Recherche web et Deep Research : ChatGPT en mode analyste

ChatGPT dispose de deux modes de recherche différents. La recherche web standard répond en quelques secondes avec un résumé rapide et des liens. Deep Research fonctionne comme un agent autonome : il planifie sa recherche, explore des dizaines voire des centaines de sources pendant 5 à 30 minutes, puis produit un rapport structuré avec citations. Savoir quand utiliser l’un ou l’autre — et comment briefer Deep Research correctement — change la valeur de ChatGPT pour le travail de fond.

Deep Research s’appuie sur un modèle de raisonnement d’OpenAI, spécialisé pour la navigation web et l’analyse documentaire, qu’OpenAI fait évoluer au rythme de ses générations de modèles. Il interprète le texte, les images et les PDF, puis adapte sa recherche en cours de route selon ce qu’il découvre. Au fil des mises à jour, il a gagné trois leviers de contrôle que détaille cet article : le pilotage en temps réel, la restriction par sites et la connexion à vos apps.

Recherche web standard vs Deep Research : quand utiliser lequel

La règle est simple : si vous pouvez formuler votre besoin en une question factuelle (« Quel est le cours actuel de l’action X ? »), utilisez la recherche web. Si votre besoin exige la synthèse de plusieurs sources, une analyse comparative, ou un rapport structuré, utilisez Deep Research.

Deep Research : comment ça fonctionne

Deep Research est un agent intégré à ChatGPT. Quand vous lancez une requête, il suit ainsi un processus en quatre étapes.

Pendant que Deep Research travaille, vous pouvez faire autre chose. ChatGPT vous envoie une notification quand le rapport est prêt.

Les quotas par plan

Deep Research consomme des quotas mensuels qui se réinitialisent 30 jours après votre première utilisation. OpenAI décrit l’accès par forfait — limité sur Free et Go, inclus sur Plus, Business et Enterprise, au niveau maximal sur Pro — et affiche également un compteur du nombre de recherches restantes directement dans l’interface. Voici la dernière grille documentée. Un détail important : les quotas incluent un mélange de requêtes complètes et de requêtes « lightweight » (version allégée, plus rapide et moins approfondie).

Le mécanisme de fallback est automatique : une fois votre quota complet épuisé, les requêtes suivantes basculent alors vers la version lightweight plus rapide. Elle convient aux recherches de surface. Vous pouvez vérifier votre quota restant en survolant le bouton Deep Research dans l’interface.

Restriction par sites : cibler votre recherche

Vous pouvez restreindre la recherche à des domaines spécifiques ou les prioriser. Dans le compositeur de message, cliquez sur « Sites » > « Gérer les sites ». Deux options :

• Restreindre à ces sites uniquement — Deep Research ne cherche que sur les domaines que vous listez. Idéal pour les recherches réglementaires (limiter aux sites .gouv.fr), les benchmarks sectoriels (limiter aux sites des concurrents), ou les veilles sur des sources de confiance.
• Prioriser ces sites, mais autoriser le web complet — Deep Research commence par vos sources prioritaires, puis élargit si nécessaire. C’est le mode le plus utile au quotidien.

Deep Research + apps connectées : le vrai différenciateur

La fonctionnalité qui sépare Deep Research d’une simple recherche Google, c’est sa capacité à croiser le web public avec vos données internes. Si vous avez connecté Google Drive, Slack, SharePoint, GitHub, HubSpot ou une autre app à votre compte, Deep Research peut alors les interroger dans la même requête que sa recherche web.

Concrètement, un prompt comme « Compare notre positionnement SEO à celui de nos trois principaux concurrents en croisant nos rapports SEMrush sur Drive avec une recherche web sur leurs stratégies de contenu » devient possible. Le rapport final cite ainsi à la fois des URL publiques et des chemins internes vers vos documents. C’est ce qu’un analyste junior mettrait 2-3 jours à produire.

Pour les plans Business, Enterprise et Edu, la fonctionnalité Company Knowledge va plus loin : elle interroge simultanément toutes vos apps connectées dans une seule requête, avec citations pointant vers les documents sources. L’ensemble des apps disponibles, leur configuration et les write actions font l’objet de l’article 12 de cette série, consacré aux apps ChatGPT.

Deep Research supporte également les serveurs MCP (Model Context Protocol) personnalisés, ce qui permet aux organisations de connecter leurs propres sources de données propriétaires (bases de connaissances internes, outils métier spécifiques, APIs privées) à l’agent de recherche.

Deep Research ou ChatGPT Work : ne pas confondre

Depuis juillet 2026, ChatGPT Work ajoute une troisième voie qu’il ne faut pas confondre avec Deep Research. Deep Research lit, synthétise et produit un rapport sourcé pour vous aider à comprendre un sujet. ChatGPT Work est un agent qui exécute des tâches multi-étapes sur vos applications connectées, puis produit des livrables finis — documents, tableurs, présentations, sites — ou déclenche des actions : il sert à produire et à agir.

