> ## Documentation Index
> Fetch the complete documentation index at: https://manus.im/docs/llms.txt
> Use this file to discover all available pages before exploring further.

# Wide Research

> Système multi-Agent parallèle pour les tâches de recherche et de traitement à grande échelle.

export const CodePrompt = ({children}) => {
  const [isCopied, setIsCopied] = useState(false);
  const textContent = useMemo(() => {
    const extractText = (children, depth = 0) => {
      const maxDepth = 10;
      if (depth > maxDepth) return '';
      if (children == null) return '';
      if (typeof children === 'string' || typeof children === 'number') {
        return String(children);
      }
      if (Array.isArray(children)) {
        return children.map(child => extractText(child, depth + 1)).join('');
      }
      if (typeof children === 'object' && children.props) {
        return extractText(children.props.children, depth + 1);
      }
      return '';
    };
    return extractText(children);
  }, [children]);
  const handleAskManus = useCallback(() => {
    const url = new URL('https://manus.im');
    if (textContent) {
      url.searchParams.set('q', textContent);
      url.searchParams.set('submit', '1');
    }
    window.open(url.toString(), '_blank');
  }, [textContent]);
  const handleCopy = useCallback(async () => {
    try {
      await navigator.clipboard.writeText(textContent);
      setIsCopied(true);
      setTimeout(() => {
        setIsCopied(false);
      }, 2000);
    } catch (err) {
      const textArea = document.createElement('textarea');
      textArea.value = textContent;
      textArea.style.position = 'fixed';
      textArea.style.opacity = '0';
      document.body.appendChild(textArea);
      textArea.select();
      try {
        document.execCommand('copy');
        setIsCopied(true);
        setTimeout(() => {
          setIsCopied(false);
        }, 2000);
      } catch (fallbackErr) {
        console.error(fallbackErr);
      }
      document.body.removeChild(textArea);
    }
  }, [textContent]);
  return <div className="code-block mt-5 mb-8 not-prose rounded-2xl relative group text-gray-950 dark:text-gray-50 codeblock-light border border-gray-950/10 dark:border-white/10 dark:twoslash-dark bg-transparent dark:bg-transparent">
      <div className="absolute top-3 right-4 flex items-center gap-1.5">
        <div className="z-10 relative">
          <button onClick={handleCopy} className="h-[26px] w-[26px] flex items-center justify-center rounded-md backdrop-blur peer group/copy-button " data-testid="copy-code-button" aria-label="Copy the contents from the code block">
            {isCopied ? <svg width="16" height="11" viewBox="0 0 16 11" fill="none" xmlns="http://www.w3.org/2000/svg" class="fill-primary dark:fill-primary-light">
                <path d="M14.7813 1.21873C15.0751 1.51248 15.0751 1.98748 14.7813 2.2781L6.53135 10.5312C6.2376 10.825 5.7626 10.825 5.47197 10.5312L1.21885 6.28123C0.925098 5.98748 0.925098 5.51248 1.21885 5.22185C1.5126 4.93123 1.9876 4.9281 2.27822 5.22185L5.99697 8.9406L13.7188 1.21873C14.0126 0.924976 14.4876 0.924976 14.7782 1.21873H14.7813Z"></path>
              </svg> : <svg width="18" height="18" viewBox="0 0 18 18" fill="none" xmlns="http://www.w3.org/2000/svg" className="w-4 h-4 text-gray-400 group-hover/copy-button:text-gray-500 dark:text-white/40 dark:group-hover/copy-button:text-white/60">
                <path d="M14.25 5.25H7.25C6.14543 5.25 5.25 6.14543 5.25 7.25V14.25C5.25 15.3546 6.14543 16.25 7.25 16.25H14.25C15.3546 16.25 16.25 15.3546 16.25 14.25V7.25C16.25 6.14543 15.3546 5.25 14.25 5.25Z" stroke="currentColor" strokeWidth="1.5" strokeLinecap="round" strokeLinejoin="round"></path>
                <path d="M2.80103 11.998L1.77203 5.07397C1.61003 3.98097 2.36403 2.96397 3.45603 2.80197L10.38 1.77297C11.313 1.63397 12.19 2.16297 12.528 3.00097" stroke="currentColor" strokeWidth="1.5" strokeLinecap="round" strokeLinejoin="round"></path>
              </svg>}
          </button>
          <div aria-hidden="true" className="absolute top-11 left-1/2 transform whitespace-nowrap -translate-x-1/2 -translate-y-1/2 peer-hover:opacity-100 opacity-0 text-white rounded-lg px-1.5 py-0.5 text-xs bg-primary-dark">
            {isCopied ? 'Copied' : 'Copy'}
          </div>
        </div>
        <div className="z-10 relative">
          <button onClick={handleAskManus} className="h-[26px] w-[26px] flex items-center justify-center rounded-md backdrop-blur peer group/ask-manus " id="ask-ai-code-block-button" aria-label="Ask Manus">
            <svg xmlns="http://www.w3.org/2000/svg" width="18" height="18" viewBox="0 0 24 24" fill="none" stroke="currentColor" stroke-width="2" stroke-linecap="round" stroke-linejoin="round" className="w-4 h-4 text-gray-400 group-hover/ask-manus:text-gray-500 dark:text-white/40 dark:group-hover/ask-manus:text-white/60">
              <path d="M22 17a2 2 0 0 1-2 2H6.828a2 2 0 0 0-1.414.586l-2.202 2.202A.71.71 0 0 1 2 21.286V5a2 2 0 0 1 2-2h16a2 2 0 0 1 2 2z" />
              <path d="M12 8v6" />
              <path d="M9 11h6" />
            </svg>
          </button>
          <div aria-hidden="true" className="absolute top-11 left-1/2 transform whitespace-nowrap -translate-x-1/2 -translate-y-1/2 peer-hover:opacity-100 opacity-0 text-white rounded-lg px-1.5 py-0.5 text-xs bg-primary-dark">
            Ask Manus
          </div>
        </div>
      </div>

