Imaginez que vous tendiez à un ami un rapport de 40 pages en lui demandant : "Pouvez-vous vérifier les erreurs d’ici 10 minutes ?"
Il trouvera sans doute quelques fautes de frappe et une ou deux phrases mal tournées. Remarquera-t-il qu’un chiffre de la page 3 ne correspond pas au même chiffre de la page 31 ? Probablement pas.
Maintenant, confiez le même rapport à une équipe.
Une personne à l’aise avec les maths prend les équations, une autre passe les expériences en revue, tout le monde dispose de la version complète du rapport, et un éditeur centralise toutes les notes et revérifie ce qui paraît douteux.
Cette équipe trouvera bien plus de choses, y compris les erreurs qui comptent vraiment.
Google Deep Review, c’est cette deuxième approche sous forme logicielle. Il s’agit d’un système d’IA agentique de Google Research qui vérifie de longs documents complexes en les découpant en sections, en examinant chaque section en parallèle, puis en combinant les résultats dans un rapport unique.
Dans cet article, je vous explique ce qu’est Deep Review, le fonctionnement de son pipeline en 4 étapes, les résultats publiés par Google, et comment reproduire ce schéma vous‑même. Vous pouvez aussi consulter notre guide sur Gemini 3.1 Pro et notre cours Multi-Agent Systems with LangGraph.
En bref
Deep Review découpe un document en sections, alloue davantage de calcul aux parties difficiles, examine chaque section en parallèle tout en gardant le document complet en contexte, puis fusionne et vérifie les résultats.
Sur un sous-ensemble mathématiques et informatique du benchmark SPOT (26 articles, 29 erreurs), l’outil Paper Assistant Tool (PAT) de Google a détecté 89,7 % des erreurs, contre 55,2 % pour Gemini 3.1 Pro utilisé seul.
Chaque utilisateur bénéficie de 2 revues gratuites par semaine. Seuls les PDF et le texte brut sont acceptés.
Toutes les mesures d’exactitude proviennent de Google et d’auteurs ayant accepté de participer. Personne n’a encore testé indépendamment la version publique.
L’outil vérifie le raisonnement de votre document, pas votre code : un bug de pipeline peut donc produire des chiffres erronés mais cohérents en apparence.
Qu’est-ce que Google Deep Review ?
Google Deep Review est un système d’IA agentique qui fournit des retours et des vérifications techniques sur de longs documents complexes. Il segmente le document, vérifie chaque section en parallèle, puis combine le tout dans un seul rapport.
Deep Review a d’abord été conçu pour les articles de recherche. Google indique désormais qu’il fonctionne aussi pour les documents de conception, les présentations, ainsi que les documents juridiques et financiers. Vous pouvez l’utiliser via le Google Research Portal, et Google l’a annoncé lors de son événement Research@.
Pour reprendre notre analogie, Deep Review est à la fois l’équipe et l’éditeur. Il répartit le travail pour qu’aucune partie ne soit survolée, plutôt que de lire une fois votre document et d’en donner une première impression.
Pourquoi Google a-t-il créé Deep Review ?
L’IA a rendu la rédaction de documents peu coûteuse, mais leur vérification reste lente et onéreuse. Google parle de goulot d’étranglement de validation : l’information est produite plus vite qu’elle ne peut être examinée de manière rigoureuse.
Selon Google, les soumissions combinées à 3 grandes conférences IA (ICLR, NeurIPS et ICML) sont passées d’environ 23 000 en 2023 à environ 74 000 en 2026.
Le nombre d’évaluateurs qualifiés n’a pas été multiplié par trois sur la même période. (La valeur 2026 est en partie estimée, le chiffre NeurIPS du papier de Google étant une projection.)
Du Paper Assistant Tool à Deep Review
Deep Review a débuté sous le nom de Paper Assistant Tool (PAT). Google l’a testé avec 4 conférences en informatique : STOC 2026, ICML 2026, NeurIPS 2026 et ICLR 2027.
Les auteurs pouvaient choisir d’y participer pour recevoir un retour privé sur leur article avant la date limite.
Plus de 16 000 articles ont été traités lors des pilotes.
Ces retours étaient séparés de l’évaluation par les pairs officielle, et n’influençaient pas la décision d’acceptation.
La version publique ajoute la prise en charge de Gemini 4 Argon, que Google présente comme plus performant que l’ancien PAT. Google a aussi intégré un schéma similaire dans Antigravity, son environnement de développement piloté par agents.
