Bonjour à tous, j'espère que vous allez bien. Alors, aujourd'hui, on va parler de comment Dipsic a mis en place, en fait, un système qu'on appelle Dipsch. D'abord, on va définir qu'est-ce que c'est Deep Search.
D'abord, elle a été mise en place en premier par ChatGPT. C'est un système, en fait, qui permet de faire des recherches très avancées et la qualité du rapport, c'est comme s'il était fait par un humain expert ou bien un chercheur de haut niveau. Généralement, ce sont des recherches qui se font dans un domaine spécifique et très poussé.
Aujourd'hui, ChatGPT propose ça, en fait, à 200 dollars par mois, et on peut lancer uniquement 100 requêtes par mois. Bien évidemment, Dipsic a essayé de faire la même chose, mais gratuitement. Dans cette vidéo, on va essayer de voir comment je peux mettre en place le Deep Search de Deep Basic.
On va l'installer en local, et je vais vous montrer comment l'exploiter. Mais d'abord, on va regarder un petit peu à quoi il ressemble, en fait, le Deep Search. Le Deep Search, en fait, lorsqu'on lance une requête et un prompt, vous allez voir qu'il part sur Internet, mais cette fois-ci, il prend beaucoup plus de temps, parce qu'il va faire des analyses scientifiques très poussées.
Je dis "scientifique" pas uniquement pour le domaine scientifique, hein. On peut le faire pour le business, pour le travail, et pour plusieurs autres domaines. Le résultat, comme vous allez le voir, c'est tout simplement un rapport à télécharger.
Aujourd'hui, la façon avec laquelle le raisonnement se fait, il exploite, en fait, le navigateur. C'est-à-dire qu'on peut voir le navigateur qui va s'ouvrir et qu'on va voir carrément comment le raisonnement opère, comment il parcourt Internet, comment il détecte l'information. C'est ce qui rend aujourd'hui ce système-là très, très puissant.
ChatGPT a lui-même, en fait, fait une comparaison entre le GPT-4 et le Deep Search, et il a montré, bien évidemment, que la qualité des résultats est vraiment très différente. Deep Search est, bien évidemment, d'une très, très haute qualité. Vous allez voir la précision : il a comparé Open Deep Search et a donné une précision en pourcentage de 26,6 %.
Si on la compare avec tous les autres modèles, même celui de Google, il a aussi comparé avec Dipsic, qui est à 9,4. Alors, aujourd'hui, qu'est-ce que Dipsic a fait ? Il a tout simplement essayé de lancer son propre Deep Search.
Je vais vous montrer étape par étape comment on l'installe, et on va essayer de voir quelques prompts pour explorer un petit peu le résultat. Avant de commencer la vidéo, je voulais me présenter. Je m'appelle Firas, je suis docteur en intelligence artificielle et je suis professeur à l'université.
Donc, si c'est la première fois que vous regardez ma vidéo, je vous invite à vous abonner ici, parce que je publie tous les jours des formations, des guides pratiques et des tutoriels sur les nouveautés en intelligence artificielle et en marketing digital. Pour ceux qui sont abonnés, j'ai un petit cadeau : c'est un accès exclusif à mon pack de 100 cours. Vous trouverez dans la description de cette vidéo le lien vers ma plateforme de e-learning avec un coupon spécial qui vous donnera accès à ces cours.
Il y a à peu près plus de 6000 vidéos dans plusieurs domaines : marketing et intelligence artificielle. Alors, qu'est-ce que vous attendez pour commencer ? Je vous dis bonne formation !
Aujourd'hui, Deep Search est donc disponible sur un outil qui s'appelle Browser Use Web UI. C'est un outil qu'on va télécharger et utiliser ; c'est lui en fait qui va faire tourner l'option des agents IA avec la fonction Deep Search. Bien évidemment, nous avons ici quelques avancées et la correction de plusieurs erreurs.
C'est un très, très bon projet que je vous invite à explorer. C'est un projet, aujourd'hui, qui a implémenté Deep Search. Pour vous donner une idée de ce que cet outil sert, Browser Use est un site internet sur lequel vous allez voir que la précision est vraiment énorme.
