Ancrage Google vs API de recherche : test sur 40 questions

Sans recherche, deux modèles Gemini n'ont répondu correctement à aucune de 40 questions récentes. Un appel de recherche API Pick par question les a portés tous deux à 35 sur 40 ; l'ancrage avec la recherche Google a atteint 30 à 40 selon le modèle et le prompt. Résultats complets, prix vérifiés le 2026-11-14 et jeu de questions.

L'essentiel

• •Sans recherche, Gemini 3.8 Flash et Gemini 3.5 Flash-Lite n'ont répondu correctement à aucune des 40 questions sur l'actualité d'octobre et novembre 2026. Une recherche web API Pick par question les a portés tous deux à 35 sur 40, sans aucune réponse fausse.
• •L'ancrage avec la recherche Google (Grounding with Google Search) a été le plus précis et le plus rapide : 39 sur 40 avec Flash-Lite en 2,5 secondes, et 40 sur 40 avec 3.8 Flash une fois que le prompt a cessé de l'inviter à sauter la recherche.
• •L'ancrage est facturé par requête de recherche, pas par question : le modèle a lancé 1,9 à 2,85 requêtes par question, donc 1 000 questions coûtent 24 à 40 $ de recherche une fois épuisées les 5 000 requêtes gratuites mensuelles. Un appel API Pick coûte 15 $ fixes pour 1 000.
• •Choisissez l'ancrage pour une application uniquement Gemini sous environ 1 750 questions par mois. Choisissez une API de recherche si vous utilisez d'autres modèles, voulez un appel prévisible par question ou souhaitez voir et filtrer vous-même les sources.

De combien une recherche web améliore-t-elle les réponses d'un LLM ?

Sur 40 questions d'actualité d'octobre et novembre 2026, Gemini 3.8 Flash et Gemini 3.5 Flash-Lite n'ont répondu correctement à aucune sans recherche. Une seule recherche web API Pick par question a porté les deux modèles à 35 sur 40 (87,5 %) sans réponse fausse, et l'ancrage avec la recherche Google les a portés entre 30 et 40 sur 40, selon le modèle et le prompt. Nous avons posé chaque question le 2026-11-14 dans quatre configurations et noté les réponses d'après des sources vérifiées à la main.

Nous développons API Pick, l'API de recherche de ce test. L'ancrage intégré de Google l'a battue en précision et en vitesse dans la plupart des cas, et cette page dit où et pourquoi.

Toutes les autres réponses étaient « je ne sais pas ». Aucun modèle n'a inventé quoi que ce soit sans recherche, ce qui est le comportement souhaité. Sur les 10 questions témoins de culture générale, toutes les configurations ont obtenu 10 sur 10, sauf Flash-Lite avec la recherche d'actualités, qui a renoncé à deux questions qu'il connaissait parce que les actualités étaient hors sujet.

Combien coûte l'ancrage avec la recherche Google ?

Sur Gemini 3 et les modèles plus récents, l'ancrage avec la recherche Google coûte 14 $ les 1 000 requêtes de recherche après 5 000 requêtes gratuites par mois. Le piège est l'unité : vous payez chaque requête que le modèle décide de lancer, pas chaque question posée. Voici les conditions des pages tarifaires de Google au 2026-11-14 :

• Quota gratuit : 5 000 requêtes de recherche par mois, partagées entre tous les modèles Gemini 3 et plus récents.
• Tarif payant : 14 $ les 1 000 requêtes, avec une limite par défaut de 1 500 requêtes d'ancrage par jour et par projet sur le niveau payant de la Gemini Developer API.
• Requêtes par question : Gemini en a lancé 1,9 à 2,85 en moyenne lors de nos essais, et jusqu'à 16 sur une seule question.
• Modèles plus anciens : les modèles Gemini 2.5 sont facturés par prompt ancré, 35 $ les 1 000 après 1 500 gratuits par jour. À partir du 1er décembre 2026, les requêtes vers gemini-2.5-flash sont redirigées vers Gemini 3.5 Flash-Lite.

Le texte que Google transmet au modèle depuis la recherche n'est pas facturé en tokens d'entrée : les essais avec ancrage n'ont utilisé qu'environ 90 tokens d'entrée par question, contre environ 1 400 lorsque nous avons collé cinq résultats API Pick dans le prompt. Prix des modèles retenus : Gemini 3.8 Flash à 0,75 $ par million de tokens d'entrée et 3,75 $ par million de tokens de sortie jusqu'au 31 décembre 2026, Gemini 3.5 Flash-Lite à 0,30 $ et 2,50 $.

Pourquoi Gemini 3.8 Flash a-t-il sauté la recherche ?