Deep Review suit un pipeline en 4 étapes : segmenter le document, allouer l’effort par section, vérifier les sections en parallèle, puis fusionner les constats.
La manière la plus évidente d’évaluer un article avec un grand modèle de langage (LLM) est d’y coller l’intégralité du texte et de demander un retour.
C’est l’« ami avec 10 minutes » de notre analogie. Google avance 3 raisons pour lesquelles cela échoue :
Le modèle épuise son budget de réflexion avant d’atteindre les parties difficiles
Il manque les dépendances entre sections éloignées
Il accepte des affirmations nuancées sans les examiner de près
Notre équipe de relecteurs suit les mêmes 4 étapes que le pipeline. Passons-les en revue.
Étape 1 : segmentation du document
Un agent segmentateur découpe le document en unités logiques comme l’introduction, la méthodologie, les expériences et les démonstrations.
Les unités peuvent se chevaucher, mais elles doivent couvrir l’ensemble du document.
Dans notre analogie, c’est l’équipe qui décide qui vérifie quel chapitre, avant que quiconque ne commence à lire. Aucune partie n’est laissée de côté.
Étape 2 : allocation adaptative du calcul
Certaines sections sont bien plus complexes à vérifier que d’autres.
Une longue démonstration mathématique exige davantage d’attention qu’un état de l’art, qui se résume surtout à une liste d’articles.
Deep Review mesure la densité de chaque partie et alloue plus de calcul aux plus difficiles.
Le papier de Google décrit des parcours de réflexion léger, moyen et élevé, les démonstrations et la théorie relevant du plus élevé. Si vous avez déjà utilisé un modèle avec un réglage de "réflexion", c’est la même idée appliquée séparément à chaque section.
Étape 3 : vérification approfondie en parallèle
Ensuite, des agents réviseurs examinent toutes les sections en même temps. Chaque agent se concentre sur sa section, mais chacun conserve la vue d’ensemble du document.
Supposons que la section 5 utilise un résultat établi en section 2.
L’agent chargé de la section 5 peut remonter et vérifier la cohérence des deux. Un modèle qui n’aurait sous les yeux que la section 5 n’aurait aucune chance de le détecter.
Étape 4 : synthèse globale et ancrage
Enfin, un agent de synthèse joue le rôle de notre éditeur.
Il agrège les rapports de section, élimine les doublons, recherche les contradictions entre sections et relance tout contrôle logique incertain.
Il effectue aussi des vérifications d’ancrage via des sources externes, notamment Google Search, pour repérer les hallucinations comme des articles ou théorèmes inexistants.
Sans cette étape, l’outil pourrait signaler avec assurance des problèmes imaginaires et vous faire perdre du temps.
Comment créer un pipeline à la Deep Review en Python
Deep Review repose sur un schéma map-reduce composé d’agents LLM : découper le travail, vérifier les parties en parallèle, puis recombiner les résultats. Vous pouvez bâtir une version simple en moins de 80 lignes.
L’exemple ci-dessous utilise le SDK Google Gen AI avec Gemini 3.1 Pro.
Son paramètre thinking_level permet d’implémenter une version maison de l’étape 2.
from concurrent.futures import ThreadPoolExecutor
from google import genai
from google.genai import types
client = genai.Client()# reads GEMINI_API_KEY from your environment
MODEL ="gemini-3.1-pro-preview"defsplit_into_sections(text):"""Stage 1: split a Markdown document on its headings.
Deep Review uses a segmenter agent for this step."""
sections, current =[],[]for line in text.splitlines():if line.startswith("#")and current:
sections.append("\n".join(current))
current =[]
current.append(line)if current:
sections.append("\n".join(current))return sections
defthinking_level_for(section):"""Stage 2: a very rough version of adaptive budgeting. More math, more thinking."""
math_signals = section.count("$")+ section.count("=")if math_signals >20:return types.ThinkingLevel.HIGH
return types.ThinkingLevel.LOW
defreview_section(section, full_doc):"""Stage 3: review one section while still seeing the full document."""
prompt =("You are reviewing one section of a technical document.\n\n"f"Full document for context:\n{full_doc}\n\n"f"Section to review:\n{section}\n\n""List math errors, logic gaps, and claims not supported by evidence. ""Quote the exact text for each issue. Say 'No issues' if there are none.")
