IA lit le web en direct : les API DeepSeek pour agents RAG

DeepSeek lance deux API donnant aux agents IA et applications RAG un accès direct au web vivant. Découvrez le fonctionnement et les bénéfices concrets.

Vos modèles de langage sont brillants, mais ils ont un défaut embêtant : ils ignorent tout de ce qui s'est passé après leur entraînement. Un agent qui ne peut pas consulter le web reste un cerveau dans un bocal. Et c'est exactement ce que DeepSeek vient de corriger avec deux API nommées Search et Fetch, pensées pour les agents et les applications RAG.

Deux API pour brancher votre IA sur le monde réel

Le principe est simple. La Search API trouve des pages web à partir d'une requête et renvoie des résultats structurés. Elle s'appuie sur le moteur de recherche maison de DeepSeek. La Fetch API, elle, récupère une page unique et vous la restitue en Markdown, prête à être injectée dans un prompt ou un pipeline de récupération.

Les deux sont de simples API JSON. Elles utilisent la même authentification par jeton que l'API DeepSeek classique, avec une URL de base unique : https://api.deepseek.com . Pas de nouvelle clé à gérer, pas de nouveau compte à créer.

Comment lancer une recherche en quelques lignes

La Search API s'appelle sur /v1/tools/search . Vous envoyez une requête, un nombre de résultats souhaités, et vous récupérez une liste de pages avec titre, URL et résumé. Un exemple minimal suffit :

• La requête doit contenir entre 1 et 128 caractères et ne peut pas être vide.
• Le paramètre count va de 1 à 50, avec 10 par défaut.
• Le champ need_content permet de récupérer directement le contenu des pages, pas seulement les métadonnées.
• Le champ ori_question transmet la question initiale de l'utilisateur pour améliorer la compréhension de la requête.

En pratique, vous obtenez un JSON propre que votre agent peut consommer sans post-traitement compliqué. C'est ce qui rend l'intégration rapide : pas de scraping maison, pas de parseur HTML à maintenir.

Fetch : transformer une page web en texte exploitable

Une fois que votre agent a trouvé la bonne page, il lui faut encore en extraire le contenu. C'est le rôle de la Fetch API, disponible sur /v1/tools/fetch . Vous lui passez une URL, elle vous renvoie le contenu de la page converti en Markdown.

Pourquoi le Markdown ? Parce que c'est le format le plus digeste pour un modèle de langage. Les balises HTML inutiles disparaissent, la structure reste lisible, et vous économisez des tokens précieux. Votre contexte devient plus dense en information utile.

Ce que ça change pour vos agents et votre RAG

Un pipeline RAG classique repose sur une base documentaire figée. Dès que l'information change, vous devez réindexer. Avec Search et Fetch, votre agent va chercher l'information à la source, au moment où il en a besoin.

Un agent qui vérifie ses réponses

Vous pouvez demander à votre agent de confirmer une affirmation par une recherche live avant de répondre. Fini les hallucinations sur des faits récents : il cite ses sources et les a réellement lues.

Une veille qui se met à jour toute seule

Un agent de veille peut interroger Search chaque matin sur vos mots-clés, récupérer les nouvelles pages via Fetch et rédiger un résumé. Le tout sans intervention humaine.

Les bons réflexes à adopter

Comme pour toute API, quelques précautions s'imposent. Limitez le nombre de résultats au strict nécessaire pour maîtriser vos coûts. Vérifiez toujours l'URL renvoyée avant de la traiter : le web reste le web. Et gardez en tête que le contenu récupéré doit être traité comme une donnée non fiable, jamais comme une instruction à exécuter.

1. Formulez des requêtes précises, courtes, sans bruit inutile.
2. Utilisez ori_question pour laisser le moteur comprendre le contexte réel.
3. Activez need_content seulement quand vous avez besoin du texte complet.
4. Cachez les résultats fréquents pour éviter les appels redondants.

Pourquoi c'est important

Parce que la valeur d'un agent ne se mesure plus à ce qu'il sait, mais à ce qu'il peut vérifier. Donner à votre IA un accès direct au web vivant, c'est la sortir du bocal et la rendre réellement utile dans votre quotidien de travail. Vous gagnez en fiabilité, en fraîcheur et en autonomie.

Conclusion

Search et Fetch ne sont pas des gadgets : ce sont les briques de base d'une IA connectée au réel. Deux endpoints, une authentification commune, du JSON propre et du Markdown prêt à consommer. Si vous construisez des agents ou des applications RAG, vous avez là un moyen simple et direct de leur donner des yeux. À vous de jouer.

Points clés à retenir

• Search API trouve des pages web et renvoie des résultats structurés ; Fetch API transforme une page en Markdown.
• Les deux API partagent l'authentification et l'URL de base de l'API DeepSeek.
• Search accepte jusqu'à 50 résultats et un paramètre need_content pour récupérer le contenu.
• Le Markdown est le format idéal pour alimenter un modèle de langage sans gaspiller de tokens.
• Un agent connecté au web vérifie ses réponses et reste à jour, sans réindexation manuelle.

Sources

• Search & Fetch guide — documentation officielle DeepSeek