NVIDIA lance AI-Q pour la recherche approfondie dans les frameworks d'agents

NVIDIA a présenté AI-Q, un système qui ajoute des compétences spécialisées de recherche approfondie aux frameworks d'agents. Plutôt que d'intégrer des capacités de recherche dans des agents généralistes, AI-Q isole cette fonction dans un backend distinct, ce qui permet à des orchestrateurs comme Claude Code de se concentrer sur la gestion des flux de travail.

Pourquoi les agents classiques n'y arrivent pas

Des frameworks comme Claude Code, Codex et LangChain Deep Agents fonctionnent très bien comme orchestrateurs : ils gèrent les sessions et les chaînes d'outils, exécutent du code et comprennent l'intention du développeur. Mais dès qu'il s'agit de recherche sérieuse, comme synthétiser de nombreux documents, produire des revues argumentées ou mener des analyses avec sources citées, la complexité explose. Intégrer cette logique dans l'agent est inefficace et peu pratique.

Comment fonctionne AI-Q

AI-Q fonctionne comme un skill autonome, une capacité supplémentaire que l'agent peut appeler. Le système comprend un pipeline de recherche complet : classification de l'intention, dialogue avec l'utilisateur pour clarifier, recherche superficielle pour des réponses rapides et analyse approfondie pour une synthèse multipoint.

• Classification de la requête : déterminer si une réponse rapide suffit ou si une recherche complète est nécessaire
• Clarification avec un humain : si la question est floue, le système pose des questions de précision
• Recherche superficielle : trouver rapidement la réponse aux requêtes simples
• Analyse approfondie : synthétiser de nombreuses sources et fournir des liens

La qualité est évaluée selon des standards comme FreshQA et Deep Research Bench. NVIDIA s'appuie sur de vrais benchmarks pour s'assurer que le système produit des résultats fiables.

Les données d'entreprise intégrées

Un point notable : AI-Q prend en charge des serveurs MCP (Model Context Protocol) authentifiés comme sources de données. L'agent peut ainsi explorer les documents internes d'une entreprise sans les laisser fuiter à l'extérieur. NVIDIA prévoit trois schémas d'authentification : serveurs ouverts, comptes de service pour les données d'entreprise partagées et jetons bearer pour préserver l'identité de l'utilisateur.

«

Le pipeline de recherche complet, y compris la classification, la clarification, l'analyse superficielle et approfondie, est exposé comme une capacité de haut niveau »

Un déploiement flexible

Les organisations peuvent déployer AI-Q sur leur propre matériel : Docker Compose sur l'ordinateur portable d'un développeur ou Helm dans un data center réglementé. Les données sources sensibles restent en interne ; seuls les résultats citables en sortent. C'est crucial pour les entreprises qui ne veulent pas envoyer de documents internes dans le cloud.

Ce que cela signifie

AI-Q illustre une tendance de 2026 : des composants spécialisés plutôt que l'universalité. Les agents s'améliorent lorsqu'ils peuvent déléguer des tâches complexes à des outils spécifiques. Pour les développeurs, la recherche approfondie n'est désormais plus intégrée au LLM lui-même, mais à l'écosystème : plus fiable, plus lisible, avec ses propres sources.