response = client.models.generate_content(
model=MODEL,
contents=prompt,
config=types.GenerateContentConfig(
thinking_config=types.ThinkingConfig(
thinking_level=thinking_level_for(section))),)return response.text
defdeep_review_lite(full_doc):
sections = split_into_sections(full_doc)# Map step: review every section in parallelwith ThreadPoolExecutor(max_workers=4)as pool:
reports =list(pool.map(lambda s: review_section(s, full_doc), sections))# Stage 4 (reduce step): merge, remove duplicates, drop issues the document resolves
merge_prompt =("Merge these section reviews into one report with three headings: ""Major concerns, Minor corrections, Suggestions. ""Remove duplicates and drop any issue the full document clearly resolves.\n\n"f"Full document:\n{full_doc}\n\n""Section reviews:\n\n"+"\n\n---\n\n".join(reports))
final = client.models.generate_content(model=MODEL, contents=merge_prompt)return final.text
if __name__ =="__main__":withopen("my_report.md", encoding="utf-8")as f:print(deep_review_lite(f.read()))Propulsé par
Pas d’inquiétude si chaque ligne ne vous parle pas. La structure générale compte plus que le code exact. Voici l’alignement avec les 4 étapes :
split_into_sections() joue le rôle du segmentateur (étape 1)
thinking_level_for() fixe l’effort par section (étape 2)
ThreadPoolExecutor exécute les vérifications en parallèle, chacune avec le document complet (étape 3)
Le merge_prompt final tient lieu d’éditeur (étape 4)
Cette version est bien plus simple que la vraie. Il n’y a pas d’agent segmentateur, pas de vérification via Google Search, et pas de deuxième regard sur les points incertains.
Elle répond toutefois à 2 des 3 problèmes listés par Google : l’épuisement du budget de réflexion et les liens manqués entre sections.
Elle comporte aussi des points d’attention.
Chaque appel de relecteur embarque le document complet, donc l’usage de jetons croît avec le nombre de sections.
Le découpeur traite également toute ligne commençant par # comme un titre, y compris des commentaires dans des blocs de code : testez-le donc d’abord sur vos propres fichiers.
Comment utiliser Google Deep Review
L’utilisation de Deep Review demande quelques minutes de configuration, puis un temps d’attente pendant que les agents travaillent.
Configurer votre première revue
Figure 1 : les étapes pour lancer une Deep Review, de la connexion à la mise en œuvre des retours. Schéma par l’auteur, d’après la page Deep Review de Google Research.
Accédez au Google Research Portal et ouvrez Deep Review.
Connectez-vous avec votre compte Google.
Téléchargez un PDF ou collez du texte brut.
En option, ajoutez un contexte personnalisé pour préciser quoi vérifier, et définissez la profondeur de revue et le niveau de réflexion. Les revues gratuites utilisent Moyen pour les deux.
Lancez la revue. Google indique environ 10 à 20 minutes, et jusqu’à 30 minutes pour les documents plus longs.
Quelques limites à connaître :
Vous disposez de 2 revues gratuites par semaine, sans besoin de clé API.
Seuls les PDF et le texte brut sont acceptés pour l’instant.
Google annonce une prise en charge prochaine des fichiers multiples, pratique pour un article et son annexe.
Le rapport commence par des retours globaux, un résumé, puis propose des retours détaillés en dessous.
Vous pouvez filtrer les commentaires détaillés en problèmes majeurs, corrections mineures et suggestions ; chaque commentaire indique la section ou la page concernée.
Il existe aussi une vue « commentaires » et un bouton « Copier le rapport » qui copie l’ensemble de la revue en Markdown. Pratique pour coller dans vos notes et traiter point par point.
Quelle est la précision de Google Deep Review ?
Les résultats de Google montrent que le prédécesseur de Deep Review, PAT, a détecté 89,7 % des erreurs en mathématiques et informatique sur le benchmark SPOT, contre 55,2 % pour Gemini 3.1 Pro utilisé seul.
SPOT est un benchmark constitué d’erreurs réelles dans des articles ultérieurement rétractés ou corrigés. Google a testé PAT sur le sous-ensemble mathématiques et informatique (erreurs d’équations et de démonstrations) : 26 articles contenant 29 erreurs.
Le rappel de PAT était d’environ 34 points supérieur à la référence à appel unique.
Deux réserves s’imposent.
