Agent d'IA Perplexity : automatiser la recherche B2B

Un agent de recherche : ce qu'il fait qu'un moteur ne fait pas

Un moteur de recherche rend une liste de liens et vous laisse le travail : ouvrir, lire, recouper, trancher. Un agent de recherche rend une réponse, et il rend en même temps les sources sur lesquelles elle repose. Entre les deux, l'exploration, la sélection et la mise en cohérence ont changé de côté. La recherche ne se limite plus aux dix liens bleus : une part croissante des parcours commence, et finit, dans une réponse synthétique, parfois sans clic.

Pour une direction marketing, cela pose deux questions qui n'en font qu'une : qu'est-ce que je peux déléguer à cet outil, et est-ce que ma marque existe dans ce qu'il rend ? Si la question en amont est plutôt de savoir quelle famille d'outils retenir, elle se tranche sur la page consacrée aux plateformes d'agent IA.

De la liste de liens à la réponse sourcée : ce que l'agent enchaîne

La chaîne est stable, et elle explique la qualité du résultat. L'agent reformule votre question en plusieurs requêtes, interroge le web en direct, retient un petit nombre de pages, en extrait des passages, les met en cohérence, puis rédige une réponse à laquelle il rattache ses références. Chaque maillon peut céder indépendamment des autres : une réponse bien écrite peut reposer sur une sélection médiocre, et rien dans sa forme ne le signale.

C'est aussi ce qui sépare un assistant d'un agent de recherche. Un assistant travaille sur ce que vous lui donnez : il formule, résume, propose. Un agent poursuit un objectif et enchaîne les étapes seul. La différence se voit en gouvernance : un agent doit être encadré — règles, validations, traçabilité — parce qu'il peut industrialiser une erreur aussi vite qu'un gain de productivité.

Quatre usages B2B où la valeur vient de la synthèse sourcée

Les cas d'usage les plus solides sont ceux où la valeur vient de la synthèse sourcée, pas d'une opinion. Ce critère suffit à trier : si le livrable attendu est un jugement, l'agent vous fera gagner une mise en forme et rien d'autre.

• Veille structurée : « qu'est-ce qui a changé depuis 30 jours ? », avec les sources en regard.
• Analyse concurrentielle éditoriale : angles traités, définitions retenues, preuves citées, sans se limiter à une seule page.
• Achats et conformité : collecte d'exigences, comparaison de clauses, points de vigilance à faire valider.
• Travail de connaissance : note de synthèse, brief, état de l'art, bibliographie exploitable.

Ces quatre usages ont un point commun : la matière utile est publique. Dès que la réponse dépend de vos contrats, de vos tickets ou de votre base documentaire, il faut ancrer la réponse sur des données internes, ce qui est le sujet de l'agent d'IA sur Dust. La frontière porte sur la provenance de la connaissance, dehors ou dedans, et elle se pose avant l'outil.

Chercher vite, enquêter, exécuter : trois modes, trois niveaux de risque

L'outil sépare trois régimes de travail, et cette séparation est un vrai cadre de décision. Rechercher vite : une question, une réponse courte, ses sources — le risque est celui d'une source faible que personne ne rouvre. Enquêter : l'agent tourne plus longtemps et produit un rapport — le risque se déplace vers la sélection, parce que vous ne verrez pas les pages écartées. Exécuter : il agit dans un navigateur — là, le risque n'est plus de se tromper, il est de se tromper et d'avoir agi.

Choisissez le mode par le risque que vous acceptez, pas par la richesse de la sortie : un rapport de trente pages ne se relit pas, donc il ne se vérifie pas.

Ce que le mode Computer fait, et ce qu'il faut lui interdire

Le mode Computer agit dans un navigateur comme le ferait un utilisateur : il ouvre des pages, suit des liens, remplit des champs. Ce qu'il voit, c'est ce que la page affiche — y compris ce qu'une session déjà ouverte lui donne le droit de voir. C'est le point que les équipes sous-estiment : le périmètre de l'agent n'est pas défini par ce que vous lui demandez, mais par les accès du navigateur dans lequel il travaille.