Parce qu'avec l'ancrage, c'est le modèle qui décide de chercher, et notre prompt lui offrait une sortie facile. Lors du premier passage, Gemini 3.8 Flash n'a lancé aucune recherche sur 9 des 40 questions et a répondu « je ne sais pas ». Nous avons alors retiré la phrase qui autorisait cette réponse et relancé Gemini 3.8 Flash sur les 40 questions d'actualité :

Sans échappatoire, l'ancrage a cherché à chaque fois, lancé plus de requêtes (2,85 par question au lieu de 1,9) et réussi les 40. Le passage API Pick n'a presque pas bougé, car la recherche avait déjà eu lieu avant que le modèle ne voie la question.

Où l'API de recherche a-t-elle échoué ?

La recherche web API Pick a manqué 5 des 40 questions. Pour quatre d'entre elles, aucun des cinq résultats ne contenait le fait ; pour la cinquième, le fait n'apparaissait qu'indirectement. À chaque fois, le modèle a dit ne pas savoir plutôt que de deviner :

• Chiffre d'affaires d'Uber au 3e trimestre 2026 : les résultats étaient des articles sur les résultats trimestriels qui parlaient de réservations et de bénéfices, mais le texte renvoyé ne donnait pas le chiffre d'affaires.
• Chiffre d'affaires commercial de Palantir aux États-Unis : les résultats donnaient le taux de croissance (148 %) mais pas le montant.
• Le modèle en tête du classement search-lift de Firecrawl : les résultats étaient des classements généraux de LLM.
• Prix de l'offre Standard de Composio : les résultats incluaient la page de tarifs de Composio, mais l'extrait affichait « 18 $ de crédits par siège » plutôt que le prix de l'offre. Avec l'option « je ne sais pas », le modèle s'est abstenu ; sans elle, il a répondu 18 $ par siège et par mois, ce qui est juste.
• Où Exa s'est lancé le 13 novembre : les résultats portaient sur le bureau d'Exa à Singapour. Lors du second passage, sans l'option « je ne sais pas », le modèle a répondu Singapour, ce qui est faux (c'était l'UE).

L'endpoint d'actualités a fait moins bien que la recherche web sur les questions produit : 5 sur 13 pour l'IA et les outils de développement, car les pages de prix, la documentation et les journaux de modifications ne sont pas de l'actualité. Choisissez l'endpoint selon la question : la recherche web pour les pages et la documentation, la recherche d'actualités pour la couverture d'événements, et des endpoints spécialisés comme la recherche de documents SEC quand la réponse se trouve dans un dépôt réglementaire.

Combien coûte chaque configuration pour 1 000 questions ?

Une fois les quotas gratuits épuisés, la recherche web API Pick coûte 15 $ pour 1 000 questions plus 0,46 à 2,29 $ de tokens, tandis que l'ancrage avec la recherche Google coûte 24 à 40 $ de recherche pour 1 000 questions plus 0,11 à 1,64 $ de tokens. API Pick facture 15 crédits par appel, 1 $ achète 1 000 crédits et seules les réponses HTTP 200 sont facturées (tarifs).

Les quotas gratuits vont dans l'autre sens. Les 5 000 requêtes gratuites mensuelles de Google couvrent environ 1 750 à 2 600 questions aux taux de requêtes mesurés. API Pick offre 100 crédits une seule fois, soit six recherches. Une application Gemini sous environ 1 750 questions par mois ne paie rien pour l'ancrage ; au-delà, le prix par question de l'ancrage est environ le double.

La vitesse avantage Google. L'ancrage a répondu en 2,5 secondes médianes sur Flash-Lite et en 7,1 à 7,4 secondes sur 3.8 Flash. Une recherche web API Pick prenait à elle seule 5,75 secondes médianes (7,8 secondes au 90e centile), d'où 7,5 à 11 secondes pour la réponse complète. La recherche d'actualités avait une traîne lente : 16 secondes au 90e centile.

Quand choisir l'ancrage, et quand une API de recherche ?

Voici le pipeline utilisé pour les passages API Pick, réduit à l'essentiel. Il fonctionne de la même façon avec tout modèle qui accepte un prompt texte ; pour une boucle d'agent complète avec appels d'outils, voir comment ajouter la recherche web à un agent OpenAI ou Claude.

import os, requests

APIPICK_KEY = os.environ["APIPICK_API_KEY"]
GEMINI_KEY = os.environ["GEMINI_API_KEY"]

def search(question: str) -> str:
    r = requests.post(
        "https://www.apipick.com/api/search/web",
        headers={"x-api-key": APIPICK_KEY},
        json={"query": question, "max_num_results": 5},
        timeout=60,
    )
    r.raise_for_status()
    return "\n\n".join(
        f"[{i + 1}] {x['title']} ({x['url']})\n{x['snippet']}"
        for i, x in enumerate(r.json()["results"])
    )

def answer(question: str, model: str = "gemini-3.8-flash") -> str:
    prompt = (
        "Today's date is November 14, 2026. Answer in one short sentence.\n\n"
        f"Search results:\n{search(question)}\n\nQuestion: {question}"
    )
    r = requests.post(
        f"https://generativelanguage.googleapis.com/v1beta/models/{model}:generateContent",
        headers={"x-goog-api-key": GEMINI_KEY},
        json={"contents": [{"parts": [{"text": prompt}]}],
              "generationConfig": {"temperature": 0}},
        timeout=120,
    )
    r.raise_for_status()
    return r.json()["candidates"][0]["content"]["parts"][0]["text"]

print(answer("What revenue did AMD report for the third quarter of 2026?"))