      <div className="w-0 min-w-full max-w-full py-3.5 px-4 h-full dark:bg-codeblock relative text-sm leading-6 children:!my-0 children:!shadow-none children:!bg-transparent transition-[height] duration-300 ease-in-out code-block-background [&_*]:ring-0 [&_*]:outline-0 [&_*]:focus:ring-0 [&_*]:focus:outline-0 [&_pre>code]:pr-[3rem] [&_pre>code>span.line-highlight]:min-w-[calc(100%+3rem)] [&_pre>code>span.line-diff]:min-w-[calc(100%+3rem)] rounded-2xl bg-white overflow-x-auto scrollbar-thin scrollbar-thumb-rounded scrollbar-thumb-black/15 hover:scrollbar-thumb-black/20 active:scrollbar-thumb-black/20 dark:scrollbar-thumb-white/20 dark:hover:scrollbar-thumb-white/25 dark:active:scrollbar-thumb-white/25" style={{
    fontVariantLigatures: 'none',
    height: 'auto',
    backgroundColor: 'rgb(255, 255, 255)'
  }}>
        <div className="font-mono whitespace-pre leading-6">{children}</div>
      </div>
    </div>;
};

<iframe src="https://www.youtube.com/embed/TRZi7EZBNI0" title="Lecteur vidéo YouTube" frameborder="0" className="w-full aspect-video rounded-xl" allow="accelerometer; autoplay; clipboard-write; encrypted-media; gyroscope; picture-in-picture; web-share" allowfullscreen />

## Qu'est-ce que la Recherche Ample ?

La Recherche Ample est l'approche de Manus pour gérer les tâches impliquant le traitement de nombreux éléments similaires, comme l'analyse de 100 produits, la recherche sur 50 entreprises ou la génération de 20 contenus. Au lieu d'utiliser un seul Agent AI qui traite les éléments séquentiellement, la Recherche Ample déploie des centaines d'Agents indépendants qui travaillent en parallèle.

Chaque agent reçoit son propre contexte dédié et traite un élément indépendamment. Cette architecture résout la limitation de la fenêtre de contexte qui entraîne une dégradation de la qualité des systèmes AI traditionnels à mesure que le nombre d'éléments augmente.

