Comparaison: L’IA Deep Research d’OpenAI contre Google Gemini
OpenAI a récemment lancé son nouvel agent de recherche en IA – Deep Research. Comme son nom l’indique, ce nouvel agent est capable de mener des recherches détaillées et de créer des rapports analytiques, des articles complets, des articles techniques, et plus encore. Concurrent direct du Gemini Deep Research de Google, l’agent se vante d’une analyse approfondie et de compétences de synthèse avancées. Dans cet article, nous verrons comment le Deep Research d’OpenAI se compare au moins cher mais redoutable Google Gemini Deep Research.
Qu’est ce que le Deep Research ?
Le deep research fait référence à une enquête approfondie et systématique sur un sujet. Le processus implique de faire référence à de multiples sources, d’analyser de manière critique de vastes quantités de données, et de suivre des méthodologies structurées pour générer des idées bien fondées. Contrairement à une exploration de surface, la recherche en profondeur implique :
Extensive Data Collection: Gathering information from diverse sources such as academic papers, reports, books, and verified online databases.
Critical Analysis: Evaluating the credibility, relevance, and biases of the collected data.
Contextual Understanding: Connecting new findings with existing knowledge for a more comprehensive perspective.
Synthesis & Reporting: Organizing insights into detailed reports, articles, whitepapers, or technical documents.
Fact-Checking & Validation: Cross-referencing sources to ensure accuracy and reliability.
Pourquoi utiliser le Deep Research au lieu d’autres chatbots IA ?
Généralement, une tâche de recherche de ce niveau prendrait à un humain des heures, voire des jours pour être complétée. Les chatbots IA aident à accélérer ce processus en donnant des réponses spécifiques et pertinentes à des questions de recherche, nous évitant ainsi de devoir rechercher manuellement sur de multiples pages web.
Les modèles d’IA générative peuvent structurer les données en rapports ou articles avec des images, des graphiques et des tableaux. Et maintenant que la plupart des chatbots GenAI sont équipés d’une fonction de recherche web, ils peuvent même citer les sources dans la réponse.
Cependant, la recherche réalisée par ces outils IA est principalement de surface. De plus, il faut de nombreux niveaux d’itération et plusieurs prompts pour obtenir une réponse cohérente et complète. De plus, il y a toujours le souci des hallucinations, où parfois même les sources mentionnées n’existent pas. C’est pourquoi nous avons besoin d’outils de recherche plus avancés.
OpenAI Deep Research vs Google Gemini Deep Research
Passons à l’essentiel. Dans cette section, nous comparerons le Deep Research d’OpenAI au Deep Research de Google Gemini en fonction de leurs fonctionnalités, de leur tarification et de leurs compétences en recherche. Le but de cette comparaison est de déterminer si le Deep Research d’OpenAI vaut vraiment 10 fois le prix du Google Gemini Deep Research.
Comparaison des fonctionnalités et de la tarification
Paramètres:
OpenAI Deep Research
Google Gemini Deep Research
- Date de sortie: 2 février 2025, 11 décembre 2024
- Modèle de raisonnement: OpenAI o3, Google Gemini 1.5 Flash
- Coût: 200$/mois (utilisateurs Pro, 100 requêtes/mois), 20$/mois (Gemini Advanced)
- Disponibilité: Uniquement aux États-Unis (extension prochaine aux utilisateurs Plus/Entreprise), Mondial via l’application web Gemini (anglais uniquement)
- Limites de calcul: Les requêtes plus longues consomment plus de ressources, Limites de requêtes quotidiennes
Comparaison de performance entre OpenAI et Google Gemini Deep Research
Il est temps de passer au face à face ultime. Nous allons maintenant tester les deux outils pour le même prompt et comparer leurs capacités de recherche approfondie. Nous évaluerons à la fois le processus et la profondeur de la recherche ainsi que la structure et la qualité des rapports générés.
OpenAI Deep Research
Voici un prompt sur lequel OpenAI a testé ses compétences avec son agent Deep Research. L’outil est invité à générer un rapport basé sur une analyse par pays du taux de pénétration mobile des 10 pays développés et en développement. Il est également invité à trouver les taux d’adoption d’iOS et d’Android et le pourcentage de personnes souhaitant apprendre une nouvelle langue, pour le même groupe démographique. Voyons comment OpenAI Deep Research s’en sort.
