Google ouvre Gemini Deep Research aux développeurs

Le 11 décembre 2025, Google a dévoilé une version réinventée de Gemini Deep Research. C'est l'agent de recherche le plus avancé de Google à ce jour. Pour la première fois, les développeurs peuvent l'intégrer dans des applications tierces.

Le changement est livré via une nouvelle Interactions API. Elle permet aux applications d'appeler des modèles Gemini bruts ou des agents intégrés. Le lancement a eu lieu le même jour où OpenAI a publié GPT‑5.2, ce qui rehausse les enjeux pour les plateformes d'agents.

Points clés

• Deep Research est désormais intégrable dans des applications tierces via l'Interactions API de Google.

• L'API prend en charge l'état côté serveur, l'exécution en arrière-plan et des workflows d'outils structurés pour de longues sessions de recherche.

• Google a open-sourcé DeepSearchQA pour évaluer un comportement de recherche multi-étapes à l'échelle du web.

• Des intégrations sont prévues pour Google Search, Google Finance, l'application Gemini et NotebookLM.

• Les startups marocaines peuvent transformer la recherche en produits pour les appels d'offres, l'export, la conformité et le travail de connaissance multilingue.

Ce qui a changé dans Gemini Deep Research

Deep Research repose désormais sur Gemini 3 Pro. Google présente Gemini 3 Pro comme son modèle le plus factuel. Google indique qu'il est entraîné pour réduire les hallucinations dans le travail multi-étapes.

Avant, Deep Research produisait surtout de longs rapports autonomes. Désormais, il peut planifier des requêtes, lire des sources, y revenir et combler des lacunes au fil du temps. Google affirme aussi avoir amélioré les compromis performance/coût pour des sorties de type rapport.

Google indique que Deep Research apparaîtra aussi dans de grandes surfaces Google. La feuille de route inclut Google Search, Google Finance, l'application Gemini et NotebookLM. Cela compte pour la découvrabilité et l'usage quotidien.

Interactions API : un endpoint unique pour les modèles et les agents

Interactions API est le point d'entrée pour les développeurs. Un endpoint peut router vers un modèle de base comme Gemini 3 Pro. Le même endpoint peut invoquer un agent tel que l'aperçu `deep-research-pro`.

L'API introduit un état côté serveur optionnel. Cela signifie que l'historique peut résider côté Google. Cela réduit la complexité côté client et prend en charge des sessions plus longues.

Elle prend aussi en charge l'exécution en arrière-plan. Votre application peut démarrer un job et le laisser tourner. C'est utile pour de longues boucles d'inférence et des lectures multi-sources.

Google expose également un schéma interprétable pour les étapes de l'agent. Il entremêle réflexions, appels d'outils et résultats de manière structurée. L'objectif : des workflows agentiques débogables.

Enfin, l'API prend en charge des outils MCP distants. Concrètement, cela peut permettre à l'agent d'appeler des serveurs d'outils externes. Pensez à la recherche interne, au ticketing ou aux systèmes financiers, sous vos contrôles.

DeepSearchQA : une évaluation ouverte pour la recherche approfondie

Google open-source également DeepSearchQA. C'est un benchmark conçu pour la recherche multi-étapes. Il cible des questions nécessitant une navigation large et une synthèse.

Pour les développeurs, les benchmarks sont plus qu'un sport de classement. Ils vous aident à tester les régressions lorsque vous modifiez des prompts ou des outils. Ils vous aident aussi à comparer des agents entre fournisseurs sur les mêmes tâches.

Pour les équipes marocaines, des benchmarks ouverts peuvent réduire la friction d'achat. De nombreuses entreprises demandent encore des preuves de précision. Un jeu de tests partagé peut ancrer ces discussions dans des résultats reproductibles.

Benchmarks, affirmations et scepticisme sain

Google rapporte des résultats de pointe pour son agent. Il cite 46,4 % sur Humanity's Last Exam (HLE). Il cite aussi 66,1 % sur DeepSearchQA et 59,2 % sur Browse/BrowserComp.

TechCrunch ajoute une nuance importante. Sur les tests internes de Google, l'agent est en tête. Sur le benchmark d'interaction navigateur, OpenAI est classé légèrement plus haut.

Les benchmarks manquent encore des contraintes du monde réel. Vos sources métier peuvent être payantes, multilingues ou de faible qualité. Considérez les chiffres comme des signaux, et testez sur vos propres tâches.

Pourquoi le timing compte : la distribution rencontre les agents

Publier un agent de recherche intégrable est un mouvement de plateforme. Si les agents deviennent la principale façon dont les utilisateurs lisent le web, la distribution comptera. Google associe des gains de capacité à un placement par défaut dans ses produits.

La sortie le même jour de GPT‑5.2 renforce la tendance. La course ne porte pas seulement sur la qualité du modèle. Elle concerne aussi les runtimes, les outils et la propriété des workflows.

Pour le Maroc, c'est important parce que de nombreux acteurs locaux s'intègrent à des plateformes mondiales. Une API d'agent stable peut réduire le time-to-market de produits spécialisés. Elle peut aussi renforcer l'enfermement propriétaire (lock-in) des plateformes.

Contexte IA au Maroc : où un agent de recherche s'insère

Le Maroc dispose d'une base croissante de développeurs, de startups et de services publics numériques. Des équipes à Casablanca, Rabat, Marrakech et Tanger construisent souvent pour les PME et les secteurs réglementés. Le travail intensif en recherche est partout, des appels d'offres à la conformité.