Trois interdictions se posent donc avant la première mission, et elles ne coûtent rien à écrire : pas de publication ni d'envoi vers l'extérieur, pas d'engagement contractuel ni d'achat, pas d'accès à un espace qui n'est pas nécessaire à la tâche. La réserve, elle, tient en une ligne : l'exécution « de bout en bout » n'est acceptable que si vous imposez des limites d'action, une validation humaine sur les éléments sensibles, et une journalisation détaillée des étapes.

Enquêter ou produire un livrable : deux navigateurs pilotés, deux usages

Plusieurs agents grand public pilotent aujourd'hui un navigateur à votre place. La question n'est donc pas « lequel sait naviguer », elle est « pour aboutir à quoi ». Ici, le produit fini est une réponse vérifiable : la navigation sert l'enquête et s'arrête quand la question est tranchée avec ses preuves. Ailleurs, elle sert la production : remplir, comparer, assembler, rendre un document.

La règle de partage est simple. Si le livrable attendu est une décision documentée, prenez l'agent qui cite. Si c'est une tâche faite, le cadrage d'une mission dans un navigateur distant et la production d'un fichier sont traités sur l'agent d'IA de ChatGPT. Confondre les deux se paie dans les deux sens : un rapport qu'on n'utilise pas, ou une action exécutée sur une source que personne n'a relue.

Comment l'agent choisit et cite ses sources

C'est le cœur du sujet, et ce qui distingue cet outil des autres agents : la citation n'y est pas un bonus, c'est le comportement par défaut. 92 % des réponses intègrent des citations (DataGlobeHub, 2026) — presque chaque affirmation rendue est rattachée à quelque chose, et cette chaîne est auditable par n'importe qui.

Deux autres repères donnent sa taille à l'enjeu. Une réponse s'appuie en moyenne sur 5 liens (WeAreTenet / Affmaven, 2025) et fait environ 21 phrases (WeAreTenet, 2025). Cinq places, vingt et une phrases : la fenêtre est étroite, et elle explique l'essentiel du comportement observé. Un agent n'a pas la place de résumer un long développement, il a celle de reprendre un passage court et net. Ces valeurs figurent dans notre relevé de statistiques sur Perplexity, et elles varient selon les bases analysées.

Cinq places par réponse : sur quoi se joue l'entrée dans la fenêtre

La sélection se fait en deux temps, et on les confond souvent. L'agent retient d'abord des pages, sur leur proximité avec la question reformulée ; il retient ensuite des passages, et c'est là que tout se joue. Une page peut être retenue sans apporter une seule phrase citable : elle est lue, puis abandonnée au profit d'une autre qui dit la même chose en une phrase attribuable.

Quatre critères reviennent dans les observations disponibles : la pertinence sémantique, critique ; la fraîcheur de l'information, élevée ; la lisibilité et la structuration, qui conditionnent l'extraction ; et la citation de la source dans la réponse, jugée très importante (Abondance, 2025). Ce dernier point se lit à l'envers : un passage qui avance un chiffre sans dire d'où il vient met l'agent en difficulté, parce qu'il devrait l'assumer à votre place. Ce qui écarte un passage est symétrique : une affirmation sans date, une donnée sans origine, une définition qui contredit celle du paragraphe voisin.

Les formats qu'un agent reprend sans avoir à les réécrire

La forme n'est pas une astuce, c'est un coût de traitement. Favoriser les listes à puces et les tableaux augmente la sélection IA (Abondance, 2025) — c'est un effet constaté, pas une garantie d'être cité, et aucune mise en forme ne compense une information fausse. Le tableau ci-dessous donne les quatre formats les plus volontiers repris, et surtout ce qui les disqualifie : la colonne de droite est celle qui sert le plus.

