Les agents de recherche de Perplexity s'effondrent face à WANDR
— ÉTHIQUE
Perplexity lance WANDR, un benchmark pour évaluer les capacités de recherche des agents IA. Le constat est brutal : entre 57 et 87 % des sources invoquées ne soutiennent pas les affirmations produites. Un gouffre béant entre la promesse et la réalité opérationnelle.
Un agent de recherche moderne balaie le web en quelques secondes. Il empile les entités, aligne les références, produit des listes qui semblent complètes. Puis vient le moment de prouver, et tout se fissure. Perplexity vient de le chiffrer avec WANDR, une plateforme d'évaluation qui traque précisément cette faille.
Le principe repose sur deux exigences qui se contredisent. Ratisser large, d'abord : repérer un ensemble ouvert d'entités qui répondent à un critère donné. Fouiller en profondeur, ensuite : adosser chaque affirmation à une preuve solide. L'outil rassemble cinq cents tâches calquées sur des missions réelles — cartographie concurrentielle, due diligence, revue de littérature, analyse de marché, sourcing de candidats.
Un cas donne la mesure de l'épreuve. Retrouver soixante-dix entreprises américaines ayant annoncé la nomination d'un directeur général ou financier sur deux mois. Chaque nom réclame deux justificatifs : une source faisant autorité, une autre confirmant la cotation en Bourse. Soit cent quarante enregistrements vérifiables au minimum. La médiane du banc grimpe, elle, à deux cent quarante-cinq.
Aucun corrigé figé ne sert de référence. Le vérificateur confronte chaque assertion à la preuve que l'agent a lui-même désignée. Il rouvre la page. Il contrôle qu'elle reste consultable. Il s'assure que les passages invoqués s'y trouvent réellement.
Le verdict tombe, sévère. Les liens morts demeurent rares, moins d'une page sur dix. Mais de 57 à 87 % des extraits cités ne suffisent pas à soutenir ce que l'enregistrement prétend établir. D'un tiers à deux tiers des pages trébuchent sur au moins un critère. Tâches, vérificateur et rapport technique restent ouverts à tous. Alors une question demeure : que vaut une recherche capable de tout trouver, mais presque incapable de tout prouver ?