Deep Research, Deep Think et Deep Search : l’analyse en profondeur avec Gemini
Gemini propose trois fonctionnalités qui commencent par « Deep ». Leurs noms se ressemblent, leurs interfaces aussi, et pourtant elles font des choses radicalement différentes. L’une parcourt des centaines de sites web pour vous, l’autre explore plusieurs hypothèses en parallèle avant de répondre, la troisième produit des rapports cités depuis Google Search. Ce guide les distingue, les compare, et montre quand utiliser chacune.
Vous demandez à Gemini d’analyser un marché. Selon la fonctionnalité que vous activez, vous obtiendrez un rapport de huit pages avec citations web, une réponse de deux paragraphes avec raisonnement multi-étapes, ou un rapport cité depuis Google Search. Les trois sont utiles, aucune ne remplace les autres. La confusion entre elles reste d’ailleurs la première cause de déception chez ceux qui découvrent l’écosystème Gemini.
Deep Research : votre assistant de recherche autonome
Deep Research est d’abord un agent de recherche intégré à l’app Gemini. Vous lui donnez une question complexe, il crée un plan de recherche, navigue sur des centaines de sites web, lit les pages en profondeur, synthétise les résultats, puis produit un rapport structuré de plusieurs pages avec citations. Le tout en quelques minutes.
Deep Research iteratively plans its investigation – it formulates queries, reads results, identifies knowledge gaps, and searches again.
Google — présentation de l’agent Deep Research
Comment ça fonctionne concrètement
Ouvrez gemini.google.com, puis cliquez sur Tools → Deep Research et décrivez votre sujet. Gemini génère d’abord un plan de recherche en plusieurs points, que vous pouvez modifier avant de lancer l’investigation. Une fois validé, l’agent travaille en autonomie. Il cherche, lit, identifie les lacunes, relance des recherches complémentaires, puis construit progressivement le rapport. Vous suivez sa réflexion en temps réel, ses étapes de raisonnement restant affichées.
Le rapport final apparaît ensuite dans Canvas. De là, vous l’exportez vers Google Docs, ou vous le transformez en page web interactive, en quiz, en infographie, ou en Audio Overview — un podcast IA à deux voix, dans l’esprit de Gemini Notebook.
Les sources disponibles
Par défaut, Deep Research utilise Google Search. Vous pouvez aussi connecter :
- Gmail — pour croiser vos emails avec les données web, par exemple comparer des devis reçus avec les prix du marché.
- Google Drive — pour inclure vos documents internes dans l’analyse.
- Google Chat — pour intégrer des discussions d’équipe.
- Vos propres fichiers — uploadés directement dans la requête.
- Gemini Notebook — pour ancrer la recherche dans vos notebooks existants.
Une limite importante mérite d’être connue. Les rapports visuels — graphiques, diagrammes, simulateurs interactifs — ne sont pas disponibles quand Gmail ou Drive servent de sources dans la même requête. Il faut donc choisir : sources internes ou visuels, pas les deux.
Disponibilité et quotas
Deep Research est accessible à tous les utilisateurs, comptes gratuits inclus, avec le mode Thinking sur le modèle Flash courant. Les abonnés AI Pro et Ultra accèdent au modèle Pro pour des rapports de meilleure qualité. Des limites quotidiennes s’appliquent, plus élevées sur les plans payants.
La version développeur, facturée à la tâche
C’est de loin le prolongement le moins connu de l’outil. Deep Research existe aussi comme agent appelable par l’API, via l’Interactions API et uniquement en mode d’exécution en arrière-plan. Deux modèles cohabitent en préversion : une version standard et une version Max, plus exhaustive.
La facturation se fait par ailleurs à la tâche, pas au token brut. Comptez environ 1 à 3 $ pour une tâche standard, qui mobilise à peu près 80 recherches, et 3 à 7 $ pour une tâche Max, qui en lance près du double. Une tâche se boucle généralement en moins de vingt minutes, avec un plafond à une heure. Pour un éditeur qui veut intégrer de la veille automatisée dans son produit, c’est un coût prévisible et facile à modéliser.
# Prompt Deep Research — analyse de marché
Analyse le marché des outils IA de gestion de projet.