Sous ces formats, un passage reprenable présente presque toujours les mêmes quatre propriétés, vérifiables en quelques secondes :

• Une définition dès le début : une phrase, un périmètre, une nuance.
• Des preuves : chiffres, source et année, avec mention des limites.
• Des formats extractibles : listes, tableaux, étapes clairement séparées.
• Une fraîcheur visible : une date de mise à jour, et des sections réellement révisées.

Cadrer une mission de recherche : le flux et ses garde-fous

Le malentendu le plus coûteux consiste à croire qu'un agent dispense de savoir ce qu'on cherche. C'est l'inverse : même quand l'outil automatise, votre performance dépend de la clarté du cahier des charges — objectif, périmètre, format attendu, niveau de preuve. Ces quatre éléments s'écrivent en cinq lignes, et ils décident du résultat plus sûrement que le choix du mode ou du modèle.

Planifier, naviguer, extraire, vérifier, livrer

Un flux agentique utile en recherche suit une logique stable, qui se reproduit d'un sujet à l'autre. Sauter le quatrième temps est l'erreur la plus fréquente : c'est le seul qui ne produit rien de visible.

• Planifier : intention, questions à trancher, critères de preuve, livrable.
• Naviguer : recherche web en direct, élargissement des sources.
• Extraire : définitions, chiffres, cadres méthodologiques, limites.
• Vérifier : cohérence entre sources, dates, biais, contradictions.
• Livrer : synthèse actionnable — tableau comparatif, checklist, note.

Le niveau de preuve mérite d'être formulé explicitement, parce que c'est lui qui arrête l'agent. « Deux sources concordantes de moins de douze mois, sinon signale l'incertitude » est une consigne exécutable ; « sois rigoureux » n'en est pas une.

Quatre garde-fous, et quand séparer recherche et rédaction

Un agent efficace n'est pas un agent livré à lui-même. Vous devez définir ce qui peut être fait sans risque, ce qui exige validation, et ce qui est interdit — d'autant plus dès que l'agent exécute des actions. Le cadre minimal tient en quatre points, et il s'adapte par équipe :

• Validation obligatoire : chiffres, citations, éléments légaux, claims marketing.
• Limites d'action : pas de publication, pas d'engagement contractuel, pas d'accès non nécessaire.
• Gestion des erreurs : si une source manque, l'agent doit le signaler au lieu d'inférer.
• Escalade humaine : un circuit clair « qui valide quoi » entre le référent contenu, le juridique et l'expert métier.

Reste l'arbitrage que tout le monde finit par rencontrer : faut-il faire intervenir plusieurs modèles dans une même mission ? La réponse dépend du découpage. Cette orchestration améliore la qualité quand vous séparez clairement les tâches : récupération des sources d'un côté, rédaction et mise en forme de l'autre. Elle dégrade la qualité si vous laissez le modèle « combler » des manques de sources avec de la génération non vérifiée, ou si vous mélangez des sources hétérogènes sans gérer les dates et les définitions. Le test est immédiat : si la sortie contient une affirmation qu'aucune source ne porte, le découpage est mauvais.

Où naissent les erreurs, et comment on les attrape

Le taux de réussite des requêtes complexes est élevé : 97 % (DataGlobeHub, 2026), un ordre de grandeur qui varie selon les bases analysées. Ce chiffre dit l'essentiel à qui doit décider : l'échec visible n'est pas le problème, une requête qui n'aboutit pas se relance. Ce qui coûte, c'est le petit reste — une réponse complète, bien écrite, correctement citée, et fausse sur un point que personne n'a rouvert.

Les erreurs ne naissent pas à la fin

C'est le point le plus contre-intuitif du sujet. Les erreurs naissent rarement « à la fin » : elles apparaissent au moment où la recherche sélectionne des sources incomplètes, trop anciennes, ou contradictoires. Puis la synthèse peut lisser les nuances et transformer une hypothèse en fait. La phrase rendue est alors parfaitement citée — elle renvoie bien à une page réelle — mais elle affirme plus que la page ne disait.

