Perplexity lance 'Search as Code' pour des recherches IA plus précises
Perplexity introduit 'Search as Code', une architecture où les modèles IA génèrent leurs propres workflows de recherche en Python plutôt que d'utiliser des API fixes. Cette approche promet des résultats plus précis et une réduction de l'utilisation de tokens, notamment pour des tâches complexes comme la recherche de vulnérabilités logicielles.
« Instead of calling a ready-made search API, models in Perplexity's new 'Search as Code' architecture write their own search workflows as Python code. » — The Decoder
Que faut-il retenir ?
- Perplexity's 'Search as Code' permet aux modèles IA d'écrire leurs propres workflows de recherche en Python.
- L'architecture comprend trois couches : le modèle, un sandbox, et l'Agentic Search SDK.
- Dans un test sur 200 vulnérabilités logicielles, SaC a utilisé 85% moins de tokens que le pipeline standard.
- SaC a surpassé les API concurrentes comme OpenAI et Anthropic sur quatre des cinq benchmarks.
Pourquoi cette nouvelle compte-t-elle ?
Cette innovation permet aux modèles IA de personnaliser leurs workflows de recherche, réduisant ainsi l'utilisation de tokens et améliorant la précision des résultats. Cela est particulièrement utile pour les tâches complexes comme la recherche de vulnérabilités logicielles, où les modèles doivent accéder à des informations spécifiques et vérifiées.
85% moins de tokens utilisés
Public concerné : développeurs, entreprises
Comment 'Search as Code' améliore-t-il les recherches IA ?
'Search as Code' permet aux modèles IA de générer leurs propres workflows de recherche en Python, réduisant l'utilisation de tokens et améliorant la précision des résultats, notamment pour des tâches complexes comme la recherche de vulnérabilités logicielles.