## Le problème de la fenêtre de contexte

Les systèmes AI traditionnels, y compris la plupart des chatbots, fonctionnent avec une fenêtre de contexte fixe—une limite sur la quantité d'informations qu'ils peuvent traiter activement simultanément. Lorsqu'on leur demande d'analyser de nombreux éléments séquentiellement :

* **Éléments 1-5**: Analyse détaillée et approfondie avec contexte complet disponible
* **Éléments 10-20**: Les descriptions deviennent plus courtes à mesure que le contexte se remplit
* **Éléments 30+**: Résumés génériques et erreurs accrues à mesure que le contexte antérieur est compressé ou perdu

Cette dégradation se produit car l'AI doit conserver tous les éléments précédents en mémoire tout en en traitant de nouveaux. La recherche montre que ce "seuil de fabrication" se produit généralement autour de 8 à 10 éléments pour la plupart des systèmes AI.

## Comment fonctionne la Recherche Ample

La Recherche Ample utilise une architecture fondamentalement différente :

**1. Décomposition de la tâche**: L'Agent principal analyse votre demande et la décompose en sous-tâches indépendantes (par exemple, "recherche entreprise n°1", "recherche entreprise n°2", etc.)

**2. Déploiement d'Agents Parallèles**: Chaque sous-tâche est attribuée à un Agent dédié avec sa propre fenêtre de contexte vierge

**3. Traitement Indépendant**: Les Agents travaillent simultanément, chacun menant une recherche approfondie sans se disputer l'espace de contexte

**4. Synthèse des Résultats**: L'Agent principal collecte toutes les sous-tâches terminées et les assemble dans le format que vous avez demandé (tableau, rapport, ensemble de données, etc.)

**Résultat**: L'élément n°250 reçoit la même profondeur d'analyse que l'élément n°1, car chacun dispose de son propre Agent dédié et d'une fenêtre de contexte complète.

## Démarrage Rapide

### Demande Simple

<CodePrompt>
  "Recherchez les 20 meilleurs chercheurs en AI et créez un tableau avec leurs
  affiliations, leur domaine de recherche et leurs publications récentes"
</CodePrompt>

### Demande Détaillée

<CodePrompt>
  "Comparez 100 modèles de baskets grand public. Pour chacun, extrayez : marque, prix,
  caractéristiques clés, public cible et évaluation client. Organisez-les dans un
  tableau triable."
</CodePrompt>

### Demande Créative

<CodePrompt>
  "Trouvez 20 figures historiques célèbres. Générez des portraits professionnels
  pour chacun dans un style artistique cohérent. Incluez de courtes biographies."
</CodePrompt>

## Exemples Réels

### Exemple 1 : Recherche sur 250 Chercheurs en AI

<CodePrompt>
  "Recherchez les 250 meilleurs chercheurs en AI des institutions de premier plan. Créez
  un tableau complet avec : nom, affiliation, domaine de recherche, indice h,
  publications notables et coordonnées."
</CodePrompt>

**Résultat**: Base de données complète avec 250 profils détaillés

**Relecture**: [https://manus.im/share/IXdMjxObbFKbIjUUkBk4EH?replay=1](https://manus.im/share/IXdMjxObbFKbIjUUkBk4EH?replay=1)

**Pourquoi ça fonctionne**:

* Aucun autre outil AI ne peut gérer une tâche de cette ampleur
* Chaque chercheur bénéficie d'une recherche indépendante et approfondie
* Tableau généré et rempli automatiquement avec tous les champs
* Qualité constante du chercheur n°1 au n°250

### Exemple 2 : Comparaison de 100 Modèles de Baskets

<CodePrompt>
  "Analysez 100 modèles de baskets grand public. Extrayez la marque, la fourchette de prix, les
  caractéristiques clés, le public cible et la note moyenne. Créez un tableau de comparaison
  trié par prix."
</CodePrompt>

**Résultat**: Tableau complet d'étude de marché avec 100 produits

**Relecture**: [https://manus.im/share/3zvs5smekSmn4lS14n9QNg?replay=1](https://manus.im/share/3zvs5smekSmn4lS14n9QNg?replay=1)