Prompt: “Aidez-moi à trouver les taux d’adoption d’iOS et d’Android, le % de personnes qui souhaitent apprendre une autre langue, et la variation de la pénétration mobile, au cours des 5 dernières années, pour les 10 premiers pays développés et en développement par PIB. Présentez ces informations dans un rapport formaté, un tableau sur les métriques, et incluez des recommandations sur les marchés à cibler pour une nouvelle application de traduction de ChatGPT, axée sur les marchés où ChatGPT pourrait mieux s’étendre.”
Réponse initiale d’OpenAI Deep Research:
Review:
L’agent de recherche en profondeur d’OpenAI a mis 11 minutes pour collecter des informations à partir de 29 sources pertinentes et générer le rapport. L’agent de recherche en profondeur suit un processus hautement itératif et dynamique en temps réel. L’agent pose d’abord quelques questions basées sur le prompt pour comprendre exactement les besoins de l’utilisateur. Cela établit le contexte et la perspective, donnant quelques indices et directions pour que l’agent puisse faire des recherches.
L’agent suit ensuite une approche pas à pas commençant par l’extraction des données, suivie par la validation des données, puis l’annotation, et se terminant enfin par une analyse des tendances. En conséquence de ce processus, la sortie est organisée selon une séquence claire en plusieurs couches. Elle commence par un aperçu de la question de recherche, et se termine par des insights synthétisés et des recommandations stratégiques.
L’agent met l’accent sur la transparence en rendant l’ensemble du processus de recherche visible pour l’utilisateur avec des mises à jour en temps réel. Il affiche même des graphiques et des graphiques à l’écran, et annote les tendances au fur et à mesure de l’avancement des données. Cela permet à l’utilisateur de comprendre facilement le flux du processus et de voir exactement comment les conclusions sont atteintes.
OpenAI Deep Research fait une analyse très approfondie du sujet et génère un rapport complet et holistique. Les sources des déclarations particulières sont mentionnées dans le rapport pour une vérification directe. L’interface de recherche liste également séparément les sites sources sur le panneau latéral pour un accès facile et direct.
Deep Research Google Gemini
Essayons maintenant le même prompt sur le Deep Research de Google Gemini et voyons ce qu’il parvient à réaliser.
Note: Comme Gemini Deep Research ne pose pas de questions de suivi avant de générer la réponse, j’ai ajouté le prompt de suivi avec le prompt original, pour une comparaison équitable.
Réponse initiale de Google Gemini Deep Research:
Review:
Google Gemini a mis environ 6 minutes pour sourcer, vérifier et analyser des données à partir de 29 sources pertinentes et générer le rapport. Google Gemini partage d’abord son plan sur la façon dont il entend réaliser la recherche, en commençant par la recherche sur le web, en passant par l’analyse des résultats, pour ensuite créer le rapport. L’utilisateur a la possibilité de modifier ce plan et de guider le modèle dans la bonne direction, avant de commencer la recherche.
Bien que la recherche commence par le modèle énumérant ce qu’il fait, le processus devient rapidement statique. Il montre simplement une liste des sites Web que le modèle est en train de lire, en ajoutant d’autres sites au fur et à mesure que la recherche progresse.
La sortie de la recherche profonde de Gemini est livrée sous la forme d’un rapport détaillé bien écrit qui peut être ouvert dans Google Docs. Le rapport est divisé en sections bien définies, y compris une section “Méthodologie de recherche” qui explique comment la recherche a été réalisée et justifie la qualité des sources. Le rapport comprend également des tableaux bien structurés résumant les données avec des chiffres explicites pour la comparaison. Ces tableaux peuvent également être ouverts dans Google Sheets.
Conclusion
OpenAI Deep Research et Google Gemini Deep Research apportent tous deux de puissantes capacités de recherche pilotées par l’IA. Le Deep Research d’OpenAI se concentre sur l’analyse en temps réel et interactive avec transparence. Pendant ce temps, Google Gemini Deep Research offre une méthodologie de recherche plus abordable mais structurée, présentant un rapport bien formaté et convivial. Alors que le Deep Research d’OpenAI fournit des perspectives plus approfondies avec une approche plus itérative, le Gemini Deep Research de Google reste un concurrent solide pour les utilisateurs qui préfèrent une sortie de recherche directe à un prix inférieur.
Source : www.analyticsvidhya.com
