Les agents s'appuient sur des interfaces web pour accomplir des tâches web. Pour comparer l'accomplissement des tâches entre les interfaces web, nous avons construit le benchmark Web agentique AIM et exécuté 100 tâches à travers 8 interfaces, 5 fois chacune, pour 4 000 résultats notés.
Taux de réussite
Bright Data CLI et Bright Data MCP ont accompli 3.6 et 3.8 tâches de plus pour 100 que Zenrows CLI, le meilleur des six autres.
Dix tâches d'exemple sont sur GitHub, et la méthodologie explique comment nous avons exécuté le benchmark.
Cohérence entre les exécutions
Bright Data MCP a la meilleure exécution avec 52 %. L'écart entre la meilleure et la pire exécution sur Oxylabs MCP n'est que de 5 tâches sur 5 exécutions. C'est l'interface la plus cohérente du panel, suivie par :
- Bright Data CLI : 7
- Nimble MCP : 7
- Zenrows CLI : 8
- Nimble CLI : 9
- Firecrawl MCP : 10
- Zenrows MCP : 11
- Bright Data MCP : 15
Coût et vitesse
Bright Data MCP est l'interface la plus rapide avec une médiane de 186 secondes par tâche, et les cinq outils MCP avaient des médianes plus faibles que trois outils CLI. Sur le même fournisseur, la CLI a mis 1.5 fois plus de temps que le serveur MCP pour Zenrows, 1.9 fois pour Bright Data, et 3.3 fois pour Nimble. Nimble CLI est la plus lente à 830 secondes et a réessayé 144 de ses 500 tâches après des délais d'attente, plus que toute autre interface.
Le coût total est la dépense en tokens de l'agent plus les frais du fournisseur. Nimble MCP a le total le plus bas à $0,072 par tâche. Pour les deux interfaces Bright Data et Zenrows MCP, qui utilisent un navigateur distant facturé à la bande passante, les frais du fournisseur représentent 40 à 51 pour cent du total. Le chiffre de Firecrawl exclut les sessions de navigateur facturées à la minute, c'est donc une borne inférieure.
Motifs d'échec
Bright Data CLI a été bloquée en moyenne 17.6 fois pour 100 tâches, le plus faible du panel, tandis que Firecrawl MCP, Nimble MCP et Oxylabs MCP ont été bloquées 1.7 à 2 fois plus souvent.
Nimble CLI a été la moins bloquée parmi les six interfaces non-Bright Data avec 18.2, mais n'a rien renvoyé sur 28.4 tâches pour 100, la non-livraison la plus élevée du panel, ce qui reflète l'atteinte de la limite de 30 minutes sur 36.3 pour cent de ses tentatives (les tentatives dépassent les tâches car les tâches ayant expiré ont été réessayées une fois).
Zenrows CLI et Zenrows MCP ont été bloquées à peu près au même taux, mais la CLI a accompli plus de tâches avec succès.
Ajouter comme source préféréeMéthodologie
Chaque interface s'exécutait sur son propre VPS. L'agent était OpenClaw exécutant MiniMax M3 via OpenRouter, sans aucune exécution de tâches en parallèle. Chaque serveur disposait de 2 vCPU et de 2GB de RAM.
L'ensemble de tâches utilisé était identique pour les huit interfaces sur les 5 exécutions.
Avant chaque exécution, une sonde récupérait une page à faible coût via le compte du fournisseur, et l'exécution refusait de démarrer si cette récupération échouait. Chaque tentative disposait de 30 minutes.
Une tâche qui a dépassé le temps imparti ou a renvoyé moins de 500 octets de sortie recevait une nouvelle tentative, à l'exception des quatre tâches modifiant l'état, qui n'étaient jamais réessayées parce qu'une première tentative pouvait déjà avoir modifié un panier. La nouvelle tentative est celle qui est évaluée, et le coût du model et le temps en proviennent, même lorsqu'elle a également atteint la limite.
Chaque client installé, sauf Zenrows CLI, utilisait la dernière version au 27 juillet 2026. Zenrows CLI a été publiée pour la première fois le 31 juillet 2026. Versions utilisées dans ce benchmark :
Exemples de tâches
Dix des 100 tâches sont publiées intégralement sur GitHub, avec l'instruction donnée à l'agent, le format de sortie, les règles de réussite et la façon dont chaque interface a été notée.
Dataset
Les 100 tâches couvrent 29 sites web dans six catégories. Nous avons sélectionné des sites web parmi les 20 premiers sites de SimilarWeb par trafic dans chaque catégorie au 15 mai 2026, en commençant par le haut de chaque liste.
Nous avons écarté les sites qui desservent un seul marché non américain, les copies régionales d'un site choisi, les applications de messagerie, les sites qui exigent une connexion et les sites sans annonces publiques à rechercher.
Nous avons préparé de 2 à 5 tâches par site web selon le nombre d'actions que le site prend en charge. Quatre-vingt-seize tâches récupèrent des informations, et quatre modifient l'état sur le site distant.
Évaluation
Chaque tâche et ses conditions de réussite étaient rédigées en anglais. L'évaluateur lit le fichier de règles et ne note que lorsque chaque règle qui s'y applique est respectée.
Bloqué signifie que l'agent a renvoyé un message d'erreur au lieu de données, par exemple que le fournisseur n'a pas pu atteindre le site ou qu'une répartition des frais n'était pas affichée sur la page.
Certains fournisseurs ont refusé des requêtes vers certains sites. Ces tâches restent dans le total de 100 tâches pour chaque interface.
- Zenrows : Ticketmaster et Instagram (7 tâches), ont été refusés en vertu de sa politique d'utilisation, quels que soient les paramètres.1
- Oxylabs : Ticketmaster, AXS et SeatGeek, et StubHub lors d'une exécution, ont été rejetés comme « non pris en charge ». Oxylabs mentionne la billetterie parmi les cibles qu'il restreint, à moins que le compte ne réussisse un contrôle de vérification.2
- Firecrawl : LinkedIn, Reddit, TikTok, X et Instagram, ont répondu avec « nous ne prenons pas en charge ce site ».
Contourné signifie que l'agent a récupéré la page directement plutôt que d'utiliser l'interface du fournisseur, généralement via une requête directe depuis le shell. Nous les trouvons dans les journaux de session. Une tâche contournée ne rapporte rien et reste dans le total de 100 tâches.
Les cellules « Non déterminé » sont celles pour lesquelles l'évaluateur n'a pas pu décider si la réponse était correcte. Elles n'étaient comptées ni comme correctes ni comme bloquées. Cela couvre de 8 à 18 tâches par interface et par exécution, toutes issues des mêmes 28 tâches.
Nous avons utilisé les mêmes tâches, instructions et le même model dans les huit interfaces, et avons verrouillé les règles avant la première exécution.
Coût
Le graphique additionne deux nombres. Le coût du model correspond à ce que l'agent a dépensé en tokens, MiniMax M3 via OpenRouter à $0,30 par million de tokens d'entrée, $1,20 par million de tokens de sortie et $0,06 par million de lectures en cache, calculés à partir de la tentative évaluée de chaque tâche.
Le coût de l'interface est ce que le fournisseur a facturé pour le même travail, en moyenne sur cinq exécutions :
- Bright Data : utilisation relevée dans la facturation du compte par zone et par jour, facturée $8 par Go plus $0,10 par heure pour Scraping Browser, $1,50 par 1K requêtes pour Web Unlocker et $1,50 par 1K pour SERP.
- Zenrows : d'après leur panneau, la bande passante des sessions de navigateur plus les crédits de fetch, tels qu'enregistrés. Le forfait est de EUR 129.99 par 1M crédits ; le navigateur revient à environ 40 500 crédits par Go, et le fetch coûte en moyenne 14 crédits par requête après le rendu JS et les multiplicateurs premium proxy.
- Oxylabs : nombre de requêtes tiré des transcriptions de l'agent à $1,15 par 1K résultats.
- Firecrawl : crédits comptés à partir des transcriptions à $83 par 100K crédits, 1 crédit par extraction.
- Nimble : requêtes comptées à partir des transcriptions à $1,00 par 1K pour extract et $1,10 par 1K pour la recherche.
Limites
Nimble CLI a dépassé le temps imparti sur 36.3 pour cent de ses tentatives.
Toutes les interfaces ont des vitesses différentes ; les tâches ne commencent ni ne se terminent pas toutes au même moment. Certaines tâches dépendent de la date ou de ce qui est affiché à ce moment, de sorte que certains fournisseurs n'ont pas vu la même page. Les règles de réussite ont été rédigées pour tester le format et la récupération, pas une annonce spécifique, de sorte qu'une page modifiée ne change pas le score.
Citer cette recherche
Choisissez le format qui correspond à votre lieu de publication. Coller la version avec lien dans votre CMS préserve le lien retour.
@misc{dilmegani2026,
author = {Dilmegani, Cem and Kalelioğlu, Berk},
title = {{Benchmark Web agentique AIM}},
year = {2026},
month = oct,
howpublished = {\url{https://aimultiple.com/agentic-web}},
note = {AIMultiple. Consulté le 15 octobre 2026}
}Résultats et horodatages de 64 points de données. Téléchargez les données de synthèse présentées dans les graphiques et les tableaux de cet article sous forme de fichier ZIP contenant 7 fichiers CSV et un README.
Vous voulez les données détaillées derrière ? Rejoindre Premium
Liens de référence
Le travail de Cem chez AIMultiple a été cité par des publications mondiales de premier plan, notamment Business Insider, Forbes, Morning Brew et Washington Post, par des entreprises mondiales comme Deloitte et HPE, par des ONG comme World Economic Forum et par des organisations supranationales comme European Commission. [1], [2], [3], [4], [5]
Tout au long de sa carrière, Cem a été consultant en technologies, acheteur de technologies et entrepreneur technologique. Il a conseillé des entreprises sur leurs décisions technologiques chez McKinsey & Company et Altman Solon pendant plus de dix ans. Il a également publié un rapport McKinsey sur la digitalisation.
Il a dirigé la stratégie technologique et les achats d'un opérateur télécom, sous la responsabilité du PDG. Il a également dirigé la croissance commerciale de l'entreprise de technologie profonde Hypatos, qui a atteint un revenu récurrent annuel à 7 chiffres et une valorisation à 9 chiffres, passant de 0 à ce résultat en deux ans. Le travail de Cem chez Hypatos a été couvert par des publications technologiques de premier plan comme TechCrunch et Business Insider.
Cem intervient régulièrement lors de conférences technologiques internationales. Il est diplômé de Bogazici University en tant qu'ingénieur informatique et titulaire d'un MBA de la Columbia Business School.
Soyez le premier à commenter
Votre adresse courriel ne sera pas publiée. Tous les champs sont obligatoires. Les commentaires sont laissés dans leur langue d'origine.