Couvre :
- Les 10 acteurs principaux avec prix et fonctionnalités clés
- Les tendances d'adoption (chiffres récents si disponibles)
- Les forces et faiblesses de chaque outil
- Les segments mal servis (PME, freelances, secteur public)
Cite toutes les sources. Concentre-toi sur les données
des 6 derniers mois. Si une information est contradictoire
entre les sources, signale-le.
Deep Think : le raisonnement multi-hypothèses
Deep Think n’est pas un outil de recherche, c’est un mode de raisonnement. Il ne va pas chercher d’informations sur le web. Il réfléchit plus longtemps et plus profondément à partir de ce qu’il possède déjà : son entraînement et le contexte que vous lui fournissez.
Le mécanisme
Quand Deep Think est activé, Gemini explore plusieurs pistes de résolution en parallèle. Google appelle cela le « test-time compute scaling ». Au lieu de s’engager tout de suite sur une réponse, le modèle évalue plusieurs hypothèses, vérifie les étapes intermédiaires, détecte les incohérences dans son propre raisonnement, puis converge vers une réponse plus robuste. Le processus prend généralement quelques minutes.
Les résultats sont d’ailleurs au rendez-vous. Gemini 3 Deep Think affiche 48,4 % sur Humanity’s Last Exam sans outils, 84,6 % sur ARC-AGI-2, un Elo de 3455 sur Codeforces et 50,5 % sur CMT-Benchmark en physique théorique avancée. Il a atteint le niveau médaille d’or aux Olympiades internationales de mathématiques 2025, ainsi qu’aux épreuves écrites de physique et de chimie.
Deep Think is built to drive practical applications, enabling researchers to interpret complex data, and engineers to model physical systems through code.
Google — présentation de Gemini 3 Deep Think
Quand l’utiliser, et quand s’abstenir
Deep Think vise les problèmes qui demandent une vraie réflexion : preuves mathématiques, débogage complexe, analyse de systèmes physiques, optimisation multi-contraintes, planification stratégique. Il est plus lent que le mode standard, et c’est volontaire. La latence est le prix de la profondeur.
Ne l’utilisez pas pour des questions simples, de la rédaction, des résumés ou de la recherche d’information. Pour ces tâches, le mode standard ou le modèle Flash courant est plus rapide et donne des résultats équivalents, voire meilleurs.
Disponibilité : palier AI Ultra. Dans le sélecteur de modèle de l’app Gemini, choisissez « Deep Think » dans la barre de prompt. Un programme d’accès anticipé existe par ailleurs via l’API pour les chercheurs, ingénieurs et entreprises sélectionnés.
Tous les modèles de la génération 3 disposent d’un mode « Thinking » à quatre niveaux : minimal, low, medium et high. Deep Think est un cran au-dessus, avec exploration multi-hypothèses en parallèle et un budget de calcul bien supérieur. Le Thinking standard, accessible à tous, représente déjà un net progrès sur le mode classique. Le cran supérieur, lui, reste réservé au palier le plus cher.
Deep Search : la recherche en profondeur dans Google Search
Moins connue que les deux précédentes, Deep Search est aussi la plus facile à confondre avec Deep Research. Elle vit dans Google Search, à l’intérieur d’AI Mode, pas dans l’app Gemini.
Comment ça fonctionne
Dans AI Mode, Deep Search amplifie la technique du « query fan-out ». Au lieu de quelques recherches parallèles, il en lance des centaines, croise les résultats, raisonne entre des sources disparates, puis produit un rapport exhaustif et cité en quelques minutes. AI Mode tournant sur le modèle Flash courant, les requêtes les plus lourdes peuvent basculer vers un modèle plus puissant.
Concrètement, vous êtes donc dans AI Mode, vous posez une question complexe, et Google vous suggère parfois de passer en Deep Search si le sujet le justifie. Vous pouvez aussi l’activer vous-même.
