NVIDIA a lancé une nouvelle compétence de recherche approfondie pour ses frameworks d'agents, tels que Claude Code, Codex et LangChain Deep Agents. Bien que ces outils orchestrent efficacement les tâches de développement, la complexité des recherches profondes, incluant la synthèse de multiples documents et l'analyse à long terme, reposait auparavant sur les développeurs. Cette nouvelle solution, intégrée à la boîte à outils NVIDIA AI-Q, automatise ce processus en exposant un pipeline de recherche modulaire que les agents peuvent appeler. La compétence permet à un agent de soumettre une tâche de recherche à un serveur AI-Q local ou hébergé et de recevoir un rapport structuré avec citations précises. Les agents deleguent ainsi la gestion de l'authentification, du routage des requêtes et de l'évaluation sans réinventer la logique de récupération. Une particularité majeure est la sécurité : les données sensibles restent dans l'environnement d'entreprise, ce qui est crucial pour les secteurs réglementés comme la santé, la finance et la défense. L'agent reçoit uniquement le rapport final, sans accès direct aux documents bruts. L'intégration sécurisée avec les serveurs MCP (Model Context Protocol) renforce cette capacité en connectant AI-Q aux systèmes d'entreprise existants via des mécanismes d'authentification variés. Ces scénarios incluent les serveurs sans authentification par utilisateur, l'utilisation de comptes de service pour les accès partagés, ou la transmission des jetons d'identité de l'utilisateur. Cette approche élimine le besoin de créer des systèmes de récupération parallèles, permettant aux pipelines de recherche de tirer parti des contrôles d'accès déjà en place. Déployée sous forme de conteneurs Docker ou de chartes Helm, l'architecture AI-Q offre une flexibilité totale. Elle peut fonctionner sur un ordinateur portable, dans un cluster Kubernetes sur le cloud ou dans un centre de données sécurisé isolé. Pour les industries régulées, trois principes dominent cette mise en œuvre : l'exécution du pipeline au même endroit que les données pour garantir la souveraineté, l'utilisation de modèles ouverts auto-hébergés via NVIDIA NIM pour contrôler les coûts et la conformité, et une auditabilité native grâce aux traces OpenTelemetry et à l'attribution des sources dans les rapports. Contrairement aux agents généralistes qui tentent d'assembler des pipelines de recherche de manière adéquate, AI-Q est conçu spécifiquement pour la qualité de la recherche. Son pipeline se compose de quatre étapes distinctes : classification de l'intention, clarification, recherche superficielle et recherche approfondie. Chaque étape est optimisée et évaluée selon des benchmarks spécifiques. Le système utilise également une approche hybride de modèles, combinant des modèles Nemotron pour la planification avec des modèles de pointe pour les tâches complexes, tout en permettant aux équipes de définir leurs propres critères de coût et de performance. Les équipes peuvent maintenant tester et valider la qualité des rapports sur leurs propres données en utilisant les même harnais d'évaluation fournis avec le projet. NVIDIA a également validé cette solution sur l'infrastructure Dell AI Factory, offrant une architecture de référence pour les entreprises de services financiers, du secteur public et de la fabrication souhaitant déployer des flux de travail multi-agents de recherche prêts pour la production. Cette initiative transforme la recherche d'entreprise d'un défi d'intégration technique en une compétence réutilisable et sécurisée pour tous les agents.