ChatGPT Deep Research : ce qu'il fait, et ce qu'on lui prête à tort

ChatGPT Deep Research mène une recherche sur le web en plusieurs étapes, pendant plusieurs minutes, et rend un rapport structuré avec ses sources. Il cherche ce que vous n'avez pas. Il ne lit pas les fichiers que vous déposez.

Cette confusion est si répandue que la version précédente de cet article la commettait.

Deux besoins que tout le monde mélange

Le premier besoin : vous avez un document et vous voulez en tirer quelque chose. Un contrat de quarante pages, un rapport annuel, un cahier des charges. La matière est à vous, elle est sur votre disque.

Le second besoin : vous n'avez rien, et vous devez savoir. Quels prestataires existent sur ce créneau, où en est une réglementation, comment font les autres entreprises de votre secteur. La matière est dehors, dispersée.

Deep Research traite le second. Le premier se règle en déposant simplement votre fichier dans une conversation, ce qui est un usage courant et beaucoup plus rapide : voyez notre article sur faire lire un document que vous fournissez.

Confondre les deux mène à une déception garantie.

Ce qui se passe pendant les minutes d'attente

Une demande ordinaire répond en quelques secondes avec ce que le modèle sait déjà. Une recherche approfondie fait autre chose : elle formule des requêtes, ouvre des pages, lit, reformule sa recherche en fonction de ce qu'elle trouve, puis rédige.

Ce cycle explique la durée, et il explique aussi l'intérêt. Le rapport ne sort pas de la mémoire du modèle, il sort de pages que vous pouvez ouvrir.

Vous recevez un document structuré, avec des références. C'est le format qui change tout : vous pouvez vérifier, ce qui n'est pas le cas d'une réponse de conversation ordinaire.

La demande qui produit un rapport utilisable

Le réflexe naturel est de donner un sujet. C'est l'erreur qui produit un rapport de quinze pages dont vous ne ferez rien.

Donnez un périmètre. Quatre éléments suffisent : la zone géographique, la période qui vous intéresse, le type de source que vous acceptez, et la forme du rendu.

Comparez. « Les obligations des entreprises en matière d'IA » produit un panorama mondial et flou. « Les obligations qui s'appliquent en France à une entreprise de moins de cinquante salariés qui utilise un assistant IA générative, à partir de sources officielles françaises ou européennes publiées après janvier 2026, sous forme de tableau obligation par obligation » produit quelque chose dont vous pouvez vous servir.

Le périmètre est le travail. Le reste est de l'attente.

Ce qu'il faut vérifier, et comment

Les sources citées sont réelles et cliquables. Cela ne veut pas dire qu'elles disent ce que le rapport leur fait dire.

L'écart le plus fréquent n'est pas la source inventée, c'est la source réelle mal résumée : une nuance perdue, une date de mise en application confondue avec une date d'adoption, un seuil arrondi.

La méthode de contrôle tient en une phrase. Repérez les deux ou trois conclusions sur lesquelles vous allez décider quelque chose, ouvrez leurs sources, et lisez le passage. Ne vérifiez pas tout, vérifiez ce qui porte une décision.

Ce réflexe vaut au-delà de cette fonctionnalité, et il fait partie de ce qu'une entreprise risque avec l'IA générative.

Quand la fonctionnalité ne sert à rien

Sur une question factuelle simple, elle est plus lente qu'une recherche ordinaire sans être plus juste. Chercher le numéro d'un article de loi ne demande pas plusieurs minutes de raisonnement.

Sur un sujet couvert par de la documentation d'éditeur, elle rapporte la documentation, avec les formulations commerciales qui vont avec.

Sur un sujet interne à votre entreprise, elle ne peut rien : les sources n'existent pas en ligne.

Ce que cet article ne fait pas

Il ne dit pas quelles formules ouvrent la fonctionnalité ni combien de recherches elles autorisent par mois. La version d'origine donnait un quota, tiré d'un site tiers et non de l'éditeur : il était faux quelques semaines plus tard.

Il n'annonce aucun temps gagné. Une recherche approfondie remplace une demi-journée de lecture quand la question était large, et fait perdre cinq minutes quand elle ne l'était pas.

Ce qui se transmet, c'est de distinguer la question qui mérite une recherche de celle qui mérite une lecture. Nous le travaillons en formation ChatGPT sur vos sujets réels, en présentiel sur deux jours, neuf apprenants au maximum.

Prenez la question que vous repoussez faute de temps de veille. Écrivez son périmètre avant de la lancer.