Perplexity Pro : quels modèles derrière Sonar, Search et Research ?

Perplexity utilise son propre modèle Sonar ainsi que des modèles tiers. Perplexity Pro propose sept modèles au choix dans Search. En pratique, la réponse à la question « quel modèle Perplexity utilise-t-il ? » dépend du mode : Best choisit automatiquement, les offres payantes permettent de choisir dans Search, et Research sélectionne sa propre combinaison de modèles.

Quel modèle Perplexity utilise-t-il par défaut ?

Sonar est le modèle de Perplexity dédié à la recherche, mais le réglage par défaut Best ne garantit pas que la réponse provient de Sonar. La nuance compte lorsqu'il faut savoir quel modèle a produit une recommandation.

La documentation sur le modèle par défaut de Perplexity décrit un modèle optimisé pour les recherches rapides et la navigation web, accessible aux utilisateurs des offres gratuite et Pro. Cette page ne le nomme pas. L'annonce de Sonar présente le modèle interne comme entraîné pour la recherche par défaut ; la documentation plus récente sur le choix des modèles décrit Best comme une sélection automatique à chaque requête.

Une réponse rigoureuse demande donc plus de précision que « tout repose sur Sonar ». Sonar désigne le travail de Perplexity sur son propre modèle. Best décrit la façon dont l'application peut choisir le modèle qui répond.

Vérification effectuée à partir du centre d'aide public de Perplexity et de son annonce Sonar le 8 novembre 2026. Le tableau ci-dessous conserve la date du 27 octobre indiquée par l'éditeur. Il s'agit d'une vérification documentaire, sans test dans un compte connecté.

Perplexity, Sonar, Search : distinguer produit, modèle et mode

Perplexity est le produit ; Sonar est un modèle ; Search et Deep Research sont des façons d'utiliser le produit. Un grand modèle de langage, ou LLM, est le système qui interprète le langage et génère une réponse. Le produit qui l'entoure détermine aussi comment recueillir les éléments probants et les présenter.

Imaginez un bureau d'études : les sources sont les documents sur le bureau, le mode correspond à la mission confiée et le modèle est l'analyste qui rédige la réponse. Changer d'analyste peut modifier l'explication. Passer d'une question rapide à un rapport de recherche change la nature du travail demandé.

Pour un responsable qui compare des fournisseurs, cette distinction évite une erreur fréquente : essayer un autre modèle alors que la réponse exige une recherche plus approfondie ou une meilleure source primaire.

Perplexity possède-t-il son propre LLM ?

Oui. Perplexity présente Sonar comme son modèle interne et explique avoir poursuivi l'entraînement d'un modèle de base existant pour son expérience de recherche. « Son propre modèle » ne signifie pas que la version annoncée a été créée entièrement de zéro.

Dans son annonce Meet New Sonar, Perplexity indique que cette version repose sur Llama 3.3 70B, avec un entraînement supplémentaire pour améliorer l'exactitude factuelle et la lisibilité. Ces objectifs sont utiles à la recherche : interpréter les éléments trouvés et les exposer clairement.

Cette déclaration identifie la base de la version de Sonar décrite dans ce billet. Elle ne permet de connaître ni l'architecture de tous les déploiements ultérieurs de Sonar, ni le modèle qui a traité votre dernière réponse en mode Best. Une déclaration historique sur l'architecture ne tient pas lieu de journal d'exécution en temps réel.

Perplexity a-t-il un modèle à lui ?

Oui, Sonar. Perplexity intègre également les modèles d'autres fournisseurs à son expérience de recherche. Les deux approches coexistent : disposer d'un modèle interne n'impose pas de l'utiliser pour chaque réponse.

Pour un fondateur qui évalue l'intérêt du produit dans son workflow de recherche, la question utile est de savoir si les réponses fournissent les preuves et les explications nécessaires à la décision. La seule propriété du modèle sous-jacent ne suffit pas à trancher.

Perplexity Pro : quels modèles peut-on choisir selon l'offre ?