C'est un outil qui permet tout simplement à l'intelligence artificielle de prendre la main sur les navigateurs, de lancer des recherches et de capter les informations en temps réel. C'est un petit peu la différence entre le fait de lancer un prompt avec une intelligence artificielle qui va chercher les données déjà existantes dans sa base de données, et le fait de lui donner les moyens d'aller en temps réel sur Internet, comme un humain, et de naviguer à une très, très haute vitesse. Le résultat est vraiment au rendez-vous.
Donc, c'est un outil payant, mais nous allons opter pour l'Open Source, qui est à 100 % gratuit. Nous allons l'installer en machine locale et grâce à cette Open Source, je vais tout simplement lancer l'option Deep Search. Pour cela, bien évidemment, nous aurons besoin de faire quelques installations, que je vais vous expliquer étape par étape.
Il y a toute une documentation que je vais vous laisser dans la description, pour ceux qui veulent aller très loin. Regardez un petit peu comment cela se passe, en fait, lorsque l'intelligence… L'article, en fait, prend la main sur le navigateur et, bien évidemment, comme ici, il est en train de parcourir un document Google Doc. Vous allez voir que celle-là, en fait, elle peut tout simplement capter toutes les datas et les infos, même les boutons, en fait, même les informations.
Donc, cette façon-là, en fait, avec laquelle elle peut capter, elle peut écrire. Ça, ça lui donne, en fait, une force pour que elle fasse des tâches, pas uniquement de recherche, mais des tâches de préparation de rapports de haute qualité. C'est comme si, voilà, tu avais un expert qui manipule votre ordinateur.
Vous allez voir ici. Bon, là, il y a une petite vidéo, mais je vous montre la photo. Vous allez voir que l'outil, lorsqu'il commence à travailler en parallèle, en fait, l'intelligence artificielle, elle entre, elle fait des recherches, elle clique, mais d'une vitesse très, très rapide.
Elle est capable, en fait, de lire tout ce qui est, voilà, code de la page. C'est ça, en fait, la révolution. Imaginez, on lui donne, en fait, la possibilité de faire ça.
Vous allez voir, la qualité de rapport, elle est extraordinaire, elle est de haute, haute qualité. Alors maintenant, pour l'installer, attention, ça c'est le code source là où on va, bien sûr, le télécharger. Mais pour l'installer dans votre ordinateur, vous aurez besoin d'avoir le Python déjà installé.
Donc il faut télécharger, donc le temp sur votre ordinateur. Il faut aussi installer, en fait, l'environnement virtuel. Dans le terminal, il faut lancer, en fait, cette commande-là.
Vous allez la trouver ici, disponible pour Mac et aussi pour Windows. Donc là, il faut, dans le terminal, installer. On a aussi besoin d'installer le package, soit sur Mac, soit sur Windows, tout dépend de votre système d'exploitation.
On a besoin d'installer le Git pour pouvoir télécharger. Donc ça, c'est un petit peu les prérequis. Maintenant, pour commencer à faire l'installation, rendez-vous dans cette page-là.
Vous allez descendre juste en bas ici pour commencer, donc l'installation. Comme on a dit, vous aurez besoin de Python et de Git pour que ça fonctionne. Il fallait tout simplement installer ces outils-là.
Après, on a besoin d'ouvrir notre terminal et de lancer cette commande. Alors c'est parti, je vais copier, en fait, la première commande. Cette première commande permet tout simplement de copier-coller sur mon ordinateur tout ce projet-là, donc tout ce code-là.
On va le copier avec cette commande-là dans notre terminal et, par la suite, on va entrer, donc tout simplement, dans le dossier en question. Pour le faire, je viens ici, je fais tout simplement un simple copier-coller et je fais entrer. Ce qui va se passer, c'est qu'il va cloner, en fait, le dossier sur mon ordinateur.
Vous voyez là, il est entré dans le dossier parce qu'on a fait le CD ici pour rentrer dans le dossier. Très bien, là, maintenant, je dois lancer cette commande-là pour tout simplement, on va dire, utiliser l'environnement Python. Donc du coup, là, on va copier.
Attention, pour que le UV fonctionne, vous devez bien évidemment installer, en fait, cette commande-là d'abord sur votre machine, soit sur Windows, soit sur Mac, pour que vous arriviez à utiliser cette commande-là. Donc là, ici, je vais coller cette commande, je vais faire entrer. Regardez là, bien, donc ça a été très, très bien installé.