Premièrement, les auteurs ont utilisé leur propre correcteur, qui accepte des descriptions logiquement équivalentes d’une erreur ; on ne peut donc pas comparer ces chiffres directement aux résultats SPOT d’origine.
Deuxièmement, l’article n’est pas cohérent sur le modèle : le texte décrit PAT comme propulsé par Gemini Deep Think, tandis que le tableau de résultats associe le 89,7 % à PAT avec Gemini 3.1 Pro. Dans tous les cas, il ne s’agit pas de la version publique Deep Review.
Les retours des pilotes sont également encourageants.
Google a interrogé des auteurs des pilotes STOC et ICML, qui ont évalué plus de 4 700 soumissions au total. Parmi les 857 répondants (124 à STOC, 733 à ICML) :
92,7 % (STOC) et 90,7 % (ICML) ont jugé les retours très ou plutôt utiles
Environ 1 auteur sur 10 à STOC et plus d’1 sur 3 à ICML (35,4 %) déclarent qu’un défaut théorique significatif a été trouvé et a nécessité plus d’une heure pour être corrigé
31 % des répondants ICML ont lancé de nouvelles expériences suite aux retours de PAT
Ce dernier chiffre m’a particulièrement marqué.
Lancer des expériences supplémentaires juste avant une échéance est une décision lourde ; les retours ont donc dû être convaincants.
Cela dit, tous ces chiffres proviennent de Google et d’auteurs volontaires, et personne n’a encore évalué indépendamment la version publique de Deep Review. À prendre comme un signal prometteur, pas comme une garantie sur vos documents.
Comment les data scientists peuvent-ils utiliser Deep Review ?
Pas besoin d’écrire des démonstrations mathématiques pour tirer parti de Deep Review.
Une grande partie des livrables des data scientists et analystes consiste en une suite d’affirmations étayées par des chiffres — exactement ce que Deep Review est conçu pour vérifier.
Voici quelques cas d’usage pertinents :
Document
Ce que Deep Review peut vérifier
Rapports d’analyse
Si chaque conclusion est effectivement soutenue par un chiffre du rapport
Comptes rendus d’A/B tests
Affirmations statistiques fragiles, ou tailles d’échantillon qui varient entre sections
Docs de conception ML
Incohérences entre les sections architecture et évaluation
Comptes rendus de notebooks
L’explication autour de vos résultats (exportez d’abord le notebook en PDF)
Google présente Deep Review comme vérifiant le raisonnement de votre document. Il ne s’agit pas de faire tourner votre code ; un bug de pipeline peut donc vous laisser avec des chiffres erronés mais parfaitement cohérents en apparence.
Un bon déroulé ressemble à ceci :
Terminez d’abord un brouillon complet. Vérifier un demi-document consomme l’une de vos 2 revues hebdomadaires.
Lancez Deep Review et examinez vous‑même chaque problème majeur avant de modifier quoi que ce soit.
Corrigez les problèmes avérés, puis relancez si vous avez encore une revue disponible.
Pour l’intégrer à vos outils, l’API Deep Review permet d’exécuter des revues depuis votre code, par exemple dans un pipeline d’intégration continue (CI).
Vous connectez votre propre clé API Gemini ; la facturation passe donc par votre compte API Gemini.
Le coût dépend de la longueur du document et de l’effort de raisonnement ; testez‑le sur un document avant d’industrialiser.
Limites de Google Deep Review
La plus grande limite : Deep Review peut se tromper dans les deux sens.
L’article PAT signale des cas où l’outil a jugé à tort une démonstration correcte comme incorrecte, en raison d’une erreur de raisonnement ; les auteurs indiquent travailler encore dessus.
L’ancrage est l’autre indicateur à surveiller.
Seuls 55,8 % des répondants STOC et 64,8 % d’ICML ont estimé les retours majoritairement ou totalement ancrés ; donc, environ 35 % à 44 % ne les ont pas jugés suffisamment ancrés.
Vérifiez chaque problème majeur par rapport à votre document avant d’agir.
L’outil ne rend pas non plus de jugements éditoriaux.
Il ne vous dira pas si votre idée est nouvelle ou intéressante, et il ne classe pas les articles. Cette partie vous revient, à vous et à vos relecteurs.
Il y a aussi la question de la confidentialité.
Google affirme ne jamais utiliser les documents téléversés pour entraîner, affiner ou améliorer ses modèles, mais les conserve pendant 1 an pour que vous puissiez les consulter dans l’interface.