Les deux savent chercher sur le web, mais leur finalité diffère. Besoin d’une veille, d’un benchmark, d’une analyse sourcée : Deep Research. Besoin de transformer cette matière en livrable ou d’automatiser une tâche récurrente : ChatGPT Work. Les deux se combinent d’ailleurs bien : un rapport Deep Research peut ainsi servir de base à une tâche que vous confiez ensuite à ChatGPT Work. L’agent ChatGPT Work est détaillé dans l’article 1 de cette série.

Trois workflows concrets avec Deep Research

Veille concurrentielle mensuelle (Workflow 1)

# Prompt Deep Research — Veille concurrentielle
Fais une veille concurrentielle sur [Concurrent 1],
[Concurrent 2] et [Concurrent 3] pour le mois en cours.

SOURCES À PRIORISER :
- Les blogs officiels de ces entreprises
- TechCrunch, Les Echos, Maddyness
- LinkedIn (posts des dirigeants)

POUR CHAQUE CONCURRENT, COUVRE :
1. Nouveaux produits ou features lancés
2. Levées de fonds ou acquisitions
3. Recrutements significatifs
4. Changements de positionnement ou de pricing
5. Partenariats annoncés

FORMAT : Tableau synthétique par concurrent + analyse
des implications pour notre stratégie (3-5 paragraphes).

RESTRICTION : Ne pas inclure de rumeurs non sourcées.

Benchmark pour un choix d’outil (Workflow 2)

# Prompt Deep Research — Benchmark outil
Compare les CRM suivants pour une PME B2B de 50 personnes,
15 commerciaux, cycle de vente de 3-6 mois :
HubSpot Sales Hub, Pipedrive, Salesforce Essentials.

CRITÈRES :
- Tarif par utilisateur (plans comparables)
- Fonctionnalités d'automatisation du pipeline
- Intégration avec Google Workspace et LinkedIn
- Qualité du support en français
- Retours utilisateurs récents (G2, Capterra, Trustpilot)

FORMAT : Tableau comparatif + recommandation argumentée
pour notre cas d'usage. Cite les sources pour chaque
donnée tarifaire.

Étude de marché pour un nouveau produit (Workflow 3)

# Prompt Deep Research — Étude de marché
Fais une étude de marché sur [le segment de marché]
en France en 2026.

COUVRE :
1. Taille du marché et tendance de croissance
2. Acteurs principaux et parts de marché estimées
3. Segments de clientèle et leurs besoins spécifiques
4. Barrières à l'entrée
5. Tendances technologiques qui transforment ce marché

SOURCES : Études Xerfi, INSEE, rapports publics,
articles spécialisés. Priorise les données francophones.

FORMAT : Rapport structuré avec executive summary
en tête (10 lignes max) + sections détaillées.
Chaque affirmation chiffrée doit être sourcée.

Les limites de Deep Research

Quatre limites à connaître avant de baser un livrable client sur un rapport Deep Research.

Pas de vérification croisée automatique. Deep Research synthétise des sources, mais il ne vérifie pas systématiquement qu’une source contredit une autre. Si deux sources donnent des chiffres différents, il peut alors en choisir un sans signaler la divergence. Les hallucinations restent un risque : OpenAI le reconnaît officiellement. Vérifiez toujours les affirmations critiques via les sources citées dans le rapport — les liens sont cliquables.

Biais de récence et de visibilité. Les sources bien référencées sur le web (blogs d’entreprises, médias tech, rapports publics) sont surreprésentées. Les études payantes (Xerfi, Gartner, Forrester) ne sont accessibles que via leurs résumés publics. Les données très récentes (moins d’une semaine) peuvent également ne pas être indexées.

Pas de mémoire entre les sessions Deep Research. Chaque Deep Research repart de zéro. Si vous faites une veille mensuelle, vous devez re-contextualiser à chaque fois. Astuce : enregistrez le rapport précédent dans un Project et attachez-le au prompt suivant.

Le temps est variable et non garanti. OpenAI annonce 5 à 30 minutes. En pratique, les recherches complexes avec beaucoup de sources peuvent prendre plus de 20 minutes. Planifiez en conséquence — ne lancez pas un Deep Research 10 minutes avant une réunion.

Ce que vous pouvez faire maintenant

Identifiez un besoin de recherche récurrent dans votre travail : veille concurrentielle, benchmark d’outils, analyse de marché. Copiez le workflow correspondant ci-dessus, adaptez-le à votre contexte, puis lancez votre premier Deep Research. Comparez ensuite le résultat avec ce que vous auriez produit manuellement en termes de temps et de complétude.

Si vous avez connecté Google Drive ou Slack, testez également le croisement sources web + données internes. C’est là que Deep Research justifie vraiment son existence par rapport à un moteur de recherche classique.