Recherche web et Deep Research : ChatGPT en mode analyste

ChatGPT dispose de deux modes de recherche fondamentalement différents. La recherche web standard (Browse with Bing) 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, et produit un rapport structuré avec citations. Savoir quand utiliser l’un ou l’autre — et comment briefer Deep Research correctement — change radicalement la valeur de ChatGPT pour le travail de fond.

Depuis février 2026, Deep Research est alimenté par un modèle basé sur GPT-5.2, remplaçant la version initiale qui tournait sur o3. L’ancien mode Deep Research « legacy » a été retiré le 26 mars 2026. Seule l’expérience actuelle reste disponible.

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 concrètement

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

Pendant que Deep Research travaille (entre 5 et 30 minutes selon la complexité), vous pouvez faire autre chose. ChatGPT vous envoie une notification quand le rapport est prêt.

Les quotas par plan : ce que vous avez droit de faire

Deep Research consomme des quotas mensuels qui se réinitialisent 30 jours après votre première utilisation du mois. En avril 2026, voici les quotas en vigueur.

Le mécanisme de fallback automatique est bien pensé : une fois votre quota de Deep Research complet épuisé, les requêtes suivantes basculent automatiquement vers le modèle lightweight (basé sur o4-mini). Le lightweight est plus rapide mais moins approfondi — il convient aux recherches de surface. Vous pouvez vérifier votre quota restant en survolant le bouton Deep Research dans l’interface.

Restriction par sites et apps connectées : le Deep Research de précision

Depuis février 2026, deux fonctionnalités transforment Deep Research d’un outil de recherche généraliste en un outil de recherche ciblée.

Restriction par sites

Vous pouvez désormais 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.

Apps connectées dans Deep Research

Toutes les apps ChatGPT sont compatibles avec Deep Research. En pratique, cela signifie que vous pouvez lancer un Deep Research qui croise des sources web publiques avec vos données internes dans Google Drive, Slack, SharePoint, GitHub, HubSpot, Notion ou tout autre app connectée.

Cas d’usage concret : « Fais une analyse comparative de notre positionnement SEO par rapport à nos trois concurrents principaux, en croisant les données de notre Google Drive (rapports SEMrush) avec une recherche web sur les stratégies de contenu de ces concurrents. » Deep Research fouille les deux sources et produit un rapport unifié avec citations.

Pour les plans Business et Enterprise, la fonctionnalité « Company Knowledge » va plus loin : elle permet à Deep Research de chercher automatiquement dans toutes vos apps connectées quand le contexte le justifie, avec des citations qui pointent vers les documents sources.

Trois workflows concrets avec Deep Research

Workflow 1 : veille concurrentielle mensuelle

# Prompt Deep Research — Veille concurrentielle
Fais une veille concurrentielle sur [Concurrent 1],
[Concurrent 2] et [Concurrent 3] pour le mois de mars 2026.

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.

Workflow 2 : benchmark pour un choix d’outil

# 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.

Workflow 3 : étude de marché pour un nouveau produit

# Prompt Deep Research — Étude de marché
Fais une étude de marché sur [le segment de marché]
en France en 2025-2026.

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.

Deep Research vs Claude Deep Research : la comparaison honnête

Claude (Anthropic) propose aussi un mode Deep Research. La comparaison mérite d’être posée honnêtement.

Avantage ChatGPT. L’intégration avec les 60+ apps est un différenciateur majeur. Pouvoir croiser des données internes (Drive, Slack, HubSpot) avec le web public dans une même recherche, c’est quelque chose que Claude ne fait pas au même niveau. La restriction par sites est aussi plus granulaire chez ChatGPT. Et les quotas sont plus généreux sur les plans Pro.

Avantage Claude. Les rapports de Deep Research de Claude sont souvent mieux structurés et plus nuancés dans l’analyse. Claude est aussi plus transparent sur ses limites : il signale plus systématiquement quand une source est faible ou quand une donnée est incertaine. Pour une recherche purement web sans données internes, Claude produit un rapport comparable, parfois supérieur en qualité rédactionnelle.

Les hallucinations restent un risque partagé. OpenAI le reconnaît : Deep Research peut produire des erreurs factuelles ou des inférences incorrectes. Il peut aussi relayer des rumeurs et mal calibrer les incertitudes. Vérifiez toujours les affirmations critiques via les sources citées dans le rapport — les liens sont cliquables.

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 en choisir un sans signaler la divergence.

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 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, et lancez votre premier Deep Research. Comparez 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 aussi le croisement sources web + données internes. C’est là que Deep Research justifie vraiment son existence par rapport à un moteur de recherche classique.

Le prochain article de la série couvre la génération d’images avec gpt-image-1.5 : prompting visuel, édition, cas d’usage pro, et la comparaison avec ce que proposent Claude et Gemini côté image.