Alors là, c'est juste une remarque. Il y a certaines personnes, lorsqu'elles installent et lancent cette commande-là, qui leur disent qu'elles n'ont pas trouvé le UV. C'est tout à fait normal.
Ce que vous devez faire, c'est fermer ce terminal-là et redémarrer l'ordinateur pour pouvoir utiliser le UV. Je rappelle toujours, hein, si jamais il y a des messages d'erreur, utilisez, en fait, Deepsic, le chat, et vous copiez-collez juste le message d'erreur, et lui, il va t'assister en fait à faire les installations si jamais vous n'arrivez pas à le faire. Ensuite, là, si je descends un petit peu, je dois tout simplement, donc là, activer l'environnement virtuel.
Donc là, je copie cette commande et voilà, je vais l'activer. Je vais faire entrer. Donc là, il est activé.
D'ailleurs, il a commencé avec l'environnement, parce qu'on lui a donné un nom, qui est W e B u i. Ensuite, j'ai besoin d'installer, en fait, les informations qui existent dans ce fichier-là. Ce fichier-là, il existe déjà ici, donc on l'a déjà téléchargé.
Il y a plusieurs en fait, voilà, informations comme le navigateur et toutes ces informations-là. On aura besoin de les installer. Donc je viens ici, je fais un coller, je fais entrer.
Vous allez voir, là, voilà, il va faire toutes les installations nécessaires. Donc c'est très rapide. Là, il a installé tout ce qu'il faut pour que le système puisse tourner.
Je reviens ici, je descends en bas, donc on va continuer. Une fois qu'on a installé les informations nécessaires, on va installer ce qu'on appelle le Playwright, donc celui-là, il va me faire l'affichage du navigateur. Donc là, je clique et je l'installe aussi.
Je fais entrer. Voilà, donc là, il vient de faire l'installation correctement. Maintenant, il faut configurer l'environnement.
Alors là, tout simplement, on est sur Mac. Donc si vous êtes sur Windows, vous devez prendre cette commande. Pour moi, je suis sur Mac.
Donc du coup, là, on va l'activer. Je vais copier cette commande-là et je vais la coller ici. Je vais faire entrer.
Tout ttibo, alors il y a une information, il me dit, écoutez, si tu veux utiliser l'API, en fait, il y a un dossier que vous pouvez. . .
L'ouvrir pour mettre à jour le l'AP dedans. Je vous montre. Voici les informations de dossier qu'on a installées ensemble.
Dans ce dossier-là, il y a un fichier. Bien sûr, il faut activer les fichiers cachés, euh, qui s'appelle pointenv. Alors, ce fichier-là, en fait, vous pouvez ajouter tout ce qu'on appelle les "appilles", comme vous le voyez là.
Voilà, on va augmenter la taille ici. Voilà, pour si tu travailles avec Open II, tu dois mettre la clé API. Si tu vas travailler avec Google, et là vous allez voir, si tu travailles avec dipsig, vous pouvez mettre la clé.
Alors là, attention, si vous avez une clé AP des psic, vous pouvez le mettre ici. Si vous n'avez pas, il n'y a pas de souci, on peut travailler avec le dipsic local. Donc, du coup, on n'aura pas besoin de l'API.
Je vais vous montrer ça en détail. Même si vous avez la clé, moi, par exemple, je ne la mets pas ici, je la mets sur l'interface en temps réel. Vous avez le choix, en fait, d'utiliser ou pas votre API, donc ça c'est un choix à faire par la suite.
Ok, donc là, je ferme ce fichier, je reviens ici. Normalement, là, l'environnement, il est top. Je descends un petit peu pour l'usage.
Donc ça, c'est l'usage, en fait, c'est comme ça comment on peut lancer en fait notre outil. Donc du coup, il me dit de copier ça pour lancer en fait le serveur local, comme vous le voyez là. Ici, donc là, je vais faire un copier, je reviens sur mon terminal, je colle en fait ça, je fais entrer.
Vous allez voir que là, il est en train de créer en fait cet environnement-là. Donc là, il est en train de m'écrire l'adresse locale, ce port-là. Donc du coup, là, on peut faire entrer.
Alors du coup, voilà, donc là tout va bien. Donc ce que je dois faire, en fait, c'est que je vais revenir ici pour vous montrer. Voilà, voilà, il me donne en fait l'adresse locale que je dois utiliser.