Pro permet de choisir manuellement le modèle dans Search ; Max ajoute un autre ensemble de modèles. Les utilisateurs de l'offre gratuite ont accès à Best et à un nombre limité de recherches Pro Search, mais ne peuvent pas sélectionner manuellement un modèle avancé dans Search.

La page officielle sur la disponibilité des modèles avancés détaille la répartition suivante. Ses tableaux sont datés du 27 octobre 2026 et ont été vérifiés le 8 novembre. La disponibilité peut évoluer ; le sélecteur de modèles de votre compte reste la vérification décisive.

Les fournisseurs sont OpenAI pour GPT, Google pour Gemini, Anthropic pour Claude, Moonshot AI pour Kimi, Z.ai pour GLM, xAI pour Grok et NVIDIA pour Nemotron. Les totaux ci-dessus correspondent à notre décompte des lignes publiées par l'éditeur, pas à des quotas d'utilisation.

Ce tableau concerne Search. Computer, Comet, Model Council et l'API ont leurs propres règles de sélection ou de disponibilité. L'absence de Sonar dans ce tableau précis des modèles avancés invite également à ne pas le présenter comme un choix manuel garanti dans tous les comptes actuels.

Pour le directeur technique d'une entreprise de taille intermédiaire, les réserves sur Enterprise comptent davantage qu'une liste publique de modèles. Les administrateurs peuvent restreindre des fournisseurs ou des modèles précis ; les exigences régionales et les paramètres de conservation des données peuvent aussi influer sur leur disponibilité. Essais, promotions et déploiements progressifs peuvent expliquer qu'un sélecteur de compte diffère des tableaux standard.

Pour le coût des abonnements, consultez notre guide des tarifs de Perplexity.

Quels modèles Pro Search et Research utilisent-ils ?

Pro Search peut utiliser le modèle auquel votre offre vous donne accès dans Search ; Research choisit automatiquement ses modèles. Aucun de ces noms ne désigne un LLM unique.

Pro Search fonctionne au sein de Search

Les instructions de Perplexity sur Pro Search précisent qu'il n'existe pas de bouton distinct pour l'activer. Choisissez Search et posez votre question ; le produit applique automatiquement Pro Search lorsque votre offre l'inclut, dans la limite prévue.

Il effectue plusieurs recherches, synthétise les sources et fournit des citations. Vous pouvez laisser Best ou sélectionner un modèle disponible pour votre offre. Le tableau des modèles avancés ci-dessus, plus récent, fait référence pour les choix actuels ; l'article sur Pro Search contient encore des exemples de modèles plus anciens.

Pour un responsable expérimenté qui vérifie les intégrations annoncées par un fournisseur, commencez dans Search et demandez la documentation officielle. Le premier critère de validation est de savoir si la page citée étaye l'affirmation.

Research choisit une combinaison de modèles

La documentation du mode Research indique explicitement qu'il sélectionne automatiquement une combinaison de modèles et ne permet pas d'en choisir un manuellement. L'accès gratuit est limité, tandis que Pro offre un accès étendu.

Une autre note, datée et de portée plus restreinte, porte sur les modèles : la mise à jour Advanced Deep Research, modifiée pour la dernière fois le 15 septembre, mentionne Opus 4.6 Thinking pour Max et « 4.5 Thinking » en cours de déploiement progressif pour Pro. Le libellé Pro étant incomplet sur cette page, il ne faut pas lui attribuer un nom de modèle par supposition.

Il s'agit des modèles mentionnés dans cette mise à jour, pas d'une liste actuelle exhaustive pour toutes les tâches Research. La page générale plus récente sur les modèles confirme la sélection automatique sans publier de cartographie complète du routage, version par version. Choisir un modèle dans Search ne prouve donc pas que Research l'utilisera.

Pour un fondateur qui commande une étude d'entrée sur un marché, avec des éléments contradictoires et des questions non résolues, choisissez Research pour cette mission de rapport. N'essayez pas de lui imposer votre modèle Search préféré.

