can allow OAI-SearchBot in order to appear in search results while disallowing GPTBot » (« un webmestre peut autoriser OAI-SearchBot afin d’apparaître dans les résultats de recherche tout en interdisant GPTBot »). Bloquer GPTBot ne vous retire pas des réponses ; bloquer OAI-SearchBot, si.
2. Vérifiez que OAI-SearchBot est autorisé — dans le robots.txt, mais aussi au niveau du CDN ou du pare-feu, où beaucoup de blocages passent inaperçus. Si le sujet vous est nouveau, le guide d’optimisation du fichier robots.txt publié sur ce blog couvre les bases.
3. Comptez 24 heures. OpenAI précise : « For search results, please note it can take ~24 hours from a site’s robots.txt update for our systems to adjust. » (« Pour les résultats de recherche, notez qu’il peut s’écouler environ 24 heures entre la mise à jour du robots.txt d’un site et l’ajustement de nos systèmes. ») La restriction est explicite : ce délai concerne les résultats de recherche.
4. Côté Google, la doctrine reste l’inverse, et aucune mesure équivalente n’a été publiée à ce jour sur Google-Agent.

Le tri : documenté, déduit, observé, inconnu

Affirmation	Statut	Source ou raison
Un agent de deep research boucle : planifier, chercher, lire, repérer les manques, recommencer	Documenté	Google API : « Plan -> Search -> Read -> Iterate -> Output » ; blog Google : « identifies knowledge gaps, and searches again »
Un rapport Gemini Deep Research consomme environ 80 requêtes et ~250k tokens en entrée, dont 50 à 70 % de cache	Documenté	Documentation Gemini API, section estimation de ressources
Un système multi-agents consomme environ 15 fois plus de tokens qu’une conversation	Documenté	Anthropic, How we built our multi-agent research system
L’effort d’un agent chef est dimensionné par une règle écrite à la main : 1 agent et 3-10 appels pour un fait simple, plus de 10 sous-agents pour une recherche complexe	Documenté	Anthropic, même page : « we embedded scaling rules in the prompts »
Deep research est alimenté par une version d’o3 et entraîné par renforcement sur des tâches de navigation	Documenté	OpenAI : « Powered by a version of the upcoming OpenAI o3 model… » et « trained on real-world tasks requiring browser and Python tool use »
Sur BrowseComp, GPT-4o obtient 0,6 %, o1 9,9 %, et Deep Research 51,5 % — avec 91 % d’erreur de calibration pour ce dernier	Documenté	OpenAI, BrowseComp, tableau 3, cellule par cellule
La part attribuable à la boucle seule dans l’écart 1,9 % → 51,5 %	Non documenté	Trois variables changent simultanément ; aucune source ne les sépare
Les récupérations Google déclenchées par un utilisateur ignorent généralement le robots.txt	Documenté	Google Search Central, page User-triggered fetchers, paragraphe d’introduction
Chez OpenAI, les règles du robots.txt « peuvent ne pas s’appliquer » aux actions déclenchées par un utilisateur	Documenté	OpenAI, page Bots, section ChatGPT-User
Le robot qui passe pendant un deep research est Google-Agent (côté Google)	Déduit	La définition couvre le cas ; la page ne nomme pas Deep Research
Chez OpenAI, la récupération d’un deep research s’identifie comme OAI-SearchBot et obéit au robots.txt	Observé, non documenté par l’éditeur	Peec AI, 22/06/2026, journaux de session sur 10+ comptes : L0: Fetch denied by robots.txt (OAI-SearchBot). Reproductible, jamais confirmé par OpenAI, relevé sur l’offre gratuite
Un deep research lit ~5 700 caractères par page ouverte, contre ~200 pour un extrait de réponse instantanée	Observé, non documenté par l’éditeur	Peec AI (22/06/2026) pour le premier chiffre, RESONEO (17/08/2026) pour le second. Deux mesures tierces, deux dispositifs différents
Une réponse instantanée de ChatGPT n’ouvre aucune page dans 93 % des cas	Observé, non documenté par l’éditeur	RESONEO, 1 200 réponses capturées. Ne porte que sur les réponses instantanées
L’agent lit beaucoup plus de pages qu’il n’en cite	Observé, non documenté par l’éditeur	Peec AI : « the agent reads far more pages than it cites » — sans chiffre
Les erreurs d’un rapport naissent surtout chez l’agent qui recolle, pas chez celui qui lit	Observé, non documenté par l’éditeur	Préimpression du 25/08/2026, sur trois systèmes open source — pas sur ChatGPT ni Gemini
Une citation présente et cliquable ne garantit pas que la phrase citée soutient l’affirmation	Observé, non documenté par l’éditeur	Préimpression PwC du 07/05/2026, sur des agents construits par les auteurs sur des API — pas sur les produits grand public
Le rapport chiffré entre pages lues et pages citées	Non documenté	Peec AI constate l’écart sans le quantifier ; aucun éditeur ne le publie
Le critère qui fait qu’un agent décide qu’il en sait assez et arrête de chercher	Non documenté	Anthropic publie un budget d’effort, pas une condition d’arrêt. Aucun autre éditeur ne publie de règle
Ce qui rend une page plus citable dans un rapport de deep research que dans une AI Overview	Non documenté	Aucune mesure publique n’isole cet effet
« Bloquer GPTBot empêche ChatGPT de lire mon site »	Faux	OpenAI documente quatre robots aux fonctions séparées et écrit explicitement qu’on peut autoriser l’un en interdisant l’autre
« Un rapport avec des sources est un rapport vérifié »	Faux	Liens valides > 94 %, vérification factuelle 39-77 % (PwC) ; 91 % d’erreur de calibration (OpenAI)