Donc cette adresse-là, je vais tout simplement la copier, comme ça je vais revenir vers mon navigateur. Et voilà, je suis dans l'interface. Donc je vais réduire un petit peu l'URL pour que vous voyez, voilà, je suis en adresse locale ici.
Voilà, donc ça, je peux manipuler en fait le browser US user W B U I et vous allez voir qu'il y a cette option-là qui s'appelle deep se research, qui vient d'être, voilà, ajoutée à cet outil-là récemment. Alors maintenant, je suis sur l'outil. Vous allez voir, première option à faire, c'est d'aller configurer le modèle.
Vous allez voir, au niveau de modèle, en fait, il y a plusieurs modèles et ce qui m'intéresse, c'est des psic. Lorsque je sélectionne des psic, vous allez voir que là, il me dit : écoutez, si vous n'avez pas ajouté la clé API dans le dossier environnement ou bien dans le fichier environnement, je peux la jeter ici, d'accord ? Ça, c'est une possibilité.
Si j'ai la clé, si je n'ai pas la clé, bah vous savez que des PSI qui reçoivent énormément d'attaques aujourd'hui, la création de clés, ce n'est pas donné à tout le monde. Donc soit vous avez une ancienne clé, là vous pouvez l'utiliser avec un ancien crédit, bien sûr, sinon il n'y a pas la possibilité d'utiliser. Sinon, deuxième option, je peux venir ici et sélectionner, en fait, Olama.
Lorsque je sélectionne Olama ici, vous allez voir, il me donne des versions de dipsic qui ont été installées, voilà, manuellement sur ma machine. Ça veut dire que j'ai le dipsic ici, on va dire en local. Ça veut dire que je peux l'utiliser sans avoir à appeler le dipsic en ligne.
Ça veut dire que j'utilise les datas, les informations qui sont sur le PC et il a toute la force de parcourir Internet aussi et de faire le résultat exactement comme des psic en cours. C'est le dipsic local. Et pour avoir cette possibilité-là, c'est simple, vous devez aller sur le site Internet de Olama.
Comme vous le voyez là, ici, vous allez cliquer ici pour créer un compte. Vous allez voir que là, il y a plusieurs modèles. Donc là, il vous donne, bien évidemment, plusieurs modèles.
Donc là, tout de suite, j'ai reçu le dipsic. Si vous ne le trouvez pas, le premier, il suffit juste d'écrire ici "dpsic", vous faites entrer et il va vous donner, en fait, tout simplement le dipsic. Si j'entre là, vous allez voir qu'il vous donne plusieurs versions, et ces versions, tout dépend de votre machine.
Si vous avez 16 Go de RAM, utilisez le 7b, 8b. Voilà, si vous avez un peu plus, ça veut dire 32 Go, vous pouvez commencer à bosser entre 14b et 32b. Et pour aller, sincèrement, à 70b, celui-là, le 43 Go, il fallait avoir vraiment une machine très très forte, qui commence à avoir entre 64 Go RAM et plus.
Sans parler en fait de processeur, la carte graphique doit être très très puissante, mais déjà celui de 8b, moi, ce que je recommande, ou bien le 14b, ça va pour les tests en local sur la machine. Ça, c'est pour tester, c'est très très bien, vous pouvez aussi l'utiliser. Alors une fois que vous prenez ça, vous allez voir, hein, il vous montre tout simplement ici à copier ça dans votre terminal.
Une fois qu'il est copié, ça marche tout simplement sans aucun souci. Bien évidemment, n'oubliez pas que pour Olama, en fait, il fallait tout simplement créer un compte et surtout, en fait, télécharger le Olama en machine locale. Ça, c'est important, soit sur Linux, soit sur Windows.
Une fois qu'il est installé et que vous avez lancé la commande de téléchargement, en fait, du modèle. Allez voir ! Lorsque vous revenez ici, vous allez les détecter ici tout comme moi, ok ?
Donc ça, c'est pour l'utilisation. Une fois que c'est fait, ici, c'est à ce moment-là que je peux cliquer là sur "Deep Search" pour que je puisse lancer en fait le DIP research avec Dipsic en machine locale. Très bien !
Donc là, ici, on va mettre un notebook, donc là c'est un PR par défaut. Donc là, ici, on va mettre un PR là où je vais bosser sur la mure en fait et l'API en France. Donc je lui donne, voilà, pour qu'il me fasse un petit rapport en temps réel pour ce qu'il arrive en France aujourd'hui.
