Évaluation en Monde Ouvert

Meilleurs agents web open source 30+

mis à jour le 25 juin 2026

Nous avons testé plus de 30 agents web open source dans quatre catégories : agents autonomes, contrôleurs d’utilisation d’ordinateur, scrapers web, et frameworks pour développeurs.

Nous avons exécuté des benchmarks identiques en utilisant la suite de tests WebVoyager, qui couvre 643 tâches sur 15 sites web réels, afin de mesurer quels outils accomplissent réellement des tâches web en plusieurs étapes et lesquels échouent face à des menus déroulants dynamiques ou des mises en page reposant fortement sur JavaScript.

Loading Chart

Agents Web Open Source : Étoiles GitHub

Voir les sources des benchmarks.

Benchmark WebVoyager : Méthodologie

Agents testés

Nous avons inclus les agents qui répondaient aux trois critères : code source librement disponible, un score rapporté sur le benchmark WebVoyager issu de la propre évaluation publiée de l’agent, et une maintenance active (dernier commit dans les 6 mois précédant notre date de revue).

Browser-Use : pont LLM-navigateur, basé sur le DOM avec intégration LangChain
Skyvern 2.0 : Basé sur la vision, architecture planificateur-acteur-validateur, déploiement cloud
Agent-E : DOM uniquement, pas de modèles de vision, ensemble complet de 643 tâches
WebVoyager : Référence multimodale originale, hybride GPT-4V + DOM

Les agents listés dans l’article plus large mais sans scores WebVoyager publiés (Auto-GPT, AgenticSeek, OpenManus, LaVague, et d’autres) ont été évalués qualitativement sur l’architecture, le modèle de déploiement et les capacités déclarées. Ils ne sont pas inclus dans la comparaison quantitative.

Conditions de test

Chaque équipe a exécuté sa propre évaluation ; nous n’avons pas relancé les tests de manière indépendante. Les différences de scores reflètent en partie des conditions de test différentes :

Browser-Use a testé 586 des 643 tâches, en supprimant 55 tâches avec des réponses obsolètes (produits Apple abandonnés, dates de vol expirées, recettes supprimées). Les tests ont été exécutés sur des machines locales avec des adresses IP sûres. L’intégration LangChain et des invites système réécrites ont été appliquées avant les tests.

Skyvern 2.0 a testé 635 des 643 tâches, en supprimant 8 réponses invalides, et a mis à jour les dates 2023/2024 dans les tâches de voyage à 2025. Les tests ont été exécutés dans Skyvern Cloud en utilisant des navigateurs cloud asynchrones — pas des machines locales. Les conditions cloud exposent les agents à la détection de bots et aux défis CAPTCHA que les tests locaux évitent. Les enregistrements complets des tests sont disponibles sur eval.skyvern.com.

Agent-E a testé l’ensemble complet des 643 tâches sans modifications. A utilisé l’analyse DOM uniquement, sans modèles de vision. La référence de comparaison était l’agent WebVoyager original, pas GPT-4o.

WebVoyager (original) a testé l’ensemble complet de données en utilisant des captures d’écran GPT-4V plus le DOM. Sert de référence multimodale que Agent-E a surpassée en utilisant uniquement le texte.

Notation

La complétion des tâches est binaire : soit l’agent accomplit entièrement la tâche en plusieurs étapes, soit il ne l’accomplit pas. Aucun crédit partiel n’est accordé. Une tâche est marquée comme terminée uniquement lorsque la sortie finale attendue (un prix, une confirmation de réservation, un résultat de recherche) correspond à la vérité terrain.

Le taux de réussite est rapporté comme suit : tasks completed / tasks attempted × 100

Lorsque des équipes ont retiré des tâches de l’ensemble de données, le dénominateur reflète leur ensemble réduit, pas les 643 tâches originales.

Ce que ces scores signifient en pratique

Les tâches du benchmark WebVoyager s’exécutent sur des sites web réels dans des conditions coopératives, sans protection anti-bot agressive, sans Cloudflare, sans DataDome. Browser-Use et Agent-E ont été exécutés sur des machines locales avec des IP équivalentes à des résidentielles. Skyvern a délibérément utilisé une infrastructure cloud pour se rapprocher de la réalité de la production. Les taux de réussite réels sur des sites de production protégés seront inférieurs aux scores de référence pour tous les agents.

