Parallel Search prend la première place du classement de 26 API de recherche pour agents IA avec 83 points
Quand un agent IA cherche des réponses sur Internet, la qualité du résultat dépend de l'API de recherche par laquelle il accède au web. Artificial Analysis a fait passer 1700 tâches dans 26 de ces services : Parallel Search atteint 83 points dans l'indice de synthèse, à égalité avec Keenable Search (pro). Le même modèle sans recherche n'obtient que 33 points, ce qui signifie que le service ajoute environ 50 points. Le mode rapide affiche 82 points pour 0,014 $ par tâche, contre une médiane de 0,063 $ dans le classement : c'est l'option à tester en premier.
Traité par IA depuis X: @ArtificialAnlys ; édité par Hamidun News
Imaginez un agent chargé de vérifier les conditions actuelles d'un concurrent ou ce qui a changé dans la dernière version d'une bibliothèque. Il ne connaît pas la réponse et envoie donc une requête à une API de recherche, puis lit ce qu'elle renvoie. Si l'API ramène des données inutilisables ou laisse de côté la page pertinente, même un modèle performant répondra avec imprécision. C'est pourquoi la dernière évaluation d'Artificial Analysis intéresse toute équipe qui choisit un tel service pour la production : 26 API de recherche ont été testées dans des conditions identiques, sur 1700 tâches consistant à trouver une information sur le web.
Parallel Search arrive en tête. Son mode avancé (advanced) obtient 83 points dans l'indice de synthèse Artificial Analysis Search Index et se classe premier sur 26. Le mode rapide (fast) totalise 82 points et se place quatrième. Pour mesurer l'enjeu : le même modèle sans aucune recherche obtient 33 points, si bien qu'une bonne recherche web apporte à l'agent environ 50 points.
Comment l'évaluation a été menée
Les analystes ont utilisé leur propre framework agentique, Stirrup, et y ont branché Parallel Search comme outil web_search. Le modèle était GPT-5.6 Luna avec un niveau de raisonnement moyen. À chaque appel, le modèle remplit lui-même les champs : un objective facultatif, dans lequel il décrit en ses propres termes le but de la recherche, et search_queries, soit une à trois requêtes de recherche. L'agent décide donc seul de la formulation de sa recherche, et le service se charge de collecter les résultats.
Voici la répartition dans l'indice. Le mode advanced fait jeu égal avec Keenable Search (pro), qui affiche également 83 points. Il devance de trois points Exa (auto, dynamic highlights) et Perplexity (medium), crédités de 80 points chacun. Le mode rapide, avec 82 points, passe lui aussi devant cette paire.
Tests spécifiques et évolution
Parallel se distingue surtout sur DeepSearchQA. Les deux modes atteignent 89 en F1 et occupent les première et deuxième places. Keenable Search (pro) en obtient 88 ici. Le F1 mesure l'équilibre entre rappel et précision : le service trouve l'information recherchée sans y ajouter de contenu superflu.
Advanced est aussi premier sur AA-Omniscience avec 74 %, contre 73 % pour Keenable Search (pro). Sur BrowseComp, il se classe troisième avec 87 %, à égalité avec Keenable Search (pro) et Perplexity (medium).
La progression du service est également notable. Lors des tests d'août, advanced avait obtenu 75 points et fast 73. En novembre, ces scores passent à 83 et 82, soit un gain de 8 à 9 points. Les API de recherche évoluent vite : une comparaison datant de six mois ne suffit plus pour choisir.
Le coût
Le mode rapide coûte environ 0,014 $ par tâche. Seul TinyFish fait moins cher, à 0,009 $. La médiane du classement s'établit à 0,063 $, soit un mode fast environ 4,5 fois moins cher que le participant type. Le mode advanced revient à environ 0,030 $ par tâche et se classe sixième en matière de prix.
Tarifs de Parallel : 1 $ pour 1000 requêtes en mode fast et 5 $ pour 1000 requêtes en mode advanced. Le coût par tâche dans l'évaluation et le prix par requête ne sont pas la même chose : au cours d'une même tâche, l'agent peut solliciter la recherche plusieurs fois.
Que faire en pratique
Si votre agent passe actuellement par Exa ou Perplexity pour accéder au web, il est judicieux de lancer un test A/B avec Parallel. Commencez par le mode fast : il ne perd qu'un point face à advanced et coûte nettement moins cher. Le mode advanced est à privilégier là où la précision factuelle et les questions en plusieurs étapes sont décisives.
Quelques réserves. Tous les chiffres ont été obtenus avec un seul modèle et un seul framework, et l'évaluation a été réalisée par Artificial Analysis elle-même. Dans un autre environnement ou avec un autre LLM, le classement peut légèrement changer. L'écart de 2 à 3 points entre les leaders est faible, et la première place de Parallel est partagée avec Keenable Search (pro). Le classement constitue donc un point de départ, et le choix définitif gagne à être fait sur vos propres requêtes : prenez les questions typiques de vos utilisateurs, passez-les par deux ou trois API, puis comparez la qualité des réponses et le coût final.
- 21 nov. 2026Alice, ChatGPT et Perplexity ne citent que 34 sites sur 309 pour les articles
- 21 nov. 2026Perplexity a donné des boutiques à risque dans 15 % de ses réponses sur les achats, ChatGPT dans 8 %
- 21 nov. 2026Perplexity lance Decider v1.3 : 70 points au classement des décisions et 68 $ le million de tâches
- 21 nov. 2026OpenAI cite quatre raisons pour lesquelles GPT-6 Astra cache ses raisonnements aux moniteurs
Questions clés sur cet article
Comment l'évaluation a été menée?
Les analystes ont utilisé leur propre framework agentique, Stirrup, et y ont branché Parallel Search comme outil web_search. Le modèle était GPT-5.6 Luna avec un niveau de raisonnement moyen. À chaque appel, le modèle remplit lui-même les champs : un objective facultatif, dans lequel il décrit en ses propres termes le but de la recherche, et search_queries, soit une à trois requêtes de recherche. L'agent décide donc seul de la formulation de sa recherche, et le service se charge de collecter les résultats.
Que sait-on sur Tests spécifiques et évolution ?
Parallel se distingue surtout sur DeepSearchQA. Les deux modes atteignent 89 en F1 et occupent les première et deuxième places. Keenable Search (pro) en obtient 88 ici. Le F1 mesure l'équilibre entre rappel et précision : le service trouve l'information recherchée sans y ajouter de contenu superflu. Advanced est aussi premier sur AA-Omniscience avec 74 %, contre 73 % pour Keenable Search (pro). Sur BrowseComp, il se classe troisième avec 87 %, à égalité avec Keenable Search (pro) et Perplexity (medium).
Que sait-on sur Le coût ?
Le mode rapide coûte environ 0,014 $ par tâche. Seul TinyFish fait moins cher, à 0,009 $. La médiane du classement s'établit à 0,063 $, soit un mode fast environ 4,5 fois moins cher que le participant type. Le mode advanced revient à environ 0,030 $ par tâche et se classe sixième en matière de prix. Tarifs de Parallel : 1 $ pour 1000 requêtes en mode fast et 5 $ pour 1000 requêtes en mode advanced.
Ship AI Faster with Founders, Engineers & Weekly Architecture Reviews
Inside Vibe Club (hamidun.com/club) — weekly live masterminds with Zhemal Khamidun, Tech Radar, full LMS access, and 370+ production Claude Code skills.
L'essentiel de l'IA — une fois par semaine
Sept actus qui ont vraiment compté, choisies à la main. Sans bruit ni communiqués.
C'est fait ! Vérifiez votre boîte mail pour la confirmation.