Comment choisir un modèle et vérifier lequel a répondu ?

Vérifiez la réponse une fois reçue : le modèle choisi avant l'envoi n'est pas toujours celui qui répond. Perplexity documente le recours à un modèle de remplacement lorsque le modèle demandé est indisponible, inadapté à la requête ou soumis à une limite d'utilisation. Aucun réglage ne permet d'empêcher cette substitution.

La procédure suivante provient de ses instructions de sélection des modèles et d'identification du modèle ayant répondu.

1. 1

   Choisir un modèle disponible dans Search

   Sur le web, ouvrez le menu déroulant des modèles en bas à droite du champ de prompt. Sélectionnez Custom, puis le modèle et les options de raisonnement et de vitesse disponibles. Laissez Best sélectionné si vous souhaitez un choix automatique.

2. 2

   Identifier le modèle de la réponse

   Ouvrez le menu à trois points sous la réponse, puis choisissez Rewrite. Le modèle qui a répondu est présélectionné dans la liste.

3. 3

   Conserver l'incertitude dans le compte rendu

   Si vous avez utilisé Best, ou si le modèle ayant répondu ne figure pas dans la liste, le menu affiche Best. Consignez cette indication telle quelle au lieu d'attribuer un nom de modèle invérifiable.

4. 4

   Comparer seulement si la réponse le justifie

   Pour demander une autre réponse, choisissez un modèle différent dans la liste et sélectionnez Rewrite. Comparez les preuves, les hypothèses non étayées et l'utilité de l'explication, au-delà du simple ton.

Le meilleur modèle Perplexity dépend du travail à accomplir

Commencez par Best pour les questions courantes ; changez de réglage lorsque vous savez dire ce qui manque à la première réponse. Il s'agit d'une recommandation de workflow, pas d'un classement des modèles fondé sur des benchmarks.

Pour un responsable expérimenté qui prépare une présélection de fournisseurs, une affirmation non étayée exige de meilleures preuves. Demandez une source primaire et examinez-la. Une nouvelle réponse bien rédigée ne remplace pas une source qui établit le fait.

Pour un développeur indépendant qui démêle une question comportant plusieurs dépendances, essayez Thinking si le modèle choisi le propose. Perplexity décrit Thinking comme un temps de raisonnement supplémentaire, au prix d'une latence potentiellement plus élevée. C'est un réglage du modèle, pas un modèle de plus à ajouter au décompte de l'offre.

Pour un fondateur ayant levé des fonds qui demande un vaste rapport concurrentiel, passez à Research lorsque la mission nécessite une investigation soutenue. Acceptez que ce changement modifie qui contrôle la sélection des modèles.

Pour le directeur technique d'une entreprise de taille intermédiaire qui documente un workflow reproductible, conservez avec les sources le prompt, la date, le mode, le modèle demandé et l'attribution disponible de la réponse. Si l'identité exacte du modèle est obligatoire, une réponse étiquetée uniquement Best ne satisfait pas cette exigence.

Attendez avant de changer d'abonnement dans le seul but d'obtenir une liste de modèles plus longue. Identifiez d'abord une tâche récurrente que la sélection actuelle traite mal, puis comparez les alternatives disponibles avec les mêmes critères de validation. Pour évaluer le produit plus largement, lisez notre avis sur Perplexity.

Que surestime-t-on dans le choix des modèles ?

Accéder à un modèle dans Perplexity ne reproduit pas l'application autonome de son fournisseur. Perplexity l'associe à sa propre recherche, à ses citations, à ses outils, à ses prompts, à ses systèmes de sécurité et à ses limites d'utilisation. Un nom de modèle familier ne rend pas identiques tous les systèmes qui l'entourent.

Autre raccourci : prendre une liste de modèles pour un classement de qualité. Le tableau officiel de disponibilité établit les droits d'accès, pas le modèle qui répondra le mieux à votre question métier. Il ne valide pas non plus les citations à lui seul : ouvrez la source et vérifiez qu'elle étaye la phrase à laquelle elle est rattachée.