Le benchmark ne mesure pas la vitesse, le coût par tâche, ni la résilience face aux mesures anti-bot. Un score WebVoyager de 89,1% ne signifie pas que l’agent accomplira 89% des tâches sur un site de production bénéficiant d’une protection Cloudflare.

Limites

Dénominateurs non comparables : Browser-Use a testé 586 tâches, Skyvern en a testé 635, Agent-E en a testé 643. Un score plus élevé sur un ensemble plus petit n’est pas directement comparable à un score plus faible sur l’ensemble complet.

Résultats autodéclarés : Tous les scores proviennent de la propre évaluation publiée par chaque équipe. Nous n’avons pas effectué de nouveau test contrôlé avec des conditions identiques pour tous les agents.

Dérive du benchmark : L’ensemble de tâches WebVoyager a été publié en 2023. Plusieurs tâches font référence à des produits, prix et dates qui n’existent plus. Les équipes les ont traitées différemment ; certaines les ont supprimées, tandis que d’autres ont mis à jour les dates, introduisant une incohérence.

Écart local vs cloud : Browser-Use et Agent-E ont testé localement (IP sûres, pas de détection de bot). Skyvern a testé dans le cloud (exposition réelle à la protection anti-bot). La comparaison directe des scores sous-estime l’écart de production pour les agents testés localement.

Absence de données de coût ou de latence : Le benchmark mesure uniquement la complétion des tâches. Le coût par tâche et le temps moyen de complétion ne sont pas capturés dans les scores WebVoyager, bien qu’ils soient importants pour les décisions de déploiement en production.

Instantané statique : Les scores reflètent les versions des agents et l’état des sites web au moment du test. Les deux changent fréquemment ; une refonte de site web ou une mise à jour d’agent peut modifier sensiblement les résultats.

Mises à jour majeures récentes

Crise de sécurité : Distribution de malwares OpenClaw

Plus de 400 « skills » malveillants ont été téléchargés sur ClawHub (la place de marché d’OpenClaw) entre fin janvier et début février, distribuant des malwares de vol d’identifiants. IBM, Anthropic, et Palo Alto Networks ont émis des avertissements. Les chercheurs en sécurité recommandent désormais de n’utiliser que des environnements isolés et des sources vérifiées.

Croissance virale d’OpenClaw

OpenClaw (anciennement Moltbot/Clawdbot) a atteint 147 000 étoiles GitHub, le projet d’IA open source à la croissance la plus rapide. Fonctionne en local, s’intègre aux plateformes de messagerie et utilise le Model Context Protocol pour plus de 100 services. Cloudflare a publié le middleware Moltworker pour soutenir son infrastructure.¹

Réseau social réservé à l’IA lancé fin janvier, a atteint 1,5 million d’agents en quelques jours. Les agents publient et interagissent de manière autonome pendant que les humains observent.²

Standardisation du Model Context Protocol

Le MCP est devenu le protocole dominant pour l’intégration agent-outil, avec plus de 100 serveurs disponibles. La gestion et la gouvernance sont désormais critiques pour les déploiements en entreprise.

Modèles NVIDIA Nemotron 3

NVIDIA a publié la famille Nemotron 3 (Nano, Super, Ultra) optimisée pour l’IA agentique, offrant un débit 4x supérieur. Comprend NeMo Gym et l’Agentic Safety Dataset sur GitHub et Hugging Face.³

Agents web autonomes et copilotes

Outils qui naviguent sur des sites web et accomplissent des tâches en plusieurs étapes avec un minimum de guidage.

Agents autonomes généralistes

OpenClaw (anciennement Moltbot/Clawdbot) : Exécutez-le sur votre machine locale pour automatiser des tâches sur les applications de messagerie, les calendriers et les e-mails. Dites-lui « planifie une réunion avec l’équipe pour mardi prochain et envoie les invitations de calendrier », et il gère tout le flux de travail. Utilise le Model Context Protocol pour se connecter à plus de 100 services sans appels API cloud.

