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, puis produit un rapport structuré avec citations. OpenAI annonçait au lancement une durée de 5 à 30 minutes par recherche. Savoir quand utiliser l’un ou l’autre change la valeur de ChatGPT pour le travail de fond, tout comme savoir bien le briefer.

Deep Research s’appuie sur les modèles les plus récents d’OpenAI, sans que l’éditeur précise lesquels. Il interprète le texte, les images et les PDF, puis adapte sa recherche en cours de route selon ce qu’il découvre. Si vous préférez la façon dont un modèle antérieur traitait un sujet, un réglage vous permet de choisir un modèle hérité pour une tâche donnée. Au fil des mises à jour, Deep Research a aussi gagné trois leviers de contrôle : le pilotage en temps réel, le ciblage de sites et la connexion à vos apps.

Recherche web standard ou Deep Research : quand utiliser lequel

La règle est simple. Une question factuelle, comme « Quel est le cours actuel de l’action X ? », appelle la recherche web. Un besoin de synthèse, d’analyse comparative ou de rapport structuré appelle Deep Research.

Deep Research : comment ça fonctionne

Deep Research est un agent intégré à ChatGPT. Vous le lancez de trois façons : en tapant /Deepresearch dans le champ de saisie, depuis le menu des outils (le bouton +) ou depuis l’entrée Deep research de la barre latérale. La recherche suit ensuite un processus en quatre étapes.

Pendant que Deep Research travaille, vous pouvez faire autre chose. Le rapport vous attend dans la conversation une fois la recherche terminée.

L’accès à Deep Research selon votre forfait

OpenAI ne publie plus de nombre de recherches par forfait. Sa page de tarifs indique un accès limité sur Free et Go, étendu sur Plus et maximal sur Pro. Pour les forfaits à allocation mensuelle fixe, le compteur se remet à zéro tous les 30 jours à partir de votre première utilisation. Seul le compteur affiché dans l’interface fait donc foi pour votre compte.

Une fois votre allocation épuisée, il faut attendre la remise à zéro du compteur. Sur Business et Enterprise, l’organisation peut aussi consommer des crédits pour continuer. La version « lightweight », qui prenait autrefois le relais une fois le quota atteint, n’apparaît plus dans la documentation d’OpenAI.

Cibler des sites : orienter votre recherche

Vous pouvez limiter la recherche à des domaines précis ou les mettre en avant. Le réglage se trouve dans le compositeur de message, où vous saisissez la liste des sites. Deux options s’offrent alors à vous.

• Restreindre la recherche à ces sites : Deep Research ne cherche que sur les domaines que vous listez. Cette option convient aux recherches réglementaires (sites .gouv.fr), aux benchmarks sectoriels (sites des concurrents) ou aux veilles sur des sources de confiance.
• Prioriser ces sites, tout en autorisant le web complet : Deep Research commence par vos sources prioritaires, puis élargit si nécessaire. C’est l’option la plus utile au quotidien.

Deep Research et apps connectées : le vrai différenciateur

Deep Research se distingue d’une simple recherche web par sa capacité à croiser le web public avec vos données internes. OpenAI cite les espaces de stockage de documents, comme Google Drive ou SharePoint, et des services de données sectoriels accessibles avec un compte. Une fois l’app ou le plugin connecté, Deep Research interroge ces sources dans la même requête que sa recherche web. Tous les plugins ne sont pas compatibles, et la disponibilité dépend de votre forfait, de votre région et des réglages de votre workspace.

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 à la fois des URL publiques et vos documents internes. Un analyste junior mettrait deux à trois jours à produire le même travail.

Pour les forfaits Business, Enterprise et Edu, la fonctionnalité Company Knowledge va plus loin. Elle interroge simultanément toutes vos apps connectées dans une seule requête, avec des citations qui pointent vers les documents sources.

L’ensemble des apps et des plugins disponibles, leur configuration et les actions d’écriture font l’objet de l’article 11 de cette série, consacré aux apps ChatGPT. Les organisations peuvent aussi brancher leurs propres sources de données, comme une base de connaissances interne ou un outil métier. Elles passent pour cela par une app ou un plugin personnalisé compatible avec Deep Research, construit sur le protocole MCP, dans la limite des droits accordés par l’administrateur du workspace.

Deep Research ou ChatGPT Work : ne pas confondre

Depuis juillet 2026, ChatGPT Work ajoute une troisième voie qu’il faut distinguer de Deep Research. Deep Research lit, synthétise et produit un rapport sourcé pour vous aider à comprendre un sujet. ChatGPT Work exécute des tâches en plusieurs étapes sur vos applications connectées et produit des livrables finis, comme des documents, des tableurs, des présentations ou des sites, quand il ne déclenche pas directement des actions. Il sert à produire et à agir.

Les deux savent chercher sur le web, mais leur finalité diffère. Une veille, un benchmark ou une analyse sourcée relèvent de Deep Research. La transformation de cette matière en livrable, ou l’automatisation d’une tâche récurrente, relève de ChatGPT Work. Leur consommation se compte aussi à part : Work et Codex puisent dans une enveloppe commune, par fenêtres de cinq heures, et non dans le compteur de Deep Research. Work est inclus à partir du forfait Plus. Les deux outils se combinent d’ailleurs bien, puisqu’un rapport Deep Research peut servir de base à une tâche confiée ensuite à ChatGPT Work, présenté dans l’article 1 de cette série.

Côté API, les développeurs doivent noter un changement. Les modèles o3-deep-research et o4-mini-deep-research ont été arrêtés le 23 juillet 2026, et OpenAI recommande gpt-5.6-sol pour les remplacer. L’article 12 de cette série détaille l’API et ses modèles.

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.

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 méritent votre attention avant de baser un livrable client sur un rapport Deep Research.

Deep Research ne recoupe pas automatiquement ses sources. Deep Research synthétise des sources, mais il ne signale pas toujours qu’une source en contredit une autre. Si deux sources donnent des chiffres différents, il peut en retenir un sans mentionner la divergence. Les hallucinations restent un risque, qu’OpenAI reconnaît officiellement. Vérifiez donc toujours les affirmations critiques en ouvrant les sources citées dans le rapport, dont les liens sont cliquables.

Les sources très visibles pèsent plus que les autres. Les sources bien référencées sur le web, comme les blogs d’entreprises, les médias tech et les rapports publics, sont surreprésentées. Les études payantes (Xerfi, Gartner, Forrester) ne sont accessibles qu’à travers leurs résumés publics. Quant aux données publiées depuis moins d’une semaine, elles peuvent ne pas être encore indexées.

Chaque recherche repart de zéro, sans mémoire entre les sessions Deep Research. Si vous faites une veille mensuelle, vous devez donc redonner le contexte à chaque fois. Pour gagner du temps, enregistrez le rapport précédent dans un Project ou dans la Bibliothèque, puis joignez-le au prompt suivant.

Le temps est variable et non garanti. Au lancement, OpenAI annonçait 5 à 30 minutes par recherche. En pratique, les recherches complexes qui mobilisent beaucoup de sources peuvent dépasser 20 minutes. Planifiez en conséquence et évitez de lancer un Deep Research dix minutes avant une réunion.

Ce que vous pouvez faire maintenant

Identifiez un besoin de recherche récurrent dans votre travail, comme une veille concurrentielle, un benchmark d’outils ou une 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 à la main, en temps comme en complétude.

Si vous avez connecté Google Drive ou SharePoint, testez également le croisement entre sources web et données internes. C’est sur ce terrain que Deep Research prend l’avantage sur un moteur de recherche classique.