Si vous travaillez sous accord de confidentialité (NDA), réfléchissez à deux fois avant de les téléverser.
Autres limites :
Il s’agit d’un système fermé, sans poids ouverts et sans possibilité d’auto‑hébergement : vous dépendez entièrement des modèles de Google
Il n’accepte pour l’instant que les PDF et le texte brut
2 revues gratuites par semaine, cela part vite si vous itérez souvent sur un brouillon
Toutes les mesures d’exactitude publiées proviennent de Google
Conclusion
Deep Review se rapproche davantage de notre équipe de relecteurs que de l’ami pressé. Le meilleur usage, selon moi : une dernière passe sur le brouillon avant soumission, en vérifiant vous‑même chacun de ses problèmes majeurs.
L’outil peut signaler de faux positifs ; il ne juge pas la nouveauté de vos travaux, et son exactitude doit encore être évaluée par des tiers.
Le point clé à retenir, c’est le design : découper le travail, allouer plus d’effort aux parties ardues, tout vérifier en parallèle et fusionner les résultats fonctionne pour à peu près tout agent qui doit traiter de longs documents.
Oui, tout le monde a droit à 2 revues gratuites par semaine. Si vous en avez besoin de plus, vous pouvez connecter votre propre clé API Gemini.
Quels types de fichiers Deep Review accepte-t-il ?⌄
Pour le moment, uniquement des PDF et du texte brut. Google indique que la prise en charge de plusieurs fichiers arrive bientôt.
Google entraîne-t-il ses modèles sur mes documents ?⌄
Non. Google indique que les documents téléversés ne sont jamais utilisés pour entraîner, affiner ou améliorer ses modèles. Ils sont stockés pendant 1 an pour que vous puissiez les consulter dans l’interface Deep Review.
Existe-t-il une API Deep Review ?⌄
Oui. L’API Deep Review s’exécute avec votre propre clé API Gemini, ce qui vous permet de lancer des revues depuis votre code, par exemple dans un pipeline CI.
Combien de temps dure une Deep Review ?⌄
Google annonce environ 10 à 20 minutes par document. Les documents plus longs, avec beaucoup de maths, reçoivent davantage de calcul et peuvent prendre jusqu’à 30 minutes.
Quelle est la précision de Google Deep Review ?⌄
Sur un sous-ensemble mathématiques et informatique du benchmark SPOT, l’outil prédécesseur de Google, PAT, a détecté 89,7 % des erreurs, contre 55,2 % pour Gemini 3.1 Pro seul. Ces résultats proviennent de Google et n’ont pas été testés indépendamment sur la version publique de Deep Review.
Découvrez les principaux types d'agents d'intelligence artificielle, comment ils interagissent avec les environnements et comment ils sont utilisés dans les différents secteurs d'activité. Comprendre les agents réflexes simples, les agents basés sur un modèle, les agents basés sur un but, les agents basés sur l'utilité, les agents d'apprentissage, etc.
L'essor du développement de l'intelligence artificielle (IA) a entraîné une augmentation notable de la demande en matière de calcul, d'où la nécessité de disposer de solutions matérielles robustes. Les unités de traitement graphique (GPU) et les unités de traitement tensoriel (TPU) sont devenues des technologies essentielles pour répondre à ces demandes.
Apprenez à utiliser l'API DeepSeek : choix des modèles, gestion des paramètres, optimisation des coûts, mise en cache du contexte et optimisation du chain-of-thought.
Découvrez les principales différences, les applications et la mise en œuvre de la normalisation et de la standardisation dans le prétraitement des données pour l’apprentissage automatique.
Imaginez que vous tendiez à un ami un rapport de 40 pages en lui demandant : "Pouvez-vous vérifier les erreurs d’ici 10 minutes ?"
Il trouvera sans doute quelques fautes de frappe et une ou deux phrases mal tournées. Remarquera-t-il qu’un chiffre de la page 3 ne correspond pas au même chiffre de la page 31 ? Probablement pas.
Maintenant, confiez le même rapport à une équipe.
Une personne à l’aise avec les maths prend les équations, une autre passe les expériences en revue, tout le monde dispose de la version complète du rapport, et un éditeur centralise toutes les notes et revérifie ce qui paraît douteux.
Cette équipe trouvera bien plus de choses, y compris les erreurs qui comptent vraiment.
Google Deep Review, c’est cette deuxième approche sous forme logicielle. Il s’agit d’un système d’IA agentique de Google Research qui vérifie de longs documents complexes en les découpant en sections, en examinant chaque section en parallèle, puis en combinant les résultats dans un rapport unique.
Google l’a ouvert au public le 14 octobre 2026, avec 2 revues gratuites par semaine.
Dans cet article, je vous explique ce qu’est Deep Review, le fonctionnement de son pipeline en 4 étapes, les résultats publiés par Google, et comment reproduire ce schéma vous‑même. Vous pouvez aussi consulter notre guide sur Gemini 3.1 Pro et notre cours Multi-Agent Systems with LangGraph.
En bref
Qu’est-ce que Google Deep Review ?
Google Deep Review est un système d’IA agentique qui fournit des retours et des vérifications techniques sur de longs documents complexes. Il segmente le document, vérifie chaque section en parallèle, puis combine le tout dans un seul rapport.
Deep Review a d’abord été conçu pour les articles de recherche. Google indique désormais qu’il fonctionne aussi pour les documents de conception, les présentations, ainsi que les documents juridiques et financiers. Vous pouvez l’utiliser via le Google Research Portal, et Google l’a annoncé lors de son événement Research@.
Pour reprendre notre analogie, Deep Review est à la fois l’équipe et l’éditeur. Il répartit le travail pour qu’aucune partie ne soit survolée, plutôt que de lire une fois votre document et d’en donner une première impression.
Pourquoi Google a-t-il créé Deep Review ?
L’IA a rendu la rédaction de documents peu coûteuse, mais leur vérification reste lente et onéreuse. Google parle de goulot d’étranglement de validation : l’information est produite plus vite qu’elle ne peut être examinée de manière rigoureuse.
Selon Google, les soumissions combinées à 3 grandes conférences IA (ICLR, NeurIPS et ICML) sont passées d’environ 23 000 en 2023 à environ 74 000 en 2026.
Le nombre d’évaluateurs qualifiés n’a pas été multiplié par trois sur la même période. (La valeur 2026 est en partie estimée, le chiffre NeurIPS du papier de Google étant une projection.)
Du Paper Assistant Tool à Deep Review
Deep Review a débuté sous le nom de Paper Assistant Tool (PAT). Google l’a testé avec 4 conférences en informatique : STOC 2026, ICML 2026, NeurIPS 2026 et ICLR 2027.
Les auteurs pouvaient choisir d’y participer pour recevoir un retour privé sur leur article avant la date limite.
Plus de 16 000 articles ont été traités lors des pilotes.
Ces retours étaient séparés de l’évaluation par les pairs officielle, et n’influençaient pas la décision d’acceptation.
La version publique ajoute la prise en charge de Gemini 4 Argon, que Google présente comme plus performant que l’ancien PAT. Google a aussi intégré un schéma similaire dans Antigravity, son environnement de développement piloté par agents.
Le Teamwork Deep Document Review Pattern s’exécute avec la commande
/teamwork-preview.Comment fonctionne Deep Review ?
Deep Review suit un pipeline en 4 étapes : segmenter le document, allouer l’effort par section, vérifier les sections en parallèle, puis fusionner les constats.
La manière la plus évidente d’évaluer un article avec un grand modèle de langage (LLM) est d’y coller l’intégralité du texte et de demander un retour.
C’est l’« ami avec 10 minutes » de notre analogie. Google avance 3 raisons pour lesquelles cela échoue :
Notre équipe de relecteurs suit les mêmes 4 étapes que le pipeline. Passons-les en revue.
Étape 1 : segmentation du document
Un agent segmentateur découpe le document en unités logiques comme l’introduction, la méthodologie, les expériences et les démonstrations.
Les unités peuvent se chevaucher, mais elles doivent couvrir l’ensemble du document.
Dans notre analogie, c’est l’équipe qui décide qui vérifie quel chapitre, avant que quiconque ne commence à lire. Aucune partie n’est laissée de côté.
Étape 2 : allocation adaptative du calcul
Certaines sections sont bien plus complexes à vérifier que d’autres.
Une longue démonstration mathématique exige davantage d’attention qu’un état de l’art, qui se résume surtout à une liste d’articles.
Deep Review mesure la densité de chaque partie et alloue plus de calcul aux plus difficiles.
Le papier de Google décrit des parcours de réflexion léger, moyen et élevé, les démonstrations et la théorie relevant du plus élevé. Si vous avez déjà utilisé un modèle avec un réglage de "réflexion", c’est la même idée appliquée séparément à chaque section.
Étape 3 : vérification approfondie en parallèle
Ensuite, des agents réviseurs examinent toutes les sections en même temps. Chaque agent se concentre sur sa section, mais chacun conserve la vue d’ensemble du document.
Supposons que la section 5 utilise un résultat établi en section 2.
L’agent chargé de la section 5 peut remonter et vérifier la cohérence des deux. Un modèle qui n’aurait sous les yeux que la section 5 n’aurait aucune chance de le détecter.
Étape 4 : synthèse globale et ancrage
Enfin, un agent de synthèse joue le rôle de notre éditeur.
Il agrège les rapports de section, élimine les doublons, recherche les contradictions entre sections et relance tout contrôle logique incertain.
Il effectue aussi des vérifications d’ancrage via des sources externes, notamment Google Search, pour repérer les hallucinations comme des articles ou théorèmes inexistants.
Sans cette étape, l’outil pourrait signaler avec assurance des problèmes imaginaires et vous faire perdre du temps.
Comment créer un pipeline à la Deep Review en Python
Deep Review repose sur un schéma map-reduce composé d’agents LLM : découper le travail, vérifier les parties en parallèle, puis recombiner les résultats. Vous pouvez bâtir une version simple en moins de 80 lignes.
L’exemple ci-dessous utilise le SDK Google Gen AI avec Gemini 3.1 Pro.
Son paramètre
thinking_levelpermet d’implémenter une version maison de l’étape 2.Pas d’inquiétude si chaque ligne ne vous parle pas. La structure générale compte plus que le code exact. Voici l’alignement avec les 4 étapes :
split_into_sections()joue le rôle du segmentateur (étape 1)thinking_level_for()fixe l’effort par section (étape 2)ThreadPoolExecutorexécute les vérifications en parallèle, chacune avec le document complet (étape 3)merge_promptfinal tient lieu d’éditeur (étape 4)Cette version est bien plus simple que la vraie. Il n’y a pas d’agent segmentateur, pas de vérification via Google Search, et pas de deuxième regard sur les points incertains.
Elle répond toutefois à 2 des 3 problèmes listés par Google : l’épuisement du budget de réflexion et les liens manqués entre sections.
Elle comporte aussi des points d’attention.
Chaque appel de relecteur embarque le document complet, donc l’usage de jetons croît avec le nombre de sections.
Le découpeur traite également toute ligne commençant par
#comme un titre, y compris des commentaires dans des blocs de code : testez-le donc d’abord sur vos propres fichiers.Comment utiliser Google Deep Review
L’utilisation de Deep Review demande quelques minutes de configuration, puis un temps d’attente pendant que les agents travaillent.
Configurer votre première revue
Figure 1 : les étapes pour lancer une Deep Review, de la connexion à la mise en œuvre des retours. Schéma par l’auteur, d’après la page Deep Review de Google Research.
Quelques limites à connaître :
Lire le rapport
Figure 2 : exemple de rapport Google Deep Review, présenté à côté de l’article évalué. Image tirée de : ScriptByAI, Deep Review: Google’s AI Reviewer for Papers and Technical Documents.
Le rapport commence par des retours globaux, un résumé, puis propose des retours détaillés en dessous.
Vous pouvez filtrer les commentaires détaillés en problèmes majeurs, corrections mineures et suggestions ; chaque commentaire indique la section ou la page concernée.
Il existe aussi une vue « commentaires » et un bouton « Copier le rapport » qui copie l’ensemble de la revue en Markdown. Pratique pour coller dans vos notes et traiter point par point.
Quelle est la précision de Google Deep Review ?
Les résultats de Google montrent que le prédécesseur de Deep Review, PAT, a détecté 89,7 % des erreurs en mathématiques et informatique sur le benchmark SPOT, contre 55,2 % pour Gemini 3.1 Pro utilisé seul.
Ces chiffres proviennent de l’article PAT, Towards Automating Scientific Review with Google’s Paper Assistant Tool.
SPOT est un benchmark constitué d’erreurs réelles dans des articles ultérieurement rétractés ou corrigés. Google a testé PAT sur le sous-ensemble mathématiques et informatique (erreurs d’équations et de démonstrations) : 26 articles contenant 29 erreurs.