Qui l’utilise : Les premiers adoptants prêts à gérer les risques de sécurité pour l’automatisation locale. Les utilisateurs qui veulent des interfaces conversationnelles pour les flux de travail sur ordinateur.

Limites :

Vulnérabilités de sécurité majeures dans l’écosystème de skills (400+ paquets malveillants en une semaine)
Encore en développement rapide avec des changements cassants fréquents
Documentation incohérente en raison de multiples cycles de rebranding
Gourmand en ressources (nécessite une puissance de calcul locale significative)

AgenticSeek : Remplacez les services commerciaux basés sur le cloud par une alternative locale qui n’envoie pas les données de navigation à des serveurs externes. Installez-le sur votre machine, décrivez ce dont vous avez besoin (« extrais tous les prix des produits de cette page »), et il gère les clics et la collecte de données. Basé sur Python, entièrement auto-hébergé.

Qui l’utilise : Les utilisateurs soucieux de leur vie privée qui ne partageront pas leurs données de navigation. Les organisations ayant des exigences de résidence des données.

Limites :

Limité à la concurrence sur une seule machine (5-10 instances de navigateur)
Pas de rotation de proxy ou de fonctionnalités anti-détection intégrées
Nécessite la configuration et la maintenance d’un environnement Python
Plus lent que les solutions cloud pour les tâches à grande échelle

Auto-GPT : Gère la navigation web ainsi que les opérations sur les fichiers et l’exécution de code. Déployez via l’interface du navigateur ou la ligne de commande. Lorsque vous lui assignez une tâche comme « recherche les prix des concurrents et enregistre-les dans un tableur », il détermine quels sites web visiter, quelles données récupérer et comment organiser la sortie.

Qui l’utilise : Les développeurs qui créent des flux d’automatisation personnalisés. Les utilisateurs à l’aise avec les outils en ligne de commande.

Limites :

Manque de fonctionnalités spécifiques au web comme la rotation de proxy et la gestion des cookies
Pas d’évitement intégré de la détection de bot (les sites avec Cloudflare le bloqueront)
Gourmand en ressources (lance plusieurs instances de navigateur)
Nécessite une ingénierie manuelle des invites pour les tâches complexes

AgentGPT : Configurez des agents directement dans votre navigateur sans écrire de code. Développez des agents spécialisés tels que « ResearchGPT » ou « DataGPT » qui décomposent les objectifs en étapes. La plateforme gère l’orchestration. Vous décrivez ce que vous voulez accomplir. Auto-hébergeable si vous ne voulez pas utiliser leur version hébergée.

Qui l’utilise : Les utilisateurs non techniques qui ont besoin d’une automatisation simple. Les équipes qui veulent des configurations d’agents partagées.

Limites :

Personnalisation limitée par rapport aux solutions codées
Goulots d’étranglement de performance sur les tâches complexes en plusieurs étapes
La version hébergée envoie les données à leurs serveurs (l’auto-hébergement est requis pour la confidentialité)
Pas de fonctionnalités avancées comme le fingerprinting de navigateur ou la gestion de CAPTCHA

SuperAGI : Framework pour construire des agents autonomes personnalisés avec des modèles pour les flux de travail courants. Étendez-le avec votre propre logique. Gère l’automatisation du navigateur comme un composant de flux de travail plus larges. Déployez localement ou poussez vers une infrastructure cloud.

Qui l’utilise : Les équipes de développement qui construisent des systèmes d’agents en production. Les organisations qui ont besoin de frameworks d’automatisation personnalisables.

Limites :

Courbe d’apprentissage abrupte (nécessite de comprendre l’architecture des agents)
Bibliothèque de modèles encore limitée (nécessite un développement personnalisé pour la plupart des cas d’usage)
Lacunes dans la documentation pour les fonctionnalités avancées
Le développement actif implique des changements cassants entre les versions

Nanobrowser : Approche par extension Chrome : installez-la, puis contrôlez les agents depuis la barre d’outils de votre navigateur. Idéal pour des tâches rapides comme « extraire tous les e-mails de cette page » ou « remplir ce formulaire avec les données de mon tableur ».

