Perplexity a observé quelque chose d’évident que tout le monde avait raté : les gens ne veulent pas seulement des réponses — ils veulent savoir pourquoi ce sont les bonnes réponses. Chaque affirmation est accompagnée de citations en ligne et de liens vers les sources. C’est la différence entre un ami qui dit « j’ai entendu dire que… » et un chercheur qui dit « selon cet article, publié par ces personnes, à cette date… » Le niveau Deep Research va encore plus loin. Il ne se contente pas de chercher et résumer — il mène des investigations en plusieurs étapes. Posez une question complexe, et il élabore une stratégie de recherche, interroge plusieurs sources, recoupe les résultats à l’aide de plusieurs modèles IA (dont Claude et GPT), et assemble un rapport complet. C’est essentiellement un assistant de recherche qui travaille en minutes plutôt qu’en jours.
Perplexity Deep Research
Quand vous ne voulez pas juste une réponse — mais le fil d'Ariane qui la prouve. L'assistant de recherche qui montre vraiment son travail.
Quand vous ne voulez pas juste une réponse — mais le fil d'Ariane qui la prouve. L'assistant de recherche qui montre vraiment son travail.
À la pointe des benchmarks de recherche approfondie. Chaque réponse est accompagnée de citations en ligne et de liens vers les sources. Le mode Pro croise les réponses en utilisant plusieurs modèles dont Claude et GPT.
Le meilleur stack Deep Research est réservé aux abonnements supérieurs, donc les sessions de recherche intensives deviennent vite une question d'abonnement.
Ce que c'est réellement
Forces et limites honnêtes
Points Forts
- La citation avant tout : Chaque réponse inclut des citations en ligne avec des liens cliquables vers les sources. Vous pouvez vérifier n’importe quelle affirmation instantanément.
- Recherche multi-modèles : Le mode Pro croise les réponses à l’aide de plusieurs modèles IA — pas seulement la perspective d’un seul modèle, mais une vue consensuelle.
- Mode Deep Research : État de l’art sur les benchmarks de recherche approfondie. Investigations en plusieurs étapes qui prendraient des heures à un chercheur humain.
- Informations en temps réel : Contrairement à ChatGPT ou Claude, Perplexity interroge le web en direct pour chaque requête. Pas de problème de date limite de connaissances.
- Collections : Organisez vos recherches en collections persistantes que vous pouvez partager et enrichir au fil du temps.
- Perplexity Brain & M365 : L’introduction de Perplexity Brain ajoute un système de mémoire d’auto-amélioration qui apprend des exécutions. De plus, l’intégration M365 apporte les capacités de l’agent informatique nativement dans Word, Excel et d’autres applications Microsoft.
Limites Honnêtes
- Niveaux d’abonnement : La meilleure pile Deep Research est réservée aux niveaux supérieurs (20 $/mois Pro, 200 $/mois Enterprise). Les sessions de recherche intensives deviennent vite une décision d’abonnement.
- Qualité variable des sources : L’outil cite ses sources, mais toutes les sources ne se valent pas. Un commentaire Reddit et un article évalué par les pairs reçoivent tous deux des citations — à vous de faire le tri.
- Pas conversationnel : Il est optimisé pour les requêtes de recherche, pas pour le dialogue en va-et-vient. Pour l’écriture créative ou la programmation, utilisez un autre outil.
Aperçu des Benchmarks
Comparaisons à l'aveugle crowdsourcées sur le classement Search de arena.ai avec plus de 183 000 votes. Se classe #9 parmi 19 modèles de recherche — derrière Google et OpenAI mais compétitif.
Chaque affirmation factuelle est liée à une source vérifiable. Vous pouvez vérifier n'importe quelle réponse en un clic — l'opposé de l'hallucination.
Le mode de recherche approfondie synthétise les informations provenant de dizaines de pages web, d'articles scientifiques et d'articles en rapports structurés avec chaînes de citations complètes.
Le Verdict
Si votre travail requiert des informations vérifiables — journalisme, recherche académique, analyse de marché, due diligence — Perplexity est indispensable. Le modèle de citation n’est pas qu’une fonctionnalité ; c’est une philosophie fondamentalement différente de ce à quoi une réponse IA devrait ressembler.
Foire aux questions
Il exécute un pipeline RAG en deux étapes. Premièrement, un modèle de recherche rapide interroge les index Web en direct et extrait (scrape) les meilleurs résultats. Deuxièmement, un lourd LLM de raisonnement lit le texte extrait, synthétise la réponse et utilise une génération contrainte (forçant le modèle à ajouter [1], [2]) pour lier des affirmations spécifiques directement aux paragraphes sources exacts qu’il vient de lire.