L'ancrage avec la recherche Google, lui, n'est qu'un champ de plus dans le corps de la requête Gemini :

{"contents": [{"parts": [{"text": "Who won the 2026 World Series?"}]}],
 "tools": [{"google_search": {}}]}

Comment se compare-t-il au classement search-lift de Firecrawl ?

Firecrawl a publié un Web Search LLM Leaderboard avec des données arrêtées au 10 novembre 2026. Il évalue 10 modèles sur 4 703 questions de recherche difficiles issues de BrowseComp, DeepSearchQA, HLE et d'un jeu privé, laisse chaque modèle chercher et lire des pages à plusieurs reprises dans un budget d'outils, et annonce un gain moyen de 40,6 points avec sa couche de données Alexandria. Claude Opus 5.5 obtient le meilleur score, 79,0.

Notre test répond à une question plus étroite : qu'apporte une recherche pour des faits simples et récents qu'un modèle ne peut pas connaître ? Nos questions demandent une seule recherche, pas une chaîne, donc nos gains sont plus élevés (de 0 à 87,5 % et plus) et ne se comparent pas aux chiffres de Firecrawl. Nos 40 questions et leurs réponses sont listées ci-dessous ; Firecrawl garde son jeu privé.

Comment avons-nous mené le test ?

Tous les passages ont eu lieu le 2026-11-14 :

• Questions : 40 sur des événements survenus entre début octobre et le 13 novembre 2026, en quatre groupes (prix et sport 7, banques centrales 5, résultats d'entreprises 15, IA et outils de développement 13), plus 10 questions témoins de culture générale. Chaque réponse provient d'une source primaire que nous avons lue nous-mêmes : nobelprize.org, communiqués de la Réserve fédérale, de la BCE et de la Banque d'Angleterre, annexes de formulaires 8-K de la SEC, blogs et pages de prix des éditeurs.
• Modèles : gemini-3.8-flash et gemini-3.5-flash-lite via Vertex AI, température 0, réglages de réflexion par défaut.
• Configurations : sans recherche ; une recherche web API Pick (5 résultats, la question comme requête) ; une recherche d'actualités API Pick ; l'outil Google Search intégré à Gemini. Les résultats de recherche ont été obtenus une fois par question et fournis aux deux modèles.
• Prompt : la date du jour, « réponds en une phrase courte » et, au premier passage, « si tu n'es pas sûr, réponds I don't know ». Le second passage a supprimé cette dernière phrase.
• Notation : deux modèles (Gemini 3.8 Flash et Gemini 3.1 Pro Preview) ont classé chacune des 520 réponses en juste, fausse ou abstention d'après la référence. Nous avons vérifié à la main chaque désaccord (6) et chaque réponse fausse au regard de la source, et modifié une étiquette sur laquelle les deux étaient d'accord : affirmer qu'Exa n'avait pas annoncé Exa 3.0 compte comme une erreur, pas comme une abstention. Les chiffres devaient avoir la même précision que la référence : « AWS a progressé de 39 % » a donc été compté faux face à 39,3 %.

Le jeu complet de questions avec réponses de référence et sources :

id   question (shortened)                         reference answer           source
N1   2026 Nobel Prize in Physics                  Francis Halzen             nobelprize.org
N2   2026 Nobel Prize in Chemistry                Henri B. Kagan, Kenso Soai nobelprize.org
N3   2026 Nobel Prize in Physiology or Medicine   Deisseroth, Hegemann, Nagel nobelprize.org
N4   2026 Nobel Prize in Literature               Anne Carson                nobelprize.org
N5   2026 Nobel Peace Prize                       Navanethem Pillay          nobelprize.org
N6   2026 Nobel Prize in Economic Sciences        Robert E. Hall, M. Woodford nobelprize.org
S1   2026 World Series winner                     Milwaukee Brewers          mlb.com
C1   FOMC target range, 2026-10-28                3.75% to 4.00%, unchanged  federalreserve.gov
C2   FOMC dissents, 2026-10-28                    2 (Cook, Hammack)          federalreserve.gov
C3   ECB deposit facility rate, 2026-10-29        2.50%, unchanged           ecb.europa.eu
C4   Bank of England Bank Rate, Nov 2026          4%, raised 0.25 pt         bankofengland.co.uk
C5   BoE MPC vote, meeting ending 2026-11-04      8-1                        bankofengland.co.uk
E1   Apple revenue, FQ4 2026                      $114.5 billion             SEC 8-K Ex. 99.1
E2   Apple revenue, fiscal 2026                   $479 billion ($478.834 bn) SEC 8-K Ex. 99.1
E3   Microsoft revenue, quarter to 2026-09-30     $92.3 billion              SEC 8-K Ex. 99.1
E4   Microsoft Cloud revenue, same quarter        $63.9 billion              SEC 8-K Ex. 99.1
E5   Alphabet revenue, Q3 2026                    $127.6 billion             SEC 8-K Ex. 99.1
E6   Amazon net sales, Q3 2026                    $201.9 billion             SEC 8-K Ex. 99.1
E7   AWS net sales growth, Q3 2026                39.3%                      SEC 8-K Ex. 99.1
E8   Meta revenue, Q3 2026                        $64.60 billion             SEC 8-K Ex. 99.1
E9   Netflix revenue, Q3 2026                     $12.9 billion              SEC 8-K Ex. 99.1
E10  Intel revenue, Q3 2026                       $16.5 billion              SEC 8-K Ex. 99.1
E11  AMD revenue, Q3 2026                         $13.4 billion              SEC 8-K Ex. 99.1
E12  Uber revenue, Q3 2026                        $14.8 billion              SEC 8-K Ex. 99.1
E13  Palantir revenue, Q3 2026                    $2.313 billion             SEC 8-K Ex. 99.1
E14  Palantir U.S. commercial revenue, Q3 2026    $984 million               SEC 8-K Ex. 99.1
E15  Starbucks net revenues, FQ4 2026             $9.1 billion               SEC 8-K Ex. 99.1
T1   Firecrawl MCP v3: tools per connection       3,000+                     firecrawl.dev/blog
T2   Firecrawl Series B, Nov 2026                 $75 million                firecrawl.dev/blog
T3   #1 on Firecrawl's search-lift leaderboard    Claude Opus 5.5 (79.0)     firecrawl.dev/benchmarks
T4   Questions in that leaderboard                4,703                      firecrawl.dev/benchmarks
T5   AWS AgentCore Web Search API price           $7 per 1,000 queries       aws.amazon.com
T6   AgentCore Web Search API GA date             2026-11-10                 aws.amazon.com
T7   Composio Standard plan                       $18 per seat per month     composio.dev/pricing
T8   Court dismissed Google's amended complaint   2026-11-09                 serpapi.com/blog
T9   Model behind Cursor Voice Chat with Agents   Grok Voice                 cursor.com/changelog
T10  Episodes searchable in Exa Podcasts          3.2 million                exa.ai/blog
T11  Exa 3.0 announcement date                    2026-10-19                 exa.ai/blog
T12  Region where Exa Search launched 2026-11-13  The EU                     exa.ai/blog
T13  Model gemini-2.5-flash routes to on Dec 1    Gemini 3.5 Flash-Lite      ai.google.dev pricing
K1-K10  control: Hubble launch year, symbol for tungsten, author of One Hundred Years of
        Solitude, capital of Australia, IPv6 address bits, HTTP 429, Titan's planet,
        Berlin Wall year, PostgreSQL port, painter of The Night Watch

Que ce test ne montre-t-il pas ?

• Il est petit. 40 questions d'actualité et un passage par configuration. Un écart de deux ou trois questions reste dans le bruit.
• Il ne teste que Gemini. D'autres modèles peuvent chercher, lire et s'abstenir différemment.
• Il ne teste que des questions à fait unique. La recherche en plusieurs étapes exige des recherches et des lectures répétées ; voyez pour cela le classement de Firecrawl.
• Il ne teste pas d'autres API de recherche. Nous n'avons pas lancé Tavily, Exa, Brave ni AWS AgentCore ici ; pour leurs prix catalogue, voir notre comparatif des alternatives à Tavily.
• Les prix changent. Les tarifs par token de Gemini 3.8 Flash doublent le 1er janvier 2027, et tous les prix cités sont des prix catalogue vérifiés le 2026-11-14.

Si votre agent tourne sur Gemini et pose quelques milliers de questions par mois, activez l'ancrage et ne dites pas au modèle qu'il peut sauter la recherche. S'il utilise plusieurs modèles, ou si vous devez contrôler les sources qui atteignent le modèle et le coût de chaque réponse, utilisez une API de recherche web et lisez pourquoi les API ne devraient facturer que les appels réussis.

Écrit par

Sarah Choy

CEO, API Pick

Sarah Choy est CEO d'API Pick. Elle écrit sur la création d'APIs prêtes pour la production destinées aux agents IA et aux workflows LLM.