deep-research

Aperçu de deep-research

Ce que fait deep-research

Le skill deep-research transforme une question large en workflow de recherche web appuyé par des sources. Il s’appuie sur les outils MCP firecrawl et exa pour chercher, comparer et synthétiser plusieurs sources dans un rapport cité. Le skill deep-research est particulièrement utile quand une réponse unique donnée par simple prompt est trop superficielle ou trop risquée pour être fiable.

Quand c’est le bon choix

Utilisez deep-research pour l’analyse concurrentielle, l’évaluation de technologies, le dimensionnement de marché, la due diligence, les synthèses d’état des lieux et toute décision qui doit s’appuyer sur des preuves issues de plusieurs sources. C’est un bon choix quand vous avez besoin du pattern de recherche web de deep-research : collecter, recouper, puis rédiger une synthèse exploitable avec attribution.

Ce qu’il faut savoir avant l’installation

Le principal frein à l’adoption n’est pas la complexité, mais l’accès aux outils. L’installation de deep-research n’a d’intérêt que si votre environnement peut appeler au moins un MCP pris en charge : firecrawl ou exa. Si vous voulez une couverture plus solide et moins d’angles morts, configurez les deux avant de vous reposer sur le skill.

Comment utiliser le skill deep-research

Installer et connecter les outils

Installez avec npx skills add affaan-m/everything-claude-code --skill deep-research. Vérifiez ensuite votre configuration MCP dans ~/.claude.json ou ~/.codex/config.toml. Le skill est surtout utile lorsque le modèle peut réellement chercher et extraire des pages web, donc contrôlez les noms des outils et les identifiants avant de lancer une longue tâche de recherche.

Commencer avec une bonne demande

Pour bien utiliser deep-research, ne demandez pas simplement « fais des recherches là-dessus ». Donnez un sujet, le résultat attendu et les contraintes éventuelles. Un meilleur prompt ressemble à : « Recherche l’état actuel des agents de code IA pour une décision produit, compare les principaux outils et cite des sources récentes. » Cela donne au skill assez de matière pour définir des sous-questions et choisir les bons types de sources.

Lire les fichiers qui pilotent le comportement

Commencez par skills/deep-research/SKILL.md, puis examinez le contexte du repo lié s’il existe. Dans ce dépôt, le corps du skill est la principale source d’instructions comportementales ; l’essentiel est donc de comprendre le workflow, les règles d’activation et les exigences MCP plutôt que de chercher des fichiers d’aide supplémentaires qui n’existent pas.

Adopter un workflow qui améliore le résultat

Demandez au modèle de préciser le périmètre si le sujet est large, puis laissez-le découper le travail en 3 à 5 sous-questions de recherche. Si vous connaissez déjà l’angle, dites-le dès le départ : « concentre-toi sur les prix, l’adoption et les risques » ou « exclue les pages marketing des fournisseurs ». Cela aide le guide deep-research à produire un rapport plus resserré et réduit le bruit des sources hors sujet.

FAQ du skill deep-research

deep-research est-il meilleur qu’un prompt classique ?

Oui, quand la tâche demande une synthèse sourcée à partir de plusieurs pages. Un prompt classique peut résumer des faits connus, mais le skill deep-research est conçu pour chercher sur le web, comparer les preuves et renvoyer des citations. Si vous n’avez pas besoin d’informations à jour ni d’attribution des sources, un simple prompt peut suffire.

Faut-il à la fois firecrawl et exa ?

Non. Le skill peut fonctionner avec l’un ou l’autre. Mais pour deep-research pour Web Research, les deux outils améliorent généralement la couverture parce qu’ils se complètent : l’un peut trouver et extraire des pages que l’autre manque, ce qui compte pour les sujets larges ou qui évoluent vite.

Est-ce adapté aux débutants ?

Oui, si vous savez décrire clairement votre objectif. Le skill ne demande qu’une clarification légère au départ, et il peut continuer avec un simple « fais la recherche » si nécessaire. L’erreur la plus fréquente chez les débutants est de donner un sujet vague sans contexte de décision, ce qui rend la recherche trop large.

Dans quels cas ne faut-il pas l’utiliser ?

N’utilisez pas deep-research pour des tâches qui exigent une réponse rapide, pas d’accès au web ou pas de citations. C’est aussi un mauvais choix si vous avez déjà les sources exactes et qu’il suffit de réécrire. Dans ces cas, le surcoût de l’installation et du workflow deep-research n’est pas justifié.

Comment améliorer le skill deep-research

Lui donner un cadre de décision

Le plus gros gain de qualité vient du fait d’expliquer au skill pourquoi vous avez besoin de la recherche. « Apprendre », « choisir un fournisseur » et « rédiger une note » conduisent à des sélections de sources et à des synthèses différentes. Pour obtenir un meilleur résultat, précisez le public cible, l’horizon temporel et ce qui compte comme conclusion utile.

Ajouter des contraintes qui réduisent le bruit

Les contraintes utiles incluent la période, la zone géographique, le groupe de concurrents, les sources exclues et les types de preuves privilégiés. Par exemple : « Utilise des sources des 18 derniers mois, mets l’accent sur la documentation primaire et évite les blogs de fournisseurs sauf s’ils apportent des données uniques. » Cela améliore le rapport signal/bruit du guide deep-research.

Surveiller les modes d’échec fréquents

Les échecs les plus courants sont un trop grand nombre de sous-questions, une dépendance excessive aux pages marketing et des rapports qui énumèrent des faits sans répondre à la vraie question. Si la première passe est trop large, demandez une synthèse plus ciblée : « concentre-toi uniquement sur les risques » ou « transforme cela en recommandation d’achat ». Cette itération aide généralement plus que demander « plus de détails ».

Itérer à partir du premier jet

Après le rapport initial, demandez un second passage qui resserre un seul axe : qualité des preuves, profondeur de comparaison ou résumé de décision. De bons prompts de suivi incluent : « sépare les faits confirmés des inférences », « classe les sources les plus solides » ou « transforme cela en brief exécutif d’une page ». C’est la manière la plus rapide de rendre la sortie de deep-research plus actionnable.