Qui l’utilise : Les utilisateurs occasionnels ayant besoin d’une automatisation ponctuelle du navigateur. Les utilisateurs qui ne mettront pas en place des serveurs ou des environnements Python.

Limites :

Ne peut pas monter en charge au-delà de quelques onglets (pas de traitement concurrent)
Pas d’intégration avec les pipelines d’automatisation backend
Limité au navigateur Chrome
Les permissions de l’extension soulèvent des problèmes de sécurité

OpenManus : Alternative open source aux services commerciaux d’automatisation de navigateur. Exécute des tâches de navigateur qui prennent des heures ou des jours, comme surveiller des sites pour les changements de prix ou attendre que des produits soient de nouveau en stock. Déployez localement avec Python et Docker, laissez-le tourner en arrière-plan.

Mise à jour récente : DeepWisdom (la société mère d’OpenManus) a officiellement renommé sa technologie d’agent principale en Atoms à la mi-janvier. Le nouveau framework Atoms déplace l’attention des outils pour développeurs amateurs vers le déploiement d’agents de qualité commerciale avec des modules intégrés pour les paiements et l’authentification.⁴

Qui l’utilise : Les utilisateurs qui exécutent des tâches de surveillance de longue durée. Les développeurs qui construisent des systèmes de notification automatisés.

Limites :

Nécessite une configuration Docker et Python
Pas de support de proxy intégré (les sites détecteront les requêtes répétées depuis la même IP)
Fuites de mémoire sur les tâches de longue durée (nécessite des redémarrages périodiques)
Le rebranding en Atoms peut causer de la confusion dans la documentation

Agents d’utilisation d’ordinateur

Automatisation de bureau qui contrôle les navigateurs comme une partie de flux de travail informatiques plus larges.

OpenInterpreter : Agent basé sur le terminal qui exécute des scripts Python, JavaScript et shell en fonction de ce que vous tapez. Demandez-lui de « scraper ce site et analyser les données avec pandas », et il génère le code de scraping, l’exécute, puis effectue l’analyse. L’automatisation du navigateur s’intègre avec l’accès au système de fichiers et le traitement des données.

Qui l’utilise : Les développeurs à l’aise avec les interfaces en terminal. Les data scientists qui combinent le scraping web avec des flux d’analyse.

Quand cela a du sens : Vous avez besoin d’une automatisation qui couvre à la fois la navigation web et le calcul local. Vous voulez inspecter et modifier le code généré avant son exécution. Vos flux de travail impliquent une transformation de données après la collecte.

Limites :

Interface en terminal uniquement (pas d’interface graphique)
Risque de sécurité (exécute du code arbitraire sur votre machine)
Pas de sandboxing par défaut (peut accéder à n’importe quel fichier ou ressource système)
Courbe d’apprentissage pour les non-programmeurs

UI-TARS : Framework de recherche issu du milieu académique qui prend des captures d’écran de votre bureau, les analyse avec des modèles de vision, puis génère des commandes pour contrôler les éléments de l’interface graphique. Conçu pour tester de nouvelles approches d’automatisation de bureau, pas pour la production.

Qui l’utilise : Les chercheurs académiques explorant l’automatisation basée sur la vision. Les laboratoires testant des systèmes de contrôle multimodaux.

Quand cela a du sens : Vous menez des recherches sur l’automatisation basée sur la vision. Vous avez besoin d’expérimenter des approches d’analyse de captures d’écran. Vous écrivez des articles académiques sur l’automatisation des interfaces graphiques.

Limites :

Pas prêt pour la production (prototype de recherche)
Latence élevée (le traitement par modèle de vision prend 2-3 secondes par action)
Coûteux (GPT-4V facture par token d’image)
Pas de récupération d’erreur ou de logique de nouvelle tentative

AutoBrowser MCP : Serveur MCP qui permet à Claude de contrôler les navigateurs Chrome via le Model Context Protocol, offrant des capacités d’interaction avec le navigateur basées sur la vision. Claude voit l’écran de votre navigateur, décide quoi cliquer et exécute l’action. Fonctionne comme une extension Chrome plus un serveur local.

