Perplexity AI : moteur de réponse, Comet, API et usages en entreprise

Perplexity AI est un éditeur de logiciels qui applique l'IA générative à la recherche d'information. Son produit principal, Perplexity, est un moteur de réponse : l'utilisateur pose une question en langage naturel, le système cherche des pages web pertinentes, puis un modèle de langage rédige une réponse qui renvoie vers ses sources par des notes numérotées. Autour de ce produit, l'entreprise a construit un navigateur, un agent, des API et des offres pour les organisations.

L'entreprise est fondée en août 2022 à San Francisco par Aravind Srinivas, passé par OpenAI et Google DeepMind et devenu directeur général, Denis Yarats, ancien de Meta AI Research, Johnny Ho, ancien ingénieur chez Quora, et Andy Konwinski, cofondateur de Databricks. Le moteur de réponse est ouvert au public en décembre 2022, quelques jours après ChatGPT. Suivent les abonnements Pro, les modes de recherche approfondie, une API pour les développeurs, les offres entreprise, puis en 2025 le navigateur Comet et l'abonnement Max. En 2026, l'entreprise lance l'agent Perplexity Computer et remplace son API Sonar par l'Agent API.

Contrairement aux laboratoires comme OpenAI ou Anthropic, Perplexity ne fonde pas son offre sur un grand modèle de pointe conçu en interne. Sa spécialité est la chaîne qui entoure le modèle : collecte et indexation du web, recherche, sélection des passages, choix du modèle selon la tâche et présentation des sources. Elle développe toutefois ses propres modèles pour certaines étapes, comme les embeddings ou les réponses rapides.

À retenir : Perplexity est d'abord un produit de recherche construit sur des modèles, souvent fournis par d'autres. Sa valeur se juge sur la qualité de la recherche et des sources, pas seulement sur le modèle qui rédige.

Le fonctionnement de Perplexity correspond à une architecture RAG dont la base documentaire est le web. Pour chaque question, plusieurs étapes s'enchaînent :

1. Compréhension et reformulation : la question est analysée et transformée en une ou plusieurs requêtes de recherche.
2. Recherche : les requêtes interrogent l'index web de Perplexity, alimenté par son propre robot d'exploration, ainsi que des sources spécialisées selon le cas, comme des données financières.
3. Sélection : les pages et passages trouvés sont filtrés et reclassés pour ne conserver que les plus pertinents, une étape proche du reranking.
4. Génération : un modèle de langage rédige la réponse à partir de ces passages et associe chaque affirmation à une source.
5. Suite de la conversation : les questions suivantes conservent le contexte, et l'utilisateur peut ouvrir les sources.

Les modes de recherche approfondie répètent ces étapes de façon autonome : le système lance des dizaines de recherches, lit davantage de pages et produit un rapport structuré. C'est un exemple d'agentic RAG, où un agent pilote la recherche plutôt que de l'exécuter une seule fois.

Quels modèles utilise Perplexity ?

Perplexity combine des modèles de plusieurs origines. Le tableau présente les grandes familles, sans prétendre à l'exhaustivité : la liste exacte change à chaque génération de modèles.

Cette approche multi-modèles a un avantage pratique : le même produit peut s'appuyer sur le modèle le plus adapté à chaque tâche, et l'utilisateur peut comparer les réponses de plusieurs fournisseurs. En contrepartie, la qualité dépend en partie de choix faits par d'autres entreprises, et le traitement des données passe par plusieurs fournisseurs.

L'offre pour développeurs a été réorganisée en 2026. L'API Sonar, qui exposait plusieurs niveaux de modèles maison sous un format compatible avec celui d'OpenAI, a été retirée le 27 septembre 2026. Elle est remplacée par plusieurs API complémentaires :

• Agent API : un point d'accès unique pour obtenir une réponse sourcée. Il réunit la recherche web, la lecture d'URL, l'exécution de code, des recherches spécialisées et les connexions MCP. Des préréglages, du plus rapide au plus approfondi, remplacent les anciens niveaux Sonar ; il est aussi possible d'y utiliser des modèles tiers.
• Search API : des résultats de recherche web bruts et classés, avec filtres, pour les équipes qui veulent garder la main sur la génération.
• Embeddings API : les modèles pplx-embed, pour vectoriser des documents et des requêtes dans un pipeline RAG.
• Router API : un accès unifié, en préversion, à des modèles ouverts hébergés par Perplexity.

Le choix entre ces API dépend du degré de contrôle souhaité. L'Agent API livre une réponse finie et convient pour ajouter rapidement de la recherche sourcée à une application. La Search API sert de brique dans un agent ou un RAG que vous orchestrez vous-même, par exemple avec LangChain ou LangGraph, avec votre propre modèle de génération.

À retenir : une intégration construite sur l'API Sonar devait être migrée vers l'Agent API. Avant de démarrer un projet, vérifiez la documentation en vigueur, car l'offre développeur de Perplexity évolue rapidement.

Google est le concurrent le plus direct : il intègre désormais des réponses générées dans son moteur de recherche, avec les AI Overviews et le mode AI Mode, et propose l'assistant Gemini ainsi que des fonctions d'IA dans Chrome. Les deux acteurs répondent au même besoin, trouver une information sur le web, à partir de positions très différentes.

Lequel choisir ? Perplexity se justifie si la recherche sourcée est l'usage principal, si vous voulez comparer plusieurs modèles dans une même interface, ou si vous cherchez une API de recherche web indépendante d'un grand cloud. Google se justifie davantage si vos équipes travaillent déjà dans Google Workspace, si la couverture la plus large du web est déterminante, ou si vous construisez sur Google Cloud. Dans les deux cas, testez les réponses sur un échantillon de vos questions réelles, vérifiez la pertinence des sources citées et la fidélité du résumé, et examinez les conditions de traitement des données.