Mercredi dernier, Google ne s’est pas contenté d’annoncer le lancement de Gemini 2.0 Flash, le premier modèle de la famille Gemini 2, il a également annoncé celui de Deep Research, une fonctionnalité agentique déployée dans Gemini Advanced conçue pour faciliter la recherche en ligne.

Google présente cette nouvelle fonctionnalité comme “un assistant personnel de recherche”. Elle s’appuie sur l’expertise de Google en matière de recherche d’informations pertinentes sur le Web pour diriger la navigation et les recherches du modèle Gemini, doté de capacités de raisonnement avancées. Sa fenêtre contextuelle a été étendue à 1 million de tokens, ce qui lui permet de traiter de grandes quantités d’informations en une seule fois.

Comment utiliser Deep Research ?

Les abonnés à Gemini Advanced peuvent trouver la fonctionnalité dans le menu déroulant du sélecteur de modèle à “1.5 Pro avec Deep Research”

Il suffit de lui soumettre une requête : l’IA conçoit ensuite un plan en plusieurs étapes, que l’utilisateur peut approuver ou modifier, avant de lancer une analyse approfondie. En quelques minutes, elle produit un rapport complet, incluant des liens vers des sources originales.

Google donne l’exemple d’un étudiant préparant une présentation sur les capteurs de véhicules autonomes.

Le plan approuvé, il suffit de lancer la recherche. L’outil commence à analyser en profondeur les informations pertinentes provenant de l’ensemble du Web.

Google explique :

“Au cours de quelques minutes, Gemini affine continuellement son analyse, naviguant sur le Web comme vous le faites : rechercher, trouver des informations intéressantes, puis commencer une nouvelle recherche en fonction de ce qu’il a appris. Il répète ce processus plusieurs fois et, une fois terminé, génère un rapport complet des principales conclusions, que vous pouvez exporter dans un Google Doc”.

Les liens  fournis vers les sites parcourus permettent une exploration plus approfondie.

Deep Research est déployé initialement en anglais dans Gemini Advanced sur le Web, Google prévoit de le lancer sur l’application mobile début 2025.

LLocalSearch est un moteur de recherche qui fonctionne entièrement en local sur votre machine, qui utilise des agents IA pour effectuer des recherches directement sur votre ordinateur.

Le concept est simple mais diablement efficace. Lorsque vous lui posez une question, le système va enchaîner plusieurs modèles de langage pour trouver la réponse la plus pertinente. Tout le processus est transparent, vous pouvez suivre en temps réel la progression des agents et voir comment ils arrivent à la réponse finale, tout ça sans qu’aucune donnée ne soit envoyée sur des serveurs distants.

Mais il ne se contente pas d’être un simple moteur de recherche en local. Il propose également des fonctionnalités avancées comme la possibilité de poser des questions de suivi pour affiner votre requête initiale. Vous pouvez ainsi avoir un véritable dialogue avec le système pour obtenir exactement l’information dont vous avez besoin.

Un autre atout de LLocalSearch est sa capacité à fonctionner sur du matériel abordable. Pas besoin d’une machine de guerre avec des dizaines de gigaoctets de RAM et une carte graphique dernier cri. Le système est optimisé pour tourner sur des configurations modestes, comme le montre la vidéo de démo qui utilise un modèle de seulement 7 milliards de paramètres.

Côté interface, LLocalSearch mise sur la simplicité et l’efficacité. Que vous utilisiez le système sur ordinateur ou sur mobile, vous bénéficiez d’une interface épurée avec un champ de recherche central et un affichage clair des résultats, le tout avec un joli design soigné qui propose un mode clair et un mode sombre pour s’adapter à vos préférences.

De plus, il est très simple à déployer grâce à Docker. Quelques lignes de commande suffisent pour lancer le système et commencer à l’utiliser.

git clone https://github.com/nilsherzig/LLocalSearch.git
cd ./LLocalSearch
# 🔴 vérifier les variables d'environnement dans le fichier compose (et le fichier `env-example`) et les changer si nécessaire
docker-compose up 

Bien sûr, comme tout projet en phase de démarrage, LLocalSearch n’est pas exempt de bugs et de limitations. Toutes les fonctionnalités prévues ne sont pas encore implémentées et il faudra sans doute un peu de temps avant d’arriver à un système aussi complet et robuste que les moteurs de recherche en ligne que nous connaissons. Mais le potentiel est là et il ne fait aucun doute que ça va rapidement progresser grâce à une communauté open source motivée et passionnée.

En attendant, n’hésitez pas à tester cet outil et à vous faire votre propre idée.