Recherche approfondie : cycle d’engouement ou changement de paradigme ?

Une vague de fonctionnalités de « recherche approfondie » provenant de laboratoires d’IA de premier plan — Google, OpenAI, Perplexity, etc. — a suscité un vif intérêt. Cependant, le terme manque de définition claire, représentant essentiellement une évolution de la génération augmentée par la récupération (RAG). Ces systèmes utilisent des LLM comme agents, recherchant et analysant des informations de manière itérative pour produire des rapports complets. Cet article décortique les implémentations techniques, allant des approches initiales de modèles composites avec des invites ajustées manuellement aux systèmes optimisés de bout en bout, comme STORM de Stanford, qui utilise l’apprentissage par renforcement. Bien que Google Gemini et Perplexity offrent des fonctionnalités similaires, les détails restent inconnus. L’article se conclut par une carte conceptuelle comparant la profondeur itérative et la sophistication de l’entraînement de diverses offres de « recherche approfondie ».