Les trois « Deep » côte à côte
| Critère | Deep Research | Deep Think | Deep Search |
|---|---|---|---|
| Où | App Gemini, et via l’API | App Gemini (sélecteur de modèle) | Google Search AI Mode |
| Ce que ça fait | Recherche autonome multi-sources → rapport structuré | Raisonnement multi-hypothèses → réponse approfondie | Recherche web massive → rapport cité |
| Sources | Web + Gmail + Drive + Chat + fichiers uploadés | Contexte fourni + connaissances du modèle | Web uniquement (index Google Search) |
| Modèle | Modèle Pro en payant, Flash en gratuit | Gemini 3 Deep Think | Modèle Flash courant |
| Sortie | Rapport multi-pages dans Canvas, exportable | Réponse textuelle avec raisonnement détaillé | Rapport cité dans AI Mode |
| Transformation possible | Page web, quiz, audio, infographie via Canvas | Non | Non |
| Données personnelles | Oui (Gmail, Drive, Chat si connectés) | Uniquement ce que vous fournissez | Non (web public uniquement) |
| Disponibilité | Tous, limité en gratuit | AI Ultra | AI Mode mondial, selon le plan |
Comparaison avec les concurrents
ChatGPT Deep Research fonctionne de façon similaire : navigation web autonome, rapport structuré, citations. La différence tient à l’accès aux données. ChatGPT n’a pas d’accès natif à vos emails, à Drive ou à vos messages d’équipe, et se limite au web public plus les fichiers que vous fournissez. Pour un utilisateur de l’écosystème Google, l’accès aux données internes reste l’avantage décisif de Gemini.
Claude propose la recherche web et un mode de recherche agentique, et excelle en raisonnement long comme en analyse de documents uploadés. Il reste toutefois moins intégré à une suite bureautique, sans accès natif à Gmail, Drive ou Calendar.
Perplexity est le concurrent le plus direct sur la recherche en profondeur. Sa force : des réponses factuelles avec des citations très précises, dans un format plus concis. Son Deep Research produit des rapports plus courts mais souvent mieux ciblés. Sa faiblesse reste l’absence d’intégration à votre écosystème de travail.
Cinq scénarios concrets : lequel utiliser
→ Deep Research avec sources Gmail, Drive et web. Croisez les données publiques de la cible avec vos propres échanges et documents internes, puis exportez vers Docs pour annotation et partage.
→ Deep Think. Fournissez les contraintes — budget, délais, capacités, distances — et demandez une analyse multi-scénarios avec les arbitrages explicités. Deep Think explore alors des combinaisons que vous n’auriez pas envisagées.
→ Deep Search dans AI Mode. Posez votre question complexe dans Google Search, puis parcourez le rapport cité avec ses liens sources. Idéal pour la veille et la formation personnelle.
→ Deep Research, avec le web et vos notes internes sur le client. Transformez ensuite le rapport en présentation via Canvas, puis exportez vers Slides.
→ l’agent Deep Research en API. Lancez la tâche en arrière-plan, récupérez un rapport sourcé au format structuré, et budgétez quelques dollars par exécution. C’est la voie à privilégier pour industrialiser plutôt que cliquer.
Ce que les trois « Deep » changent — et la suite
Les trois « Deep » couvrent trois besoins distincts. La recherche d’information passe par Deep Research et Deep Search. Le raisonnement sur des problèmes complexes passe par Deep Think. La synthèse de sources multiples incluant vos données personnelles passe enfin par Deep Research connecté à Gmail et Drive.
Le réflexe à adopter tient en une question, à se poser avant de lancer une requête longue : ai-je besoin d’information ou de réflexion ? Ce choix détermine la fonctionnalité à activer et la qualité du résultat.
Deep Research reste la plus immédiatement utile pour la majorité des professionnels, et sa version API ouvre la porte à l’automatisation. Vient ensuite Deep Think, outil de niche puissant réservé au palier AI Ultra, qui vaut le détour pour les ingénieurs, chercheurs et analystes. Reste enfin Deep Search, l’option la plus accessible pour de la veille rapide.
Le prochain article explore un outil sans équivalent chez la concurrence, qui a d’ailleurs changé de nom cet été.
Vous distinguez maintenant les trois « Deep ». Le chapitre suivant passe à l’ex-NotebookLM, l’outil conçu pour la recherche sur un corpus personnel : upload de PDF et de vidéos, Audio Overviews, quiz, exécution de code, et un million de tokens de contexte.