Maison
Lancement de l'agent de recherche approfondie Gemini 3.1 Pro de Google, doté du protocole MCP et de capacités multimodales
Google a récemment dévoilé deux nouveaux agents de recherche autonome basés sur l'architecture Gemini 3.1 Pro : Deep Research et Deep Research Max. Ces outils sont désormais accessibles en avant-première publique via la formule payante de l'API Gemini. Ils sont conçus pour automatiser entièrement des flux de travail de recherche complexes, marquant ainsi une évolution des agents IA, qui passent de simples requêtes Web à des modèles de « raisonnement à long terme » capables d'analyses approfondies.

L'agent Deep Research standard met l'accent sur l'efficacité et la faible latence, ce qui le rend idéal pour les applications conversationnelles en temps réel nécessitant des réponses rapides. En revanche, Deep Research Max se concentre sur la profondeur de l'analyse, en utilisant un temps de traitement prolongé pour le raisonnement en plusieurs étapes et l'itération, principalement destiné à des tâches backend asynchrones telles que les rapports de diligence raisonnable. Sur le plan technique, cette nouvelle version introduit la prise en charge du Model Context Protocol (MCP), permettant aux agents d'extraire des données du web ouvert ainsi que de bases de données privées contenant des informations financières ou de marché. De plus, les agents disposent désormais d'outils de visualisation natifs, leur permettant de générer directement des graphiques et des infographies au format HTML.

Lors de tests de performance comparatifs, Google indique que Deep Research Max affiche des gains substantiels dans les tâches de recherche et de raisonnement par rapport aux modèles précédents. Cependant, les analystes du secteur notent que les comparaisons avec la série OpenAI GPT-5.4 et Opus4.6 d'Anthropic peuvent être influencées par les méthodologies de test et doivent être considérées avec prudence. Une nouveauté notable est une fonctionnalité de planification collaborative, prenant en charge les entrées multimodales, notamment les PDF, l'audio et la vidéo. Les développeurs ont également la possibilité de désactiver complètement l'accès au réseau afin de garantir la sécurité des données privées sensibles.
Google a indiqué que ces deux agents partagent le même cadre de recherche sous-jacent que NotebookLM et Google Search, et qu'ils seront davantage intégrés au marché des entreprises via Google Cloud. À mesure que les agents de recherche autonome entrent dans l'ère du « raisonnement à long terme », leur rôle dans l'analyse professionnelle évolue, passant de simple processeur d'informations à expert autonome capable de planifier des analyses approfondies.
Article connexe
PDG de DeepMind, Hassabis : Je dors six heures par jour et je me sens généralement plein d’énergie vers 1 h du matin.
Fortune a récemment publié une interview avec Demis Hassabis, PDG de Google DeepMind, révélant son approche non conventionnelle du repos et de la productivité. Hassabis a divulgué qu’il dort très peu, structurant ses heures d’éveil en deux blocs de t
OpenAI et Anthropic se disputent des parts de marché malgré des résultats en deçà des attentes
Bien que des informations récentes laissent entendre qu’OpenAI n’aurait pas atteint ses objectifs de chiffre d’affaires, ce qui a pesé sur les valeurs technologiques ce mardi, les investisseurs privés
Conformité des véhicules autonomes en Californie : une nouvelle ère marquée par les amendes, les zones de géolocalisation et 1 million de miles
Guident exploite une navette AuveTech dans le sud de la Floride, gérant un parcours de quatre miles à West Palm Beach et un parcours d’un mile à Boca Raton grâce à sa technologie de surveillance à dis
Recommandations de sujets spéciaux liés
commentaires (0)
Google a récemment dévoilé deux nouveaux agents de recherche autonome basés sur l'architecture Gemini 3.1 Pro : Deep Research et Deep Research Max. Ces outils sont désormais accessibles en avant-première publique via la formule payante de l'API Gemini. Ils sont conçus pour automatiser entièrement des flux de travail de recherche complexes, marquant ainsi une évolution des agents IA, qui passent de simples requêtes Web à des modèles de « raisonnement à long terme » capables d'analyses approfondies.

L'agent Deep Research standard met l'accent sur l'efficacité et la faible latence, ce qui le rend idéal pour les applications conversationnelles en temps réel nécessitant des réponses rapides. En revanche, Deep Research Max se concentre sur la profondeur de l'analyse, en utilisant un temps de traitement prolongé pour le raisonnement en plusieurs étapes et l'itération, principalement destiné à des tâches backend asynchrones telles que les rapports de diligence raisonnable. Sur le plan technique, cette nouvelle version introduit la prise en charge du Model Context Protocol (MCP), permettant aux agents d'extraire des données du web ouvert ainsi que de bases de données privées contenant des informations financières ou de marché. De plus, les agents disposent désormais d'outils de visualisation natifs, leur permettant de générer directement des graphiques et des infographies au format HTML.

Lors de tests de performance comparatifs, Google indique que Deep Research Max affiche des gains substantiels dans les tâches de recherche et de raisonnement par rapport aux modèles précédents. Cependant, les analystes du secteur notent que les comparaisons avec la série OpenAI GPT-5.4 et Opus4.6 d'Anthropic peuvent être influencées par les méthodologies de test et doivent être considérées avec prudence. Une nouveauté notable est une fonctionnalité de planification collaborative, prenant en charge les entrées multimodales, notamment les PDF, l'audio et la vidéo. Les développeurs ont également la possibilité de désactiver complètement l'accès au réseau afin de garantir la sécurité des données privées sensibles.
Google a indiqué que ces deux agents partagent le même cadre de recherche sous-jacent que NotebookLM et Google Search, et qu'ils seront davantage intégrés au marché des entreprises via Google Cloud. À mesure que les agents de recherche autonome entrent dans l'ère du « raisonnement à long terme », leur rôle dans l'analyse professionnelle évolue, passant de simple processeur d'informations à expert autonome capable de planifier des analyses approfondies.
PDG de DeepMind, Hassabis : Je dors six heures par jour et je me sens généralement plein d’énergie vers 1 h du matin.
Fortune a récemment publié une interview avec Demis Hassabis, PDG de Google DeepMind, révélant son approche non conventionnelle du repos et de la productivité. Hassabis a divulgué qu’il dort très peu, structurant ses heures d’éveil en deux blocs de t
OpenAI et Anthropic se disputent des parts de marché malgré des résultats en deçà des attentes
Bien que des informations récentes laissent entendre qu’OpenAI n’aurait pas atteint ses objectifs de chiffre d’affaires, ce qui a pesé sur les valeurs technologiques ce mardi, les investisseurs privés