**Pourquoi ça fonctionne**:

* Recherche indépendante et approfondie sur chaque produit
* Extraction de données structurées à grande échelle
* Organisation et tri automatiques
* Aucune dégradation de la qualité sur 100 éléments

### Exemple 3 : Analyse des Chronologies AGI

<CodePrompt>
  "Recherchez les prédictions d'experts sur les chronologies AGI. Analysez plus de 30 sources,
  including research papers, expert interviews, and industry reports.
  Créez un graphique de visualisation montrant la distribution des prédictions."
</CodePrompt>

**Résultat**: Analyse complète incluant la visualisation des données

**Relecture**: [https://manus.im/share/GajPnKzrpM4pEbpcrKDmx0?replay=1](https://manus.im/share/GajPnKzrpM4pEbpcrKDmx0?replay=1)

**Pourquoi ça fonctionne**:

* Synthétise les informations provenant de dizaines de sources
* Crée une représentation visuelle des résultats
* Identifie les modèles et les valeurs aberrantes
* Fournit des résumés fondés sur des preuves

### Exemple 4 : Recherche de 20 Biographies

<CodePrompt>
  "Recherchez 20 entrepreneurs influents. Créez une biographie détaillée
  pour chacun, couvrant : la jeunesse, les jalons de carrière, les réalisations clés,
  le style de leadership et l'impact durable."
</CodePrompt>

**Résultat**: 20 biographies complètes avec une structure cohérente

**Relecture**: [https://manus.im/share/ayLBetEJkfSIVuWKo2toPn?replay=1](https://manus.im/share/ayLBetEJkfSIVuWKo2toPn?replay=1)

**Pourquoi ça fonctionne**:

* Chaque biographie est recherchée de manière approfondie et indépendante
* Structure cohérente pour toutes les entrées
* Recherche approfondie multi-source pour chaque individu
* Pas de raccourcis ni de génération de contenu générique

### Exemple 5 : Modification en masse de photos de profil LinkedIn

<CodePrompt>
  "Téléchargez les photos de profil à partir de ces 50 URL LinkedIn. Appliquez
  des modifications professionnelles cohérentes : supprimez l'arrière-plan, ajustez l'éclairage,
  recadrez à la taille standard et enregistrez au format PNG haute résolution."
</CodePrompt>

**Résultat**: 50 photos de profil éditées professionnellement

**Relecture**: [https://manus.im/share/5iT2464ldyvdf1FMxUOCsW?replay=1](https://manus.im/share/5iT2464ldyvdf1FMxUOCsW?replay=1)

**Comment ça fonctionne**:

* Remplace les outils micro-SaaS pour le traitement d'images en masse
* Applique des modifications cohérentes à toutes les images
* Automatise le processus de téléchargement et de traitement
* Résultats professionnels à grande échelle

### Exemple 6 : Extraction d'une Bibliothèque de Prompts GitHub

<CodePrompt>
  "Accédez à ce dépôt GitHub awesome-prompts. Extrayez tous les Prompts,
  catégorisez-les par cas d'utilisation et créez une base de données structurée avec : Texte du Prompt,
  catégorie, modèle cible et évaluation de l'efficacité."
</CodePrompt>

**Résultat**: Base de données structurée contenant plus de 100 Prompts

**Relecture**: [https://manus.ai/share/wxTg2q4hV6GN4YY4KnQeFx?replay=1](https://manus.ai/share/wxTg2q4hV6GN4YY4KnQeFx?replay=1)

**Comment ça fonctionne**:

* Extrait et structure les informations à grande échelle
* Catégorisation et étiquetage automatiques
* Crée une base de données organisée et consultable
* Gère les tâches complexes de web scraping