Vous allez voir que là, le maximum d'itérations, je l'ai fixé à trois recherches et maximum de query, une seule requête en fait, une seule requête par itération. Je peux bien sûr augmenter ça, tout dépend de la complexité en fait du sujet. Tout ce qui reste à faire, c'est de cliquer ici sur "Lancer".
Vous allez voir que là, ici, si je regarde aussi, donc mon système il va aussi bien me montrer ce qu'il est en train de faire. Alors, il se peut que parfois, lorsque je lance, le navigateur ne se déclenche pas pour voir les détails, mais ce n'est pas grave, parce que soit vous allez le voir en temps réel, soit il va le faire en interne pour vous donner le résultat. Tout dépend en fait de la puissance du modèle que vous êtes en train d'utiliser en local.
Donc du coup, là, lorsque je vais lancer la recherche, il va prendre plusieurs minutes, ça c'est sûr. Regardez ! Donc là, il lance cette recherche, il commence avec la première itération, on va les laisser un petit peu tourner, travailler, et après, bien sûr, là il vous montre combien de recherches il est en train de faire.
Vous allez voir que même le navigateur va s'ouvrir, donc là c'est lui qui s'ouvre automatiquement. Je vais le laisser en fait pendant entre 4 et 5 minutes, vu qu'on bosse sur la machine locale, et je vais vous montrer par la suite le résultat qui va l'afficher normalement ici dans le browser local de notre web UI. Finir donc le travail !
Déjà lorsque je regarde au niveau de browser, vous allez voir qu'il a fait pas mal de tests en fait jusqu'à ce qu'il arrive dans la troisième tentative de trouver, en fait, de faire la navigation nécessaire. Et après, il a terminé et il a fermé, donc du coup, là, lorsque je reviens, je trouve en fait le rapport qu'il vient de m'envoyer. Donc ça a pris en total 4 minutes à peu près pour me donner ce rapport là, un rapport là où je lui ai demandé de me donner les informations de la météo en France, et aujourd'hui.
Donc j'ai précisé en fait que ça soit comparé à aujourd'hui. Et par la suite, vous allez voir que là, c'est le rapport qu'il m'a donné. Donc voilà, par rapport à plusieurs régions, il a donné en fait toutes les données, l'humidité et tout, et même là, on trouve des comparaisons avec, donc, avec la moyenne de 16 ans.
Et par la suite, il a fait sa conclusion, il m'a donné en fait bien sûr les références là où il a travaillé avec, et surtout je peux télécharger en fait le rapport. Le rapport aussi ! Donc voilà, ça c'est le rapport que je — c'est une version MD où je peux l'utiliser en fait avec d'autres logiciels et d'autres outils.
Donc là, j'ai ici le rapport, donc ici Deep Search, je peux tout simplement l'utiliser en local avec l'intelligence artificielle du modèle, donc Deep S. Et surtout, là j'ai activé en fait le mode R1 pour travailler avec le raisonnement. Et voilà !
Donc là, on a réussi en fait à faire tourner Dipsic avec sa fonction Deep Research sur la machine locale, et j'ai pas mal de projets que je veux utiliser. Surtout j'aimerais bien demander à Dipsic de me faire des rapports sur des idées, des projets en ligne, des projets rentables aujourd'hui, en se basant sur Internet. Ce sont les genres de projets que je veux tester, que je veux lancer.
Alors si vous êtes intéressé qu'on fasse ensemble un petit live pour lancer ce genre de projets ensemble, écrivez-moi s'il vous plaît dans les commentaires "Live Dipsic". Si vous êtes nombreux donc à le demander, on va programmer une date et une heure précise pour partager ensemble ces requêtes là et faire une petite discussion en live pendant 1 heure, 1 heure 30 maximum. Vous me dites si vous êtes intéressé, tapez "Live Dipsic" dans les commentaires.
Merci d'avoir suivi cette vidéo. Donc si vous avez des questions, n'hésitez pas à m'écrire dans les commentaires, je fais mon maximum pour répondre à toutes vos questions. Et si vous aimez la vidéo et vous voulez voir les prochaines nouveautés, n'hésitez pas à vous inscrire à ma chaîne.
Je vous dis merci beaucoup et à très vite !