Questions fréquentes

Le deep research est-il disponible en France ? Oui pour ChatGPT, Gemini et Perplexity, sous réserve de l’offre souscrite. OpenAI précise que « availability depends on your plan and your country or territory » (« la disponibilité dépend de votre offre et de votre pays ou territoire »). Pour situer le contexte français : AI Overviews et AI Mode ont été déployés en France le 22 juillet 2026, après un blocage lié aux droits voisins.

Un agent de deep research lit-il ma page en entier ? Il en lit une part substantielle — environ 5 700 caractères à la première ouverture selon la mesure Peec AI, contre environ 200 pour un extrait de réponse instantanée. Aucun éditeur ne publie ce chiffre lui-même ; il s’agit d’une observation tierce, sur un échantillon limité.

Puis-je empêcher un deep research de lire mon site ? Chez OpenAI, la mesure disponible indique que oui : interdire OAI-SearchBot bloque la récupération. Mais c’est une décision à double tranchant, puisque c’est aussi le robot qui conditionne votre présence dans les réponses de recherche. Côté Google, la documentation indique l’inverse — les récupérations déclenchées par un utilisateur ignorent généralement le robots.txt — et il reste le blocage par adresse IP ou le mur d’authentification.

Faut-il écrire différemment pour être cité dans un rapport de deep research ? Aucune mesure publique ne le démontre à ce jour. Ce qui est certain, c’est que l’agent ouvre la page et en lit plusieurs milliers de caractères. Contrairement à une réponse instantanée, ce qu’il y a sous le titre compte réellement.

Combien coûte un rapport ? Les tarifs varient et ne sont pas relevés ici. L’ordre de grandeur du traitement est en revanche public : jusqu’à environ 900 000 tokens en entrée — dont 50 à 70 % de cache — et 80 000 en sortie pour un rapport Deep Research Max.

Ce qu’il faut retenir

• Un deep research n’est pas une recherche plus longue : c’est une boucle qui décide elle-même de repartir chercher.
• Le saut de performance est réel (0,6 % → 51,5 % sur BrowseComp) mais trois facteurs changent en même temps — modèle de base, entraînement dédié, boucle — et aucune source ne les sépare.
• C’est le mode où un moteur IA ouvre vraiment vos pages : ~5 700 caractères lus, contre ~200 pour une réponse instantanée.
• Lu n’est pas cité. L’agent lit bien plus de pages qu’il n’en retient, et le rapport entre les deux n’est publié nulle part.
• Sur le robots.txt, la documentation et la mesure divergent : Google écrit que ces récupérations l’ignorent, une lecture des journaux de session montre que celle d’OpenAI l’obéit, sous OAI-SearchBot. Vérifiez que ce robot n’est bloqué ni dans votre fichier, ni au CDN.
• Une citation cliquable n’est pas une citation exacte : la fiabilité factuelle mesurée reste très en dessous de la validité des liens.

Sources

• OpenAI, Introducing deep research, 02/02/2025 — openai.com
• OpenAI, Deep research system card — cdn.openai.com
• OpenAI, BrowseComp: a benchmark for browsing agents, 04/2025 — arxiv.org
• OpenAI, Bots (documentation développeurs) — developers.openai.com
• OpenAI Help Center, Deep research in ChatGPT — help.openai.com
• Google, Gemini Deep Research agent (documentation API) — ai.google.dev
• Google, Build with Gemini Deep Research (blog développeurs) — blog.google
• Google Cloud, Use the Gemini Deep Research Agent — docs.cloud.google.com
• Google Search Central, User-triggered fetchers — developers.google.com
• Anthropic, How we built our multi-agent research system — anthropic.com
• Perplexity, Introducing Perplexity Deep Research, 02/2025 — perplexity.ai
• Peec AI, How ChatGPT Deep Research reads your site: What the logs reveal, 22/06/2026 — peec.ai
• Deep Research Agents: A Systematic Examination And Roadmap, v1 22/06/2025 — arxiv.org
• Cited but Not Verified: Parsing and Evaluating Source Attribution in LLM Deep Research Agents (équipe PricewaterhouseCoopers), 07/05/2026, préimpression — arxiv.org
• Hirsch et al., Who is the Agent to Blame? Localizing Faithfulness and Citation Mistakes in Agentic Deep Research, 25/08/2026, préimpression — arxiv.org
• Olivier de Segonzac (RESONEO) via Search Engine Land, 17/08/2026 — searchengineland.com