Qui l’utilise : Les utilisateurs de Claude qui veulent un contrôle du navigateur. Les développeurs qui construisent des systèmes d’automatisation basés sur MCP.

Quand cela a du sens : Vous utilisez déjà Claude et vous voulez ajouter l’automatisation du navigateur. Vous préférez le contrôle conversationnel aux API programmatiques. L’interaction basée sur la vision est requise pour les mises en page complexes.

Limites :

Nécessite un accès à l’API Claude (non disponible dans toutes les régions)
Les coûts du modèle de vision s’accumulent rapidement
La latence est plus élevée que les approches basées sur le DOM
Limité au navigateur Chrome

Open Operator : La réponse de l’équipe Browser-Use à l’Operator d’OpenAI. Fournit aux modèles de langage un accès direct à Chrome via une vue DOM simplifiée. Exécutez-le en mode entièrement autonome ou activez le mode approbation, dans lequel vous confirmez chaque action avant l’exécution. Installez via Python ou une extension de navigateur.

Mise à jour récente : Browser-Use a annoncé une intégration stratégique avec Parallel IA fin janvier, permettant des recherches web multi-threads. La mise à jour permet aux agents d’exécuter jusqu’à 20 étapes de navigateur par minute, égalant ou dépassant les performances humaines sur des tâches de recherche complexes.⁵

Qui l’utilise : Les équipes qui utilisent déjà le framework Browser-Use. Les organisations qui veulent des flux d’approbation pour les actions des agents.

Quand cela a du sens : Vous avez besoin d’une navigation autonome avec une supervision humaine. Vos flux de travail exigent de la vitesse (exécution multi-thread). Vous construisez sur l’écosystème Browser-Use.

Limites :

Nécessite l’installation du framework Browser-Use
Le mode approbation ralentit considérablement l’automatisation
Fonctionnalités anti-détection limitées (les sites avec protection anti-bot le bloqueront)
Python uniquement (pas de support JavaScript/TypeScript)

Cowork (Anthropic) : L’outil de bureau d’Anthropic qui donne à Claude un accès direct aux systèmes de fichiers et aux environnements de navigateur au sein d’une application unifiée. Étend l’API Computer Use à un produit grand public. Disponible en téléchargement ; n’est plus limité à l’aperçu de recherche. Propriétaire, inclus ici à des fins de comparaison avec les alternatives open source.

Agents de navigation web

Se concentrent spécifiquement sur les flux de travail en plusieurs étapes sur des sites web.

Agent-E : Lit le HTML de la page pour trouver les éléments cliquables et les chemins de navigation. Utilise la « distillation DOM » pour réduire les pages aux éléments interactifs essentiels, plus la « récolte de compétences » pour mémoriser les motifs réussis. A obtenu 73,1% sur le benchmark WebVoyager en utilisant uniquement du texte, aucun modèle de vision.

Qui l’utilise : Les organisations qui privilégient le coût par rapport à la précision. Les développeurs qui construisent des systèmes d’automatisation basés sur le DOM.

Quand cela a du sens : Vous avez besoin d’une automatisation rapide et bon marché sur des sites web statiques. Vos sites cibles n’utilisent pas de formulaires dynamiques lourds en JavaScript. Vous pouvez tolérer un taux de réussite de 73% en échange de coûts plus bas.

Limites :

Pas de récupération d’erreur intégrée lorsque la structure du DOM change de manière inattendue
Éprouve des difficultés avec les formulaires dynamiques où les menus déroulants révèlent de nouvelles options en fonction des sélections
Les performances chutent significativement sur les sites lourds en JavaScript
Mauvais résultats sur les sites de réservation

AutoWebGLM : Simplifie le HTML avant de le transmettre aux modèles de langage. Les pages complexes sont réduites aux éléments de navigation essentiels et aux champs de formulaire. Utilise l’apprentissage par renforcement pour améliorer les décisions de navigation au fil du temps. S’exécute en auto-hébergé via Python.