## Cas d'utilisation par Catégorie

| Catégorie                       | Exemples de Tâches                                                                                 |
| :------------------------------ | :------------------------------------------------------------------------------------------------- |
| **Étude de Marché**             | Comparez 100 produits, analysez les prix des concurrents, examinez les avis clients                |
| **Recherche Académique**        | Résumez 50 articles, analysez les tendances de recherche, comparez les méthodologies               |
| **Veille Concurrentielle**      | Analysez 30 concurrents, analysez les ensembles de fonctionnalités, suivez les changements de prix |
| **Génération de Leads**         | Recherchez 200 prospects, trouvez les coordonnées, qualifiez les leads                             |
| **Création de Contenu**         | Générez 20 plans de blog, créez 50 publications sociales, rédigez 30 descriptions de produits      |
| **Extraction de Données**       | Scrapez 100 sites web, extrayez des données structurées, compilez une base de données              |
| **Production Créative**         | Générez 20 images, modifiez 50 photos, créez des ressources de marque cohérentes                   |
| **Recherche en Investissement** | Analysez 40 startups, comparez 30 fonds, recherchez 50 sociétés de portefeuille                    |

## Pourquoi choisir la Recherche Ample plutôt que d'autres outils

| Aspect       | Chatbot AI                                         | Recherche Ample Manus                     |
| :----------- | :------------------------------------------------- | :---------------------------------------- |
| **Méthode**  | Une seule AI vous aide                             | Orchestration multi-Agent parallèle       |
| **Vitesse**  | Heures jusqu'à saturation du contexte              | Minutes, quelle que soit l'échelle        |
| **Échelle**  | La performance se dégrade au-delà de 8-10 éléments | S'adapte facilement à des centaines       |
| **Qualité**  | Dégradation progressive                            | Qualité constante à toute échelle         |
| **Résultat** | Résumés compressés manquant de détails             | Rapports complets et ensembles de données |

## Quand utiliser la Recherche Ample

**Idéal pour**:

* Veille concurrentielle (Analysez plus de 50 concurrents)
* Étude de marché (Comparez plus de 100 produits)
* Recherche académique (Résumez plus de 30 articles)
* Génération de leads (Recherchez plus de 200 prospects)
* Création de contenu (Générez plus de 20 éléments similaires)
* Extraction de données (Scrapez et structurez plus de 100 pages)
* Traitement en masse (Modifiez plus de 50 images/fichiers)

**Moins idéal pour**:

* Analyse approfondie unique (Utilisez le mode Agent régulier)
* Tâches nécessitant une dépendance séquentielle
* Recherche interactive en temps réel
* Tâches impliquant moins de 10 éléments

## Conseils pour de Meilleurs Résultats

**Soyez explicite concernant la structure**:

* ✅ “Créez un tableau avec les colonnes suivantes : Nom, Entreprise, Titre, E-mail, LinkedIn”
* ❌ “Recherchez ces personnes”

**Spécifiez l'échelle à l'avance**:

* ✅ “Analysez les 100 entreprises de cette liste”
* ❌ “Analysez quelques entreprises”

**Décrivez le format de sortie souhaité**:

* ✅ “Organisez dans une feuille de calcul triable avec des filtres”
* ❌ “Donnez-moi les résultats”

**Incluez les critères d'évaluation**:

* ✅ “Notez chaque produit en fonction de : Prix, Fonctionnalités, Avis, Disponibilité”
* ❌ “Comparez ces produits”

## FAQ

<AccordionGroup>
  <Accordion title="Combien d'éléments la Recherche Ample peut-elle gérer ?" icon="sparkles">
    Testé jusqu'à 250 éléments. Théoriquement illimité, mais les limites pratiques dépendent de la complexité de la tâche.
  </Accordion>

  <Accordion title="Combien de temps cela prend-il ?" icon="sparkles">
    Dépend de la complexité et de l'échelle de la tâche. Généralement quelques minutes pour 50 à 100 éléments, quelle que soit la profondeur.
  </Accordion>

  <Accordion title="Puis-je affiner les résultats après ?">
    Oui. Demandez des modifications : « Ajoutez une colonne de prix » ou « Refaites des recherches approfondies sur les éléments 20 à 30. »
  </Accordion>

  <Accordion title="Est-ce que cela fonctionne pour des tâches autres que la recherche ?">
    Oui. Toute tâche impliquant le traitement de plusieurs éléments indépendants : édition d'images, extraction de données, génération de contenu, etc.
  </Accordion>
</AccordionGroup>

##
