Scraper e-commerce: 6 fournisseurs benchmarkés

Nous avons benchmarké cinq fournisseurs de données web sur 100 domaines e-commerce, en récupérant 65 000 pages produit et recherche chacun, avec un niveau de concurrence de 5 à 5 000 requêtes simultanées.

Temps de réponse et taux de succès

En moyenne sur les différents niveaux de concurrence, Decodo a enregistré le temps de réponse médian le plus rapide, environ 7 secondes, avec un taux de succès de 59 %, tandis que Bright Data atteignait le taux de succès le plus élevé (76 %) avec un temps médian de 16 secondes. Apify a enregistré le temps de réponse médian le plus élevé, soit 46 secondes.

Le temps de réponse est indiqué sous forme de médiane (P50), pour la requête typique, et de queue de distribution (P90), pour les 10 % de requêtes les plus lentes.

Consultez notre méthodologie de benchmark e-commerce pour savoir comment nous avons testé.

Taux de succès des scrapers e-commerce par niveau de concurrence

Bright Data a enregistré le taux de succès global le plus élevé. À 5 000 requêtes simultanées, Bright Data maintenait 71 % et Nimble 56 %.

La concurrence correspond au nombre de requêtes envoyées en même temps. Le niveau de 5 000 requêtes sollicite les limites de débit et l'infrastructure d'un fournisseur.

Taux de succès sur les pages produit et recherche

Tous les fournisseurs ont obtenu un score plus élevé sur les pages produit (fiche détaillée) que sur les pages recherche (listes), avec un écart allant de 5 points (Zyte) à 15 points (Decodo).

• Pages recherche (listes) renvoient de nombreux résultats à partir d'une requête ou d'une catégorie, souvent paginés et rendus dynamiquement, ce qui rend l'extraction cohérente plus difficile.

• Pages produit (fiche détaillée) affichent un seul article avec des champs structurés comme le titre, le prix, le SKU et les images.

Analyse des scrapers e-commerce

Bright Data propose un scraper web API accompagné d'une interface sans code, ainsi qu'un scraper e-commerce dédié et plus de 1 000 scrapers prêts à l'emploi couvrant des places de marché comme Amazon, eBay, AliExpress, Walmart et Target. La combinaison d'un accès API et d'un panneau de contrôle sans code le rend utilisable aussi bien par les équipes techniques que non techniques. Dans notre benchmark, Bright Data a enregistré le taux de succès global le plus élevé et a été l'un des rares fournisseurs à maintenir ses performances sous une charge concurrente élevée.

Performances :

• Taux de succès global le plus élevé : 78 % sur 100 domaines.
• A maintenu ses performances sous charge : l'un des deux fournisseurs à avoir maintenu un succès à 5 000 requêtes simultanées (71 %).

Decodo propose une Scraping web API polyvalente avec plus de 100 modèles prêts à l'emploi, dont un scraper Amazon qui renvoie des données produit structurées telles que les prix, les ASIN et les offres sur les différentes plateformes régionales Amazon. Dans notre benchmark, il a enregistré le temps de réponse médian le plus rapide parmi les fournisseurs testés.

Performances :

• Réponses les plus rapides : temps de réponse médian d'environ 5 secondes.
• Prix d'entrée : $0.88 par 1 000 requêtes.
• Couverture variable selon le site : 96 % sur Amazon, 20 % sur Target.

Zyte API est une API de scraping web qui combine la gestion des bannissements, le rendu headless et des capacités d'extraction par IA pour structurer le HTML brut en données typées, comme les noms de produits, les prix et les évaluations, à partir des pages produit de détail. Elle est accessible via REST et s'intègre au framework open-source Scrapy, maintenu par Zyte, ainsi qu'à l'hébergement Scrapy Cloud. Dans notre benchmark, elle a enregistré le deuxième meilleur taux de succès global et est restée régulière sur les grandes places de marché et sous une concurrence élevée.

Performances :

• Deuxième meilleur taux de succès global : 73 % sur 100 domaines.
• Régulier sur les grandes places de marché : Amazon 95 %, Walmart 97 %, Target 96 %, eBay 98 %.
• Écart produit-recherche le plus faible : 74 % sur les pages produit et 70 % sur les pages recherche, le plus petit écart entre les deux parmi tous les fournisseurs.

La place de marché d'Apify héberge des milliers d'Acteurs créés par Apify et sa communauté, destinés à la fois aux développeurs et aux agents.

Dans notre benchmark, nous avons utilisé son outil de scraping e-commerce, un Acteur universel unique qui extrait les données produit et prix, les détails de catégorie, les avis et les informations sur les vendeurs à partir de plateformes de vente au détail et de places de marché comme Amazon, Walmart et eBay, à partir d'une URL produit, d'une URL de catégorie ou d'une recherche par mot-clé.

Performances :

• Succès en charge standard : 72 % au global, 96 % sur Amazon et 92 % sur Best Buy.
• Flexibilité : accepte une URL produit, une URL de catégorie ou une recherche par mot-clé et exporte en JSON, CSV, Excel, XML ou HTML.
• Temps de réponse et charge : temps de réponse médian de 46 secondes.

Nimble propose une API de scraping web polyvalente ainsi qu’une API e-commerce dédiée qui renvoie du JSON structuré par IA et NLP et prend en charge les grandes places de marché, notamment Amazon, Walmart et Google Shopping. L’API inclut des proxies résidentiels intégrés et un ciblage géographique jusqu’au niveau du pays, de l’État, de la ville et du code postal. Dans notre benchmark, Nimble a mieux maintenu son taux de succès sous une charge concurrente élevée que tout autre fournisseur, à l'exception de Bright Data.

Performances :

• Deuxième plus résilient sous charge : a maintenu un succès de 56 % à 5 000 requêtes simultanées, derrière Bright Data.
• Rapide : temps de réponse médian d'environ 9 secondes.
• Force spécifique à certains domaines : 100 % sur AliExpress et 90 % sur Best Buy, 25 % sur Amazon.

Couverture des scrapers dédiés par fournisseur

Les fournisseurs diffèrent dans leur manière d'extraire les données. Certains livrent un scraper dédié et pré-construit pour chaque place de marché, renvoyant les champs structurés du site ; d'autres appliquent un moteur universel unique à n'importe quel site. Bright Data offrait la couverture dédiée la plus large sur les 100 domaines. Zyte et Apify utilisent un seul moteur d'extraction universel plutôt qu'une bibliothèque par place de marché.

Pour chaque fournisseur, la colonne des champs de métadonnées compte les attributs de données distincts dans un enregistrement produit JSON analysé, tels que le prix, la marque, la note, le SKU ou l'image. La valeur correspond à la moyenne sur les pages produit qui ont renvoyé un enregistrement produit analysé, et elle exclut les en-têtes HTTP, les métadonnées de requête et tout champ contenant le HTML brut de la page.

Les scrapers dédiés de Bright Data renvoient des données de page produit ; Decodo propose des scrapers dédiés pour les pages de recherche et de liste plutôt que pour les pages produit. La couverture reflète le catalogue de chaque fournisseur au moment du benchmark.

Tarification des scrapers e-commerce

*La tarification de Bright Data est par enregistrement (un article extrait, par exemple un produit ou un avis), et non par requête. Sur les pages de recherche, une seule requête peut renvoyer plusieurs enregistrements.

Dans notre benchmark, le renvoi de 1 000 pages produit avec le contenu attendu a coûté $1.30 chez Nimble, $1.52 chez Bright Data, $3.00 chez Decodo, $3.32 chez Zyte, et $7.50 chez Apify. Les requêtes échouées comptent dans les dépenses mais pas dans le total des pages, il s'agit donc de taux effectifs plutôt que de prix catalogue.

Découvrez davantage de nos benchmarks et analyses basées sur les données dans la recherche Google.

Ajouter comme source préférée

Méthodologie du benchmark e-commerce

Sélection des domaines

Nous avons sélectionné les 15 premiers pays par PIB et exclu la Russie et la Chine. Pour chaque pays, nous avons pris les 5 premiers domaines de la catégorie e-commerce de SimilarWeb sur les trois derniers mois. Nous avons ajouté les 5 premiers sites mondiaux dans l'électronique grand public et l'épicerie. Pour les États-Unis, classés premiers, nous avons également pris les 20 premiers domaines de la catégorie retail de Semrush, car les listes publiques de Semrush affichent 20 sites là où SimilarWeb en montre 5.

Nous avons ensuite inclus le top 20 mondial de la catégorie retail et le top 20 mondial de la catégorie habillement/mode pour janvier 2026. Nous avons exclu les domaines desservant des pays hors de l'ensemble sélectionné, les sites nécessitant une authentification pour naviguer, et les sites qui exigeaient une sélection de pays sur la page d'accueil avant de naviguer. Nous avons exclu les chemins régionaux de domaines globaux (par exemple, etsy.com/fr) mais avons conservé les sites régionaux disposant d'un domaine distinct. Lorsqu'une exclusion laissait un vide dans le top 5 d'un pays, nous l'avons comblée à partir du top 20 e-commerce de Semrush pour ce pays. Pour atteindre 100 domaines, nous avons ajouté 10 sélections issues des principales places de marché e-commerce.

Deux domaines mono-marque, apple.com et consumer.huawei.com, n'ont renvoyé que quelques centaines de produits distincts même après avoir exploré toutes les catégories, en dessous de l'objectif par domaine. Nous les avons remplacés par deux domaines à fort trafic selon SimilarWeb, bol.com et argos.co.uk.

Collecte des URL

Pour chaque domaine, nous avons collecté à la fois les URL produit et les URL de liste, en conservant suffisamment d’URL de réserve pour que chaque exécution et test de charge puise dans un ensemble frais. Nous avons découvert chaque URL sans récupérer la page cible via aucun des fournisseurs benchmarkés, de sorte que ces pages restent inutilisées avant le benchmark lui-même.

Pour les URL produit, nous avons utilisé trois sources successivement, en nous arrêtant lorsqu'un domaine atteignait son objectif :

• Le plan de site produit du site lui-même.
• Une exploration des pages de catégorie du site (de la page d'accueil jusqu'aux pages de catégorie et sous-catégorie) lorsque le plan de site était absent ou trop petit, en collectant les liens produits lors de la récupération des pages de catégorie mais jamais de la page produit.
• Une recherche restreinte au site via Google lorsque le domaine était encore en déficit.

Chaque URL a été confrontée à un modèle de produit par domaine pour éliminer les pages non produit, et tout domaine encore en dessous de l'objectif a été signalé pour examen manuel ou remplacé par une alternative.

Pour les URL de recherche, nous avons généré des requêtes à partir du catalogue propre à chaque domaine plutôt qu'à partir d'une liste de mots externe. Les mots-clés provenaient des noms de catégorie et des slugs de produit du site, donc dans la langue du site lui-même (un site japonais ou coréen est interrogé dans sa propre langue, sans étape de traduction séparée), et ont été éventuellement généralisés en termes de catégorie simples tels que « chaussures de course ». Nous avons exécuté les requêtes sur le point de recherche du site, ou sur ses pages de catégorie lorsqu'il n'existait pas de recherche par mots-clés, et avons conservé les requêtes qui renvoyaient plusieurs produits distincts. Toutes les URL ont ensuite été normalisées sur une locale par domaine, purgées des paramètres de suivi et dédupliquées.

Validation des URL

Étant donné que le benchmark récupère chaque URL avec chaque fournisseur, valider l'ensemble complet consommerait les URL inutilisées, nous avons donc validé un échantillon d'environ une douzaine de chaque type de page par domaine, soit environ 2 500 URL. Nous avons confirmé que les pages produit étaient en ligne et affichaient un prix, et que les pages de liste étaient en ligne et renvoyaient plusieurs produits distincts plutôt qu'une page vide ou un seul produit. Nous avons supprimé les sous-domaines de staging et d'Assurance Qualité ainsi que les locales mixtes, et exclu chaque URL échantillonnée de l'ensemble livré.

Exécution du benchmark

Chaque fournisseur a récupéré les mêmes URL fraîches, avec un nombre égal de pages issues de chaque domaine à chaque exécution. Lorsqu'un fournisseur proposait un scraper e-commerce dédié pour un domaine, nous l'avons utilisé ; sinon, nous avons utilisé le débloqueur web général du fournisseur. Tous les fournisseurs ont été exécutés depuis le même emplacement de serveur, de sorte que l'emplacement n'avantageait aucun fournisseur.

Pour mesurer le comportement sous charge plutôt que le comportement idéal, nous avons exécuté l'ensemble complet à trois niveaux de concurrence de 5, 100 et 5 000 requêtes simultanées. Un code de statut HTTP 200 ne comptait pas en lui-même comme un succès. Pour chaque URL, nous avons défini à l'avance les données attendues, puis vérifié la page renvoyée par rapport à celles-ci : une réponse n'était comptabilisée comme un succès que lorsque son contenu correspondait à cette référence via un sélecteur CSS ou un champ structuré (JSON) contenant les données cibles (un prix et des champs produit sur une page produit, plusieurs produits distincts sur une page de liste).

Une page de blocage, un captcha ou une coquille vide a reçu un score de zéro, même avec un statut 200. Tous les graphiques de cet article utilisent ce taux de succès vérifié par le contenu. Nous avons enregistré le statut HTTP et le temps de réponse de bout en bout, et rapportons le temps de réponse sous forme de médiane (P50) et de queue de distribution (P90) des requêtes réussies.

Seuls Bright Data et Nimble ont tenu une exécution complète au niveau de 5 000 requêtes ; les quatre autres fournisseurs étaient limités par des plafonds de concurrence ou de crédit au niveau du compte à cette charge, et non par leur capacité de scraping, ils ne sont donc pas présentés à ce niveau de concurrence.

Le scraping e-commerce est-il légal ?

Il est légal de collecter des informations publiques telles que les noms de produits, les prix et l'état des stocks, tant que vous ne contournez pas les connexions et n'accédez pas à des données privées.

Cependant, de nouvelles règles d'IA s'appliqueront à certaines plateformes. Par exemple, à partir de 2026, eBay a modifié son contrat d'utilisation pour interdire les « bots pilotés par LLM » et les « agents d'achat pour compte » d'utiliser sa plateforme sans autorisation écrite. Cette mise à jour fait suite à l'essor du « commerce agentique ».¹

Tandis que le scraping général reste légal, l'utilisation d'agents IA pour interagir avec les places de marché est désormais soumise à des règles plus strictes.

FAQ

Citez ce benchmark

Choisissez le format qui correspond à votre lieu de publication. Coller la version avec lien dans votre CMS préserve le lien retour.

@misc{dogan2026,
  author = {Dogan, Sedat and Sarı, Ekrem},
  title  = {{Scraper e-commerce: 6 fournisseurs benchmarkés}},
  year   = {2026},
  month  = jul,
  howpublished    = {\url{https://aimultiple.com/ecommerce-scraper}},
  note   = {AIMultiple. Consulté le 19 Juillet 2026}
}

Liens de référence

1.

Security Measure | eBay

Sedat Dogan

CTO

Suivre

Sedat est un expert en technologies et sécurité de l'information, fort d'une expérience en développement logiciel, collecte de données web et cybersécurité. Sedat : - Possède 20 ans d'expérience en tant que hacker éthique et expert en développement, avec une vaste expertise des langages de programmation et des architectures serveur. - Conseille les dirigeants et membres du conseil d'administration d'entreprises dont les opérations technologiques critiques et à fort trafic sont telles que les infrastructures de paiement. - Allie un sens aigu des affaires à son expertise technique.

Voir le profil complet

Examiné techniquement par

Ekrem Sarı

Chercheur en IA

Suivre

Ekrem est chercheur en IA chez AIMultiple, spécialisé dans l'automatisation intelligente, les GPU, les agents IA et les frameworks RAG.

Voir le profil complet

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.

Nom

Adresse email

Commentaire

0/450

Publier un commentaire