Trois signatures se repèrent vite, une fois qu'on les cherche. Une date manquante sur une donnée de marché : la source existe, l'année a disparu en route. Une définition glissante : deux sources emploient le même mot pour deux périmètres différents, et la synthèse les additionne. Une modalisation perdue : la source écrivait « pourrait », la réponse écrit « est ». Aucune de ces trois n'est détectable dans le texte final ; toutes se voient en ouvrant la source.

Quatre gestes de contrôle, et une règle de documentation

La détection n'a pas besoin d'être lourde pour être efficace. Elle a besoin d'être systématique sur les passages à enjeu, et quatre gestes suffisent, dans cet ordre :

• Demandez la liste des sources avant la synthèse finale.
• Vérifiez les dates et la cohérence des définitions entre sources.
• Faites reformuler avec contre-arguments et limites explicites.
• Validez les passages à enjeu via un expert humain.

Le premier geste est le plus rentable : obtenir les sources avant la réponse vous fait lire une liste de dix lignes au lieu d'un rapport, et c'est à ce moment-là que la sélection se corrige, pas après. Derrière ces gestes, une règle unique tient le dispositif : aucun chiffre sans source, et aucune source sans date. Elle s'applique en trois temps — conserver l'origine et l'extrait, séparer le fait de son interprétation, écrire explicitement l'incertitude sous forme de fourchette ou d'hypothèse assumée. Un agent n'excuse pas une statistique non vérifiée : il la rend plus visible, donc plus risquée.

Tracer : journal d'actions, journal de citations

En contexte entreprise, la traçabilité n'est pas un luxe : c'est une condition d'adoption. Vous devez pouvoir répondre à trois questions, à froid : qu'a-t-il fait, sur quelles sources, avec quel niveau de confiance. Deux journaux y suffisent, et ils ne mesurent pas la même chose : le premier enregistre ce que l'agent a fait pour vous, le second ce que les agents disent de vous.

Le journal d'actions se tient au fil des missions, et il se conçoit dès la première. La dernière colonne est celle qu'on oublie et celle qui compte le jour d'un audit interne : un journal sans propriétaire n'est pas tenu.

Le second journal répond à la question que se pose toute direction marketing qui voit ses concurrents apparaître dans des réponses et pas elle : comment le savoir, quand il n'y a pas forcément de clic ? La réponse est un protocole, pas une impression. Définissez 10 à 20 requêtes qui comptent vraiment pour vous — celles qui portent une intention d'achat et celles qui portent votre expertise —, puis posez-les à intervalle régulier et consignez ce que vous obtenez, en cinq champs : requête, date, extrait cité, URL citée, contexte.

Ce journal se lit de trois façons, et c'est ce qui en fait un instrument de décision. En présence : sur combien de vos requêtes votre domaine apparaît-il, et à quelle fréquence. En exactitude : quand vous êtes cité, l'extrait retenu dit-il ce que vous vouliez dire, ou une version simplifiée que vous ne signeriez pas ? En substitution : qui occupe la place quand vous n'y êtes pas, et sur quel type de passage. Un mois de relevé suffit à voir une tendance, trois à savoir si un changement éditorial a produit un effet. Et consignez l'extrait plutôt que l'impression : les réponses varient d'une session à l'autre.

FAQ sur l'agent d'IA de Perplexity et la recherche par IA

Comment fonctionne la recherche IA ?

La recherche par IA enchaîne quatre étapes : exploration du web, sélection de sources, synthèse, puis présentation de la réponse avec ses références. La recherche se fait en direct, ce qui permet de rendre des réponses à jour et de remonter à chaque source citée. La qualité se joue à la deuxième étape, invisible : ce sont les pages écartées qui expliquent le plus souvent une réponse incomplète.

Comment utiliser Perplexity pour créer un agent ?