La principale limite pratique reste l'attribution. Une sélection manuelle peut aboutir à un modèle de remplacement, et Best peut masquer le modèle exact ayant répondu. Pour les travaux soumis à des exigences d'audit, conservez cette incertitude au lieu de transformer une préférence en affirmation de reproductibilité.

Questions fréquentes

Quel modèle Perplexity AI utilise-t-il ?

Il utilise son propre modèle Sonar et des modèles tiers. Dans Search, Best choisit automatiquement et les offres payantes permettent de sélectionner les modèles disponibles. Research choisit automatiquement une combinaison de modèles.

Perplexity est-il un modèle de langage ?

Perplexity est le produit qui associe la recherche à des modèles de langage. Sonar est son modèle interne ; le produit propose également des modèles d'autres fournisseurs.

Perplexity et ChatGPT sont-ils la même chose ?

Non. L'accès aux modèles OpenAI dans Perplexity n'en fait pas le même produit que ChatGPT. Perplexity fournit sa propre recherche, ses citations, ses outils et ses limites d'utilisation.

Perplexity est-il plus exact que ChatGPT ?

Les pages du centre d'aide citées ici ne désignent aucun vainqueur universel en matière d'exactitude. Évaluez une réponse de recherche en vérifiant que les sources étayent ses affirmations, et comparez les produits sur une même tâche avant de trancher.

Quels sont les inconvénients de Perplexity AI ?

Pour le contrôle des modèles, les limites documentées sont le remplacement par un autre modèle, l'identification incomplète du modèle sous Best et la sélection automatique dans Research. Un abonnement n'inclut pas non plus l'utilisation de l'API, qui possède un catalogue et une facturation distincts.

Perplexity AI vous suit-il à la trace ?

Ne déduisez pas le niveau de confidentialité du modèle sélectionné. La documentation sur les modèles indique que les utilisateurs grand public de Pro et Max peuvent refuser la collecte de données pour l'entraînement de l'IA, tandis que les données Enterprise ne servent pas à entraîner les modèles d'IA. Cela concerne l'entraînement, pas toutes les formes de suivi ou de collecte de données.

Comment calculer la perplexité d'un modèle de langage ?

Cette question porte sur une métrique d'évaluation des modèles de langage, et non sur le modèle qui fait fonctionner le produit Perplexity. La documentation du produit citée ici ne fournit pas de méthode de calcul.

Perplexity est-il rentable ?

Le centre d'aide et l'annonce Sonar utilisés ici ne permettent pas d'établir la rentabilité de l'entreprise. La disponibilité des modèles n'est pas une preuve de bénéfice.

Quels sont les modèles d'IA ?

Pour ce produit, distinguez le modèle Sonar de Perplexity des modèles tiers proposés dans Search et répertoriés plus haut. Une classification des modèles d'IA au-delà de Perplexity sort du cadre de ces sources.

Quelles sont les 5 choses à ne pas dire à ChatGPT ?

Ces sources sur Perplexity n'établissent pas de règle en cinq points pour ChatGPT. Pour la recherche en milieu professionnel, respectez les exigences de votre organisation sur le partage des données : l'accès à un modèle ne constitue pas une autorisation de lui transmettre des informations.

Pour votre prochaine session de recherche

Choisissez d'abord la mission, puis le réglage du modèle. Prenez une question récurrente dans votre travail, précisez les preuves qu'une réponse utile doit contenir et commencez dans Search avec Best. Utilisez un autre modèle disponible ou Thinking si l'explication doit être améliorée ; choisissez Research si la tâche exige un rapport complet. Avant de partager le résultat, vérifiez les sources et consignez les indications d'attribution du modèle que l'interface fournit.

Abonnez-vous à la newsletter pour recevoir des guides pratiques sur l'utilisation de l'IA dans votre travail.