Aller au contenu
ReviewRamble

La lettre hebdomadaire

L’IA, évaluée, dans votre boîte mail.

  • Les nouveaux tests d’outils, de modèles, de serveurs MCP et de dépôts, avec le verdict en premier
  • Les prix et les notes revérifiés quand quelque chose change
  • Les nouvelles analyses dès leur publication

Modèles, agents, serveurs MCP et les outils qui méritent vraiment votre temps.

Un e-mail par semaine. Désinscrivez-vous avec le lien présent dans chaque lettre. Comment nous utilisons votre e-mail

BrowseComp

BrowseComp est un benchmark d'OpenAI composé de 1 266 questions difficiles, qui teste si un agent de navigation sait chercher avec persévérance sur le web des faits enchevêtrés et difficiles à trouver, avec des réponses courtes faciles à vérifier.

Aussi appelé : BrowseComp benchmark

Par Divya Sharma · Vérifié le 15 nov. 2026 · Notre méthode

Beaucoup de benchmarks de recherche posent des questions auxquelles une seule requête suffit à répondre. BrowseComp, publié par des chercheurs d'OpenAI en 2025, pose des questions dont les réponses sont enfouies : les trouver peut obliger à suivre de nombreuses pistes sur de nombreuses pages. La réponse elle-même est courte, comme un nom ou une date, si bien que la notation est simple même quand la recherche est difficile.

Ce qu'il mesure

Les auteurs le comparent aux compétitions de programmation pour les agents de code : incomplet, mais utile. Il teste la persévérance et la créativité dans la recherche d'informations, la compétence clé des outils de deep research et des moteurs de recherche IA. Il ne teste ni la rédaction de longues réponses ni la gestion de questions vagues d'utilisateurs, dont les vraies tâches de recherche ont aussi besoin.

Pourquoi c'est important pour vous

Si votre produit repose sur un agent qui navigue, les scores BrowseComp vous indiquent dans quelle mesure un modèle persévère quand les premières recherches échouent. L'article montre aussi que la précision augmente avec l'effort de navigation, ce qui le relie au calcul au moment du test : davantage d'étapes et de recherches aident généralement. Les scores dépendent des outils dont dispose l'agent : comparez donc des résultats obtenus avec la même configuration de recherche et d'agent de navigation.

Limites

Les questions sont conçues pour que les réponses soient faciles à vérifier une fois trouvées, ce qui ne correspond pas à la plupart des requêtes réelles. Des réponses publiées en ligne après la sortie du benchmark pourraient aussi fuiter dans l'entraînement des modèles : vérifiez donc quelle version et quelle date utilise un score annoncé.

Termes liés

Deep research (IA)
La deep research (recherche approfondie) est une fonction d'agent IA qui planifie une question de recherche, lance de nombreuses recherches web, lit les sources trouvées et rédige un long rapport avec citations, en quelques minutes plutôt qu'en quelques secondes.
Benchmark d'IA
Un benchmark d'IA (banc d'essai) est un ensemble fixe et public de tâches avec une méthode de notation convenue, utilisé pour comparer des modèles sur le même test, par exemple les tickets de code résolus, les questions d'examen réussies ou la qualité de récupération sur de nombreux jeux de données.
Agent de navigation
Un agent de navigation (browser agent) est un agent IA qui pilote un navigateur web pour accomplir des tâches, comme chercher, cliquer, remplir des formulaires et lire des pages, souvent au moyen d'un navigateur headless, sans fenêtre visible.
Moteur de recherche IA
Un moteur de recherche IA est un service de recherche qui lance des recherches web pour une requête, lit les résultats avec un modèle de langage et renvoie une réponse rédigée avec des liens vers ses sources, au lieu d'une simple liste de liens.
Test-time compute
Le test-time compute (calcul au moment de l'inférence) est la quantité de calcul qu'un modèle consacre à répondre à une requête, et non à l'entraînement. Laisser un modèle réfléchir plus longtemps ou essayer plusieurs réponses peut améliorer les résultats sur les problèmes difficiles.

Sources