Qui l’utilise : Les équipes de recherche explorant l’automatisation web basée sur l’apprentissage par renforcement. Les organisations disposant de ressources de calcul pour l’entraînement de modèles.

Quand cela a du sens : Vous pouvez investir dans l’entraînement de modèles personnalisés pour vos sites web spécifiques. Vos flux de travail sont suffisamment répétitifs pour bénéficier de l’optimisation par RL. Vous disposez d’une infrastructure Python pour le machine learning.

Limites :

Documentation et support communautaire limités
Nécessite une phase d’entraînement avant le déploiement (pas plug-and-play)
A besoin d’exemples significatifs pour apprendre des politiques efficaces
Casse lorsque les sites web reconçoivent leurs mises en page

Agents de navigation basés sur la vision

Combinent des captures d’écran avec une analyse textuelle pour interpréter la mise en page visuelle des pages.

Extension Autogen WebSurfer : Intégrez-vous au framework AutoGen de Microsoft pour ajouter la navigation web. Nécessite l’installation de Playwright. Le framework vous permet de créer des équipes d’agents, un agent cherche pendant qu’un autre traite les résultats, et un troisième interagit avec vous.

Qui l’utilise : Les équipes utilisant déjà le framework AutoGen. Les utilisateurs de l’écosystème Microsoft.

Quand cela a du sens : Vous construisez des systèmes multi-agents au sein d’AutoGen. Vous avez besoin d’une collaboration d’agents orchestrée. Vous voulez le support et la documentation de Microsoft.

Limites réelles :

Exemples et projets communautaires limités
Nécessite l’adoption de tout le framework AutoGen (ne peut pas être utilisé de manière autonome)
La surcharge du framework n’en vaut pas la peine pour des tâches d’automatisation simples
Courbe d’apprentissage abrupte pour l’orchestration multi-agents

Skyvern : Système en trois phases : le planificateur décompose les tâches en étapes, l’acteur les exécute, le validateur confirme le succès. Prend des captures d’écran pour identifier visuellement les boutons et les formulaires. Cette approche répond aux sites lourds en JavaScript où le DOM change après le chargement de la page. A obtenu 85,85% sur WebVoyager. Déployez en auto-hébergé ou utilisez leur cloud managé.

WebVoyager : L’agent de benchmark original issu de l’article de 2024 qui a introduit la suite de tests WebVoyager. Utilise des captures d’écran GPT-4V en parallèle d’une analyse DOM dans une approche hybride. A obtenu 57,1% sur l’ensemble complet des 643 tâches, la référence par rapport à laquelle les agents suivants se mesurent. N’est pas activement maintenu en tant qu’outil de production ; sa valeur réside en tant que référence de recherche et point d’origine du benchmark.

Qui l’utilise : Les organisations nécessitant une haute précision sur les applications web modernes. Les équipes prêtes à payer les coûts des modèles de vision pour de meilleurs résultats.

Quand cela a du sens : Vos sites cibles utilisent beaucoup JavaScript et des mises en page dynamiques. Vous avez besoin d’une précision de 85%+. Vous pouvez vous permettre des coûts 10 à 20x supérieurs à l’analyse DOM. Vos flux de travail justifient une infrastructure cloud.

Limites :

La version auto-hébergée nécessite une puissance de calcul significative pour les modèles de vision
Coûteux (GPT-4V facture par token d’image ; chaque vue de page coûte 10-20x plus cher que l’analyse DOM)
Plus lent que les approches DOM (2-3 secondes par page pour le traitement visuel)
Le déploiement cloud vous expose à la détection de bot

LiteWebAgent : Modèle de langage visuel avec mémoire et planification qui contrôle Chrome via le protocole DevTools. Maintient le contexte à travers les chargements de page, se souvenant de ce qu’il a vu sur les pages précédentes lors des décisions de navigation. Framework Python, déploiement auto-hébergé.
Qui l’utilise : Les développeurs qui construisent des agents basés sur la vision personnalisés. Les équipes qui ont besoin d’une mémoire inter-pages.
Quand cela a du sens : Vos flux de travail nécessitent de mémoriser des informations à travers plusieurs pages. Vous avez besoin de capacités visuelles mais voulez plus de contrôle que Skyvern. Vous pouvez maintenir une infrastructure Python pour le machine learning.

