Sommaire
Jordi Ribas, Vice-Président Corporate de Microsoft pour la Recherche et l’IA, a publié sur LinkedIn une comparaison entre Microsoft Copilot et le mode IA de Google. Il souligne que les deux produits excellent mais adoptent des approches distinctes pour certains segments de requêtes.
Copilot Search et le mode IA de Google représentent les nouvelles interfaces de recherche conversationnelle des deux géants. Copilot intègre l’IA générative directement dans Bing, tandis que le mode IA de Google propose une expérience de recherche enrichie par Gemini, disponible via Google Search Labs.
Des philosophies produit différentes
Ribas explique : « Ce sont tous les deux d’excellents produits de recherche IA, mais nous adoptons une approche différente pour certains segments de requêtes. »
Il illustre cette différence avec un exemple concret sur une requête concernant le meilleur moment pour visiter Victoria. Selon lui, les deux moteurs fournissent des réponses génératives convaincantes pour la requête principale, mais se distinguent sur les questions de suivi.
L’exemple des jardins Butchart
Pour les requêtes de suivi concernant les photos des jardins Butchart et les prévisions météo, Ribas note que « Copilot Search fournit des cartes de réponse plus riches bien que sans descriptions génératives ».
Cette différence illustrerait l’approche de Microsoft : privilégier des cartes de réponse structurées plutôt que des descriptions entièrement générées par IA pour certains types de contenus.
Personnalisation et modèles utilisés
Dans les commentaires de son post, Ribas a précisé plusieurs points techniques :
Sur la personnalisation : « À ce stade, Copilot Search est principalement basé sur la requête et la session, mais l’impact de la personnalisation et de la contextualisation augmentera avec le temps. »
Sur les modèles IA : questionné sur l’utilisation de Gemini 2.5 Pro par Google, Ribas répond que Microsoft utilise également des « modèles GPT avancés » et que « les deux produits de recherche continueront évidemment d’évoluer. »
Vision à long terme
Ribas conclut sur une note prospective : « La convergence de la recherche traditionnelle et générative dans les années à venir sera fascinante et nous espérons que vous nous accompagnerez dans cette aventure. »
Il précise que sa comparaison portait moins sur les modèles ou la partie générative que sur « notre point de vue produit par rapport au leur pour certains segments de requêtes comme les images et la météo ».
On peut en réalité se demander si Ribas ne joue pas sur une différence de moment d’implémentation plutôt que sur une véritable opposition stratégique. Les deux géants visent dans tous les cas le même objectif : occuper toute la chaîne de recherche (découverte → réponse → action). Les écarts actuels peuvent être liés à des arbitrages techniques ou à des tests d’usage, qui pourraient rapidement s’estomper à mesure que les modèles convergent.
