Dernière vérification:
GPT-Researcher est l’agent de recherche approfondie open source le plus abouti que j’aie utilisé. Il planifie des sous-requêtes, scrape le web, classe les sources et synthétise un rapport sourcé. L’histoire de l’hébergement est intéressante car l’essentiel de la pression sur les ressources vient du scraping web, pas de l’agent lui-même.
J’ai fait tourner deux instances de GPT-Researcher pendant six semaines chez deux fournisseurs différents pour comparer la tenue du pipeline de scraping.
Ce dont GPT-Researcher a réellement besoin
Trois courbes de ressources :
- Le runtime de l’agent. Python plus l’orchestration. 200 à 400 Mo de mémoire résidente.
- Playwright. Pour les pages rendues en JS. Ajoute 500 Mo à 1,5 Go selon la taille du pool de navigateurs et le nombre de pages simultanées.
- Embeddings et classement. Un sentence transformer local pour classer les sources, plus un petit cache. 400 Mo à 1 Go.
Ce que le README ne mentionne pas : le mode recherche approfondie fait tourner plusieurs agents en parallèle, et chacun lance sa propre session Playwright. Sur un serveur à 4 Go, c’est précisément là que tout casse.
Comparaison des VPS pour GPT-Researcher
| Fournisseur | Plan | vCPU | RAM | Disque | Mensuel | Meilleur usage |
|---|---|---|---|---|---|---|
| Hetzner Cloud | CCX13 | 2 | 8 GB | 80 GB NVMe | 42,99 EUR | Par défaut, mode exécution unique |
| Contabo VPS | VPS S | 4 | 8 GB | 100 GB NVMe | 4,50 EUR | Économique, on configure et on oublie |
| DigitalOcean | Premium AMD 4 GB | 2 | 8 GB | 100 GB NVMe | 28 USD | Équipe US, latence de scraping correcte |
| Hetzner Cloud | CCX23 | 4 | 16 GB | 160 GB NVMe | 85,99 EUR | Recherche approfondie, exécutions parallèles |
Hetzner Cloud CCX13 : Le choix par défaut
NVMe, vCPU dédié, bande passante sortante généreuse. Les datacenters UE de Hetzner sont bien peerés, ce qui compte quand vous scrapez un large éventail de sites. Le mode exécution unique sur le CCX13 traite un workflow de recherche typique en moins de trois minutes pour un rapport de taille moyenne.
Avantages qui comptent :
- 20 To sortants, généreux pour un volume de recherche normal
- Latence sous les 80 ms vers OpenAI, Anthropic et la plupart des fournisseurs
- API plus Terraform si vous voulez scripter les exécutions de recherche depuis l’infra
Vrai inconvénient : 8 Go de RAM deviennent justes une fois la recherche approfondie activée avec des exécutions d’agents parallèles. Passez au CCX23 si vous vivez dans ce mode.
Prenez Hetzner : Hetzner Cloud.
Contabo VPS S : Le serveur le moins cher qui fonctionne vraiment
4 vCPU et 8 Go à 4,50 EUR. Les nouveaux plans NVMe conviennent bien à la combinaison scraping plus embeddings. Les compromis habituels :
- Le provisioning est lent
- La latence sortante vers les API de modèles est 100 à 200 ms plus élevée que chez Hetzner depuis les emplacements Contabo en UE
- Les paliers les moins chers peuvent avoir des voisins plus bruyants
Pour une recherche qui tourne sur planning et où la vitesse de provisioning ne vous importe pas, c’est le gagnant côté prix.
Prenez Contabo : Contabo VPS.
DigitalOcean Premium AMD 4 GB : Pour les équipes US
Si votre recherche scrape surtout des sources US, la région NYC3 réduit la latence sur chaque requête. Le plan Premium AMD à 8 Go gère bien le mode exécution unique. La recherche approfondie avec exécutions parallèles est trop lourde pour ce palier.
Négatif honnête : 28 USD par mois, c’est cher face aux options UE. La région, c’est la valeur ajoutée.
Prenez DigitalOcean : DigitalOcean.
Hetzner Cloud CCX23 : Pour la recherche approfondie à volume
Si vous exécutez souvent GPT-Researcher en mode recherche approfondie, avec des agents parallèles et un grand nombre de sources, passez au CCX23. 16 Go de RAM et 4 vCPU dédiés gardent le pool Playwright, le cache d’embeddings et l’orchestration réactifs.
Prenez Hetzner : Hetzner Cloud.
Les problèmes que vous rencontrerez plus tôt que prévu
Trois vrais problèmes que j’ai rencontrés :
- Rate limiting. Un scraping intensif depuis une seule IP se heurte vite à Cloudflare et aux limites de taux. Prévoyez un service de rotation de proxys ou acceptez que certaines sources vous bloquent.
- Mémoire de parsing PDF. Les gros PDF font gonfler le processus Python. Fixez une taille de source maximale, sinon vous verrez des OOM sur les plans plus petits.
- Le cache économise de la bande passante. Activez le cache des sources et nettoyez-le périodiquement. Les hits de cache entre rapports réduisent nettement la bande passante totale.
Ce que je choisirais vraiment
Si vous démarrez aujourd’hui :
- UE, mode exécution unique par défaut : Hetzner CCX13
- UE, économique, jobs planifiés : Contabo VPS S
- Équipe US : DigitalOcean Premium AMD 8 GB
- Recherche approfondie, exécutions parallèles : Hetzner CCX23
Pour la vision plus large de l’auto-hébergement, voir la comparaison SelfHostVPS. GPT-Researcher évolue vite et je remets cette page à jour dès que la couche scraping ou orchestration change de manière significative.
Frequently asked questions
Quelle est la configuration VPS minimale pour GPT-Researcher ?
2 vCPU et 4 Go de RAM constituent le plancher réaliste pour une exécution de recherche unique avec l'éventail par défaut de dix sources. Le processus Python plus l'instance Playwright pour les pages rendues en JS occupent environ 1,5 Go de mémoire résidente. Des rapports plus volumineux ou des exécutions parallèles vous poussent vers 8 Go.
GPT-Researcher a-t-il besoin d'un GPU sur le VPS ?
Non. Toute l'inférence se fait chez le fournisseur de modèle configuré. La charge locale correspond au scraping web, aux embeddings et à la boucle d'orchestration, tout est lié au CPU. Un VPS uniquement CPU comme un Hetzner CCX ou un Contabo NVMe est la configuration habituelle.
Pourquoi GPT-Researcher consomme-t-il autant de bande passante ?
Chaque rapport récupère entre 10 et 50 sources, souvent des PDF et des pages lourdes en JS. Une exécution de recherche approfondie intensive peut récupérer 200 Mo de matériel source. Multipliez par le volume de rapports, et la facture de bande passante chez les petits fournisseurs peut piquer.
GPT-Researcher peut-il tourner sur un serveur Contabo à 5 dollars ?
Oui pour un faible volume avec l'éventail par défaut de dix sources et des rapports courts. Le point de rupture arrive avec les exécutions parallèles et le mode recherche approfondie, où l'instance Playwright et le cache d'embeddings commencent à se disputer la RAM.