L'information est fragmentée. De nombreuses sources sont en français et en arabe, et parfois en amazigh. Les politiques et les données de marché vivent souvent dans des PDF et des portails dispersés. Un agent de recherche approfondie peut réduire la recherche manuelle et la synthèse.

Cela compte aussi pour la modernisation du secteur public. L'Agence de Développement du Digital (ADD) promeut la transformation numérique. De meilleurs outils de recherche peuvent aider les administrations à rédiger des notes et répondre à des questions avec des sources.

Idées de produits pratiques pour les startups marocaines

La plus grande opportunité est la recherche verticale, pas le chat générique. Construisez un workflow qui se termine par une décision, un document ou une action. Utilisez l'agent pour rassembler des preuves, puis gardez des humains dans la boucle de validation.

Des idées qui correspondent bien à l'économie marocaine :

• Copilote d'appels d'offres et d'achats

• Surveiller les avis d'appels d'offres, résumer les exigences et signaler les documents manquants.

• Produire une checklist de conformité et un brouillon de note technique avec des citations.

• Éclaireur de marchés export pour les PME

• Comparer les marchés cibles, les normes et le positionnement des concurrents.

• Générer une note étayée par des sources pour les équipes commerciales et les distributeurs.

• Assistant de recherche bancaire et fintech

• Suivre les avis publics, les divulgations et les signaux de risque provenant de sources fiables.

• Rédiger des synthèses internes et des questions pour revue juridique et conformité.

• Intelligence tourisme et hôtellerie

• Synthétiser les avis, calendriers d'événements et signaux de demande.

• Produire des briefs de contenu multilingues fondés sur des sources vérifiables.

• Due diligence fournisseurs industriels et énergie

• Compiler les profils fournisseurs, certifications et déclarations de durabilité.

• Produire un dossier fournisseur structuré pour les équipes achats.

Ces produits deviennent plus faciles lorsque l'agent tourne en arrière-plan. Un utilisateur peut lancer un job et revenir sur une note terminée. Cela correspond au design de l'Interactions API.

Usages gouvernementaux et du secteur public à surveiller

Les agents de recherche peuvent aider les gouvernements, mais la gouvernance compte. Un bon modèle est d'assister, pas de décider. L'agent rédige, et les fonctionnaires vérifient.

Des cas d'usage à fort impact incluent :

• Notes de politique publique qui citent des sources officielles et des décisions antérieures.

• Recherche comparative entre pays pairs pour de nouvelles réglementations.

• Synthèses des retours des parties prenantes lors des consultations.

• Bases de connaissances internes qui renvoient vers les documents originaux.

Le Maroc a aussi des attentes claires en matière de vie privée. La CNDP supervise la protection des données personnelles au titre de la Loi 09-08. Tout déploiement devrait limiter le partage de données personnelles et journaliser soigneusement les accès.

Une checklist Morocco-first : données, langue et confiance

Les agents de recherche échouent de manière prévisible. Anticipez ces échecs tôt. C'est plus simple que de réparer la confiance plus tard.

Checklist pour les équipes qui livrent au Maroc :

• Stratégie de sources

• Privilégier les portails officiels, les documents primaires et les institutions nominatives.

• Utiliser des allowlists pour les workflows à forts enjeux, comme la finance et la politique publique.

• Gestion multilingue

• Tester les requêtes en arabe et en français, y compris les entrées en langues mixtes.

• Vérifier que les citations correspondent toujours après traduction ou synthèse.

• Vie privée et rétention

• Caviarder les identifiants avant d'envoyer du contenu à des modèles externes.

• Définir combien de temps vous stockez les prompts, sorties et logs d'outils.

• Garde-fous de revue humaine

• Exiger une validation pour les conseils juridiques, médicaux et financiers.

• Afficher les citations inline, et rendre la source originale accessible en un clic.

• Contrôle des coûts et de la latence

• Plafonner les appels d'outils et les relectures par job.

• Mettre en cache les résultats intermédiaires pour les tâches de recherche récurrentes.

Comment les développeurs marocains peuvent démarrer, sans surconstruire

Google indique que l'accès en bêta publique est disponible via Google AI Studio. Commencez par de petits jobs mesurables. Évitez de construire un framework d'agent complet avant d'avoir des utilisateurs.

Une approche pragmatique :

1. Choisir un workflow de recherche avec des entrées et sorties claires.

2. Décider si vous avez besoin d'un appel modèle ou de l'agent de deep research.

3. Définir les outils que l'agent peut utiliser, y compris la recherche interne si nécessaire.

4. Utiliser l'état côté serveur et l'exécution en arrière-plan pour les longues exécutions.

5. Créer un mini jeu d'évaluation, inspiré de DeepSearchQA, et le rejouer chaque semaine.

6. Livrer avec des citations, des logs et un chemin d'escalade vers un humain.

Conclusion

Google transforme Deep Research d'une fonctionnalité en une plateforme. Interactions API facilite l'intégration d'agents de recherche long-courrier utilisant des outils. DeepSearchQA ajoute un étalon public de qualité.

Pour le Maroc, la valeur à court terme est pratique. Utilisez l'agent pour accélérer la recherche dans les PME, les services publics et les industries réglementées. Gagnez sur le design du workflow, le support linguistique et la confiance, pas seulement sur le choix du modèle.