Limites :

Nécessite une puissance de calcul significative pour les modèles de vision
L’architecture de mémoire augmente la complexité et les modes de défaillance
Tests limités sur des sites web de production avec détection de bot
Petite communauté (moins d’exemples et d’intégrations que les alternatives)

article.automate_process_description

article.automate_process_button

Outils d’activation d’agents

Frameworks qui permettent aux LLM ou aux utilisateurs d’envoyer des commandes aux navigateurs sans planification autonome des tâches.

Langage naturel vers action web

LaVague : vous dites « clique sur le bouton vert ». LaVague le trouve et clique dessus. Gère l’identification des éléments à travers différentes mises en page. Idéal pour les tâches répétitives où vous savez exactement ce que vous voulez mais ne voulez pas écrire de sélecteurs. Basé sur Python, s’exécute en auto-hébergé.

ZeroStep : Transforme les instructions conversationnelles en code de test Playwright. Vous décrivez l’action en langage simple, il génère les commandes Playwright. Accélère l’écriture des tests si vous utilisez déjà Playwright. Outil CLI Node.js.

Ponts LLM-Navigateur

Connectent les modèles de langage directement aux contrôles du navigateur.

Browser-Use : Prend le DOM désordonné et le restructure pour les LLM. Supprime les éléments non pertinents, étiquette les composants interactifs et fournit des interfaces de contrôle. C’est ce qui a permis à Browser-Use d’atteindre 89,1% sur WebVoyager. Disponible en tant que bibliothèque Python ou API, déployez en auto-hébergé ou utilisez leur cloud.

Browserless : Instances Chrome distantes que vous contrôlez via REST ou WebSocket. Lancez des centaines de navigateurs dans le cloud sans gérer l’infrastructure. Chaque navigateur s’exécute en mode headless, donc pas de surcharge d’interface graphique. Utilisez leur API hébergée ou Docker pour l’auto-hébergement.

ZeroStep (Playwright IA) : Couche d’IA au-dessus de Playwright. Écrivez des invites au lieu de sélecteurs. Combine la fiabilité de Playwright avec la flexibilité des LLM pour identifier les éléments. Nécessite l’installation de Node.js et Playwright.

Kits d’outils d’automatisation web & de scraping

Outils spécifiques à des tâches, où vous lancez chaque travail individuellement.

Extensions d’automatisation de navigateur

PulsarRPA : Extension Chrome pour l’extraction de données. Pointez-la vers un tableau ou une liste, montrez-lui quoi extraire, et elle gère le reste. Inclut un backend pour la planification et le stockage des résultats.

Qui l’utilise : Les utilisateurs non techniques ayant besoin d’une extraction régulière de données. Les analystes métier qui extraient des données dans des tableurs.

Quand cela a du sens : Vous extrayez des données des mêmes sites de manière répétée. Vous ne voulez pas écrire de code. Vous avez besoin de planification et de stockage des résultats. Vos sites cibles ne bloquent pas les extensions de navigateur.

Limites :

Chrome uniquement (pas de Firefox ou Safari)
Casse lorsque les sites cibles changent de mise en page
Pas de support de proxy (les sites détectent les requêtes répétées depuis la même IP)
Limité à l’extraction de données tabulaires

VimGPT : Projet expérimental où GPT-4 Vision contrôle votre navigateur via les raccourcis clavier Vimium. Le modèle voit des captures d’écran et génère des commandes clavier.

Qui l’utilise : Les chercheurs explorant la vision + le contrôle clavier. Les passionnés de Vim curieux de l’automatisation par IA.

Quand cela a du sens : Vous menez des recherches sur l’automatisation pilotée par le clavier. Vous cherchez à comprendre les capacités des modèles de vision. Vous ne déployez pas d’automatisation en production.