Le rappel de PAT était d’environ 34 points supérieur à la référence à appel unique.
Deux réserves s’imposent.
Premièrement, les auteurs ont utilisé leur propre correcteur, qui accepte des descriptions logiquement équivalentes d’une erreur ; on ne peut donc pas comparer ces chiffres directement aux résultats SPOT d’origine.
Deuxièmement, l’article n’est pas cohérent sur le modèle : le texte décrit PAT comme propulsé par Gemini Deep Think, tandis que le tableau de résultats associe le 89,7 % à PAT avec Gemini 3.1 Pro. Dans tous les cas, il ne s’agit pas de la version publique Deep Review.
Les retours des pilotes sont également encourageants.
Google a interrogé des auteurs des pilotes STOC et ICML, qui ont évalué plus de 4 700 soumissions au total. Parmi les 857 répondants (124 à STOC, 733 à ICML) :
Ce dernier chiffre m’a particulièrement marqué.
Lancer des expériences supplémentaires juste avant une échéance est une décision lourde ; les retours ont donc dû être convaincants.
Cela dit, tous ces chiffres proviennent de Google et d’auteurs volontaires, et personne n’a encore évalué indépendamment la version publique de Deep Review. À prendre comme un signal prometteur, pas comme une garantie sur vos documents.
Comment les data scientists peuvent-ils utiliser Deep Review ?
Pas besoin d’écrire des démonstrations mathématiques pour tirer parti de Deep Review.
Une grande partie des livrables des data scientists et analystes consiste en une suite d’affirmations étayées par des chiffres — exactement ce que Deep Review est conçu pour vérifier.
Voici quelques cas d’usage pertinents :
Google présente Deep Review comme vérifiant le raisonnement de votre document. Il ne s’agit pas de faire tourner votre code ; un bug de pipeline peut donc vous laisser avec des chiffres erronés mais parfaitement cohérents en apparence.
Un bon déroulé ressemble à ceci :
Pour l’intégrer à vos outils, l’API Deep Review permet d’exécuter des revues depuis votre code, par exemple dans un pipeline d’intégration continue (CI).
Vous connectez votre propre clé API Gemini ; la facturation passe donc par votre compte API Gemini.
Le coût dépend de la longueur du document et de l’effort de raisonnement ; testez‑le sur un document avant d’industrialiser.
Limites de Google Deep Review
La plus grande limite : Deep Review peut se tromper dans les deux sens.
L’article PAT signale des cas où l’outil a jugé à tort une démonstration correcte comme incorrecte, en raison d’une erreur de raisonnement ; les auteurs indiquent travailler encore dessus.
L’ancrage est l’autre indicateur à surveiller.
Seuls 55,8 % des répondants STOC et 64,8 % d’ICML ont estimé les retours majoritairement ou totalement ancrés ; donc, environ 35 % à 44 % ne les ont pas jugés suffisamment ancrés.
Vérifiez chaque problème majeur par rapport à votre document avant d’agir.
L’outil ne rend pas non plus de jugements éditoriaux.
Il ne vous dira pas si votre idée est nouvelle ou intéressante, et il ne classe pas les articles. Cette partie vous revient, à vous et à vos relecteurs.
Il y a aussi la question de la confidentialité.
Google affirme ne jamais utiliser les documents téléversés pour entraîner, affiner ou améliorer ses modèles, mais les conserve pendant 1 an pour que vous puissiez les consulter dans l’interface.
Si vous travaillez sous accord de confidentialité (NDA), réfléchissez à deux fois avant de les téléverser.
Autres limites :
Conclusion
Deep Review se rapproche davantage de notre équipe de relecteurs que de l’ami pressé. Le meilleur usage, selon moi : une dernière passe sur le brouillon avant soumission, en vérifiant vous‑même chacun de ses problèmes majeurs.
L’outil peut signaler de faux positifs ; il ne juge pas la nouveauté de vos travaux, et son exactitude doit encore être évaluée par des tiers.
Le point clé à retenir, c’est le design : découper le travail, allouer plus d’effort aux parties ardues, tout vérifier en parallèle et fusionner les résultats fonctionne pour à peu près tout agent qui doit traiter de longs documents.
Si vous souhaitez créer ce type d’agents, je vous recommande notre cours Multi-Agent Systems with LangGraph.