Partez d'un workflow et non d'un prompt unique. Définissez un objectif (le livrable), des règles (preuves, dates, sources obligatoires) et des étapes : collecte, extraction, vérification, synthèse. Choisissez ensuite le mode adapté à la tâche — recherche rapide pour une vérification, enquête approfondie pour un rapport, atelier pour un enchaînement plus complet. Le cahier des charges pèse plus lourd que le mode retenu.

Qu'est-ce que Perplexity Agents ?

Le terme désigne les capacités qui vont au-delà de la réponse : exécuter un enchaînement de tâches et produire un livrable — document, projet, application simple —, et agir dans un navigateur via le mode Computer. En entreprise, considérez ces capacités comme une base d'automatisation à encadrer, avec des droits, une validation et une journalisation, plutôt que comme une autonomie totale.

Quels sont les avantages de Perplexity ?

Les avantages les plus concrets sont la rapidité d'accès à des réponses à jour et la présence systématique de citations vérifiables : 92 % des réponses en intègrent (DataGlobeHub, 2026). Cela sert particulièrement la veille, la synthèse et la vérification de faits. L'avantage secondaire est méthodologique : vous voyez en quelques requêtes quels passages de votre marché sont repris, et lesquels ne le sont jamais.

Quelle différence entre un assistant et un agent de recherche ?

Un assistant aide surtout à formuler, résumer et proposer, à partir de ce que vous lui donnez. Un agent de recherche vise un objectif et enchaîne les étapes : chercher, sélectionner des sources, vérifier, synthétiser, livrer dans un format exploitable. En B2B, la différence se voit dans la gouvernance : un agent doit être encadré, car il peut industrialiser une erreur aussi vite qu'un gain de productivité.

Que change Perplexity Pro dans les usages agentiques et la recherche ?

Ce qui compte n'est pas l'étiquette de l'abonnement, c'est l'accès aux modes qui enchaînent des tâches : rapport autonome, création de fichiers, exécution dans un navigateur. Avant de généraliser, validez sur un périmètre pilote, sur quatre critères : la qualité des sources, la reproductibilité d'une mission à l'autre, le temps réellement gagné, et le taux de reprise humaine.

Le mode Computer peut-il exécuter des tâches de bout en bout en contexte entreprise ?

Techniquement, oui : il navigue, collecte et produit un livrable sans reprise à chaque étape. En entreprise, l'exécution de bout en bout n'est acceptable que si vous imposez des limites d'action, une validation humaine sur les éléments sensibles, et une journalisation détaillée des étapes. Rappelez-vous que son périmètre réel est celui des accès ouverts dans le navigateur où il travaille.

Comment limiter les hallucinations et sécuriser les décisions prises par un agent ?

Forcez l'agent à travailler avec preuves : sources obligatoires, dates, et refus explicite de conclure quand l'information manque. Demandez la liste des sources avant la synthèse, vérifiez les dates et la cohérence des définitions, faites reformuler avec contre-arguments. Enfin, mettez un humain dans la boucle sur tout ce qui touche au légal, au financier ou à une affirmation de performance.

Continuez votre lecture

• Vous avez compris ce qui rend un passage reprenable et vous voulez la méthode à appliquer à vos propres pages : la structuration des contenus pour être repris comme source est le sujet du generative engine optimization.
• Vous butez sur ce que vous autorisez au mode Computer et il vous manque la règle générale : niveaux de délégation, seuils et ce qu'on ne délègue jamais sont traités sur les agents d'IA autonomes.
• L'usage individuel devient un déploiement d'équipe, avec des droits, des licences et un coût complet à défendre : c'est le passage à l'échelle que traite l'agent d'IA en entreprise.

Une fois le journal de citations ouvert, la question devient immédiate : lesquelles de vos pages peuvent être reprises comme source, et lesquelles ne le seront jamais. C'est une cartographie page à page, et c'est ce qu'encadre le module d'audit SEO et GEO 360°.