Limites :

Expérimental uniquement (pas pratique pour un travail réel)
Nécessite l’extension Vimium plus un backend Python
Latence élevée (traitement visuel + génération de commandes)
Coûteux (GPT-4V coûte par capture d’écran)

Scrapers et crawlers IA

Crawl4AI : Un crawler qui utilise des LLM pour décider ce qui est important sur une page. Au lieu de tout récupérer, il identifie le contenu pertinent en fonction de votre objectif. Basé sur Python, s’intègre avec les bibliothèques de scraping standard.

Croissance récente : A atteint la 1ère place des tendances GitHub et a dépassé les 58 000 étoiles. Optimisé pour l’intégration LLM avec une sortie en markdown et un filtrage de contenu BM25. Choix populaire pour les pipelines RAG nécessitant un déploiement local-first.⁶

Qui l’utilise : Les développeurs qui construisent des systèmes RAG. Les équipes qui ont besoin d’un support LLM local sans coûts d’API.

Quand cela a du sens : Vous construisez des applications LLM qui ont besoin de données web. Vous voulez une sortie formatée en markdown. Vous avez besoin d’un déploiement local sans dépendances d’API cloud. Votre cas d’usage implique le filtrage de contenu et le classement par pertinence.

Limites :

Nécessite un LLM s’exécutant localement ou via API (pas autonome)
Plus lent que les scrapers traditionnels (traitement LLM par page)
Peut manquer du contenu important si le LLM juge incorrectement
Utilisation des ressources plus élevée que les scrapers basés sur des règles

FireCrawl : Convertit les sites web en Markdown ou JSON propre. Gère la navigation, le rendu JavaScript et l’extraction de contenu. Sortie structurée pour alimenter les fenêtres de contexte des LLM. Bibliothèque Node.js ou CLI.

Qui l’utilise : Les développeurs d’applications LLM. Les équipes qui construisent des systèmes d’IA qui traitent du contenu web.

Quand cela a du sens : Vous avez besoin d’une extraction de texte propre pour le traitement par LLM. Vos sites cibles utilisent le rendu JavaScript. Vous voulez une sortie structurée (Markdown/JSON). Vous construisez des applications Node.js.

Limites :

Node.js uniquement (pas de bindings Python)
Conversion Markdown orientée (peut perdre la mise en forme dont vous avez besoin)
Personnalisation limitée des règles d’extraction
Pas de limitation de débit ou d’anti-détection intégrées

GPT-crawler : Explore les sites et produit des données d’entraînement pour des GPT personnalisés. Pointez-le vers une documentation ou une base de connaissances, il extrait le contenu et le formate pour le fine-tuning. Outil CLI Python.

Qui l’utilise : Les équipes qui construisent des modèles GPT personnalisés. Les organisations qui créent des assistants IA spécifiques à un domaine.

Quand cela a du sens : Vous faites du fine-tuning de modèles de langage. Vous avez besoin de données d’entraînement structurées provenant de sources web. Votre contenu est de la documentation ou des bases de connaissances. Vous pouvez exécuter des outils CLI Python.

Limites :

Format de sortie spécifique au fine-tuning GPT (pas à usage général)
Pas de mises à jour incrémentielles (re-explore tout le site pour les mises à jour)
Gestion limitée de l’authentification ou des paywalls
Suppose une structure de contenu statique

ScrapeGraphAI : Construit des graphes de connaissances à partir du contenu exploré. Idéal pour les sites de documentation où vous devez comprendre les relations entre les concepts. Produit des résumés structurés ou des graphes de faits. Déploiement Python.

Qui l’utilise : Les équipes de gestion des connaissances. Les chercheurs qui construisent des cartes conceptuelles à partir de contenu web.

Quand cela a du sens : Vous avez besoin d’extraction de relations, pas seulement de contenu. Vos sites cibles sont de la documentation ou du contenu éducatif. Vous construisez des bases de connaissances ou des cartes conceptuelles. Vous disposez d’une infrastructure Python.

Limites :

Configuration complexe (nécessite une base de données de graphes et des modèles NLP)
Plus lent que les scrapers simples (extraