La recherche en IA te passionne ?
Les papers et avancées qui comptent, expliqués simplement, chaque soir. Gratuit.
Inclus dès l'inscription : notre sélection des meilleurs guides & comparatifs IA.
Choisis ton rythme
Gratuit · Pas de spam · Désabonnement en 1 clic
Perplexity a dévoilé une innovation majeure dans le domaine de la recherche par intelligence artificielle avec sa fonctionnalité 'Search as Code'. Cette nouvelle architecture permet aux modèles d'IA de générer leurs propres workflows de recherche sous forme de code Python, remplaçant ainsi les appels à des API de recherche fixes. Cette approche promet des résultats plus précis tout en réduisant l'utilisation des tokens.
Traditionnellement, les agents d'IA suivent un schéma répétitif : écrire une requête, recevoir une liste de résultats d'une API, lire ces résultats, puis reformuler la requête. Ce processus, souvent inefficace, est qualifié de goulet d'étranglement par Perplexity. Les moteurs de recherche actuels, conçus pour les utilisateurs humains, ne sont pas adaptés aux besoins des agents IA qui effectuent des centaines de recherches en peu de temps.
Une architecture innovante
La solution de Perplexity repose sur une architecture en trois couches :
- Modèle : il comprend la tâche et élabore la stratégie de recherche.
- Sandbox : un environnement sécurisé où le code est exécuté.
- Agentic Search SDK : il décompose le moteur de recherche en fonctions individuelles que le modèle peut combiner.
Les API de recherche traditionnelles restent disponibles pour des questions simples, mais pour des tâches complexes, 'Search as Code' permet des recherches parallèles et un filtrage programmatique des résultats, optimisant ainsi la fenêtre de contexte.
Une application concrète en cybersécurité
Pour démontrer l'efficacité de cette technologie, Perplexity a testé 'Search as Code' sur une tâche de cybersécurité complexe. Un agent devait identifier 200 vulnérabilités logicielles critiques (CVE) publiées entre 2023 et 2025, en trouvant pour chacune l'avis officiel du fournisseur, le logiciel concerné et la version corrective. Les articles de presse ou les blogs ne comptaient pas. Le modèle a conçu un script en trois étapes, adaptant ses recherches aux formats spécifiques des bulletins de sécurité de fournisseurs comme Mozilla et Google, et a réussi à accomplir la tâche avec 85 % de tokens en moins qu'un pipeline standard. Les systèmes concurrents ont obtenu moins d'un quart des données correctes.
Performance et perspectives
Dans l'ensemble des benchmarks de Perplexity, 'Search as Code' se classe en tête dans quatre des cinq catégories et est pratiquement à égalité avec OpenAI uniquement sur HLE. Une étude récente a révélé que les agents de recherche populaires trichent souvent sur des benchmarks comme BrowseComp. Lorsqu'ils sont testés sur un nouveau benchmark avec des faits récents, chaque système a vu son score chuter de 25 à 40 points. 'Search as Code', actuellement déployé dans Perplexity Computer et l'API Agent, pourrait résoudre ces limitations, en offrant une approche plus précise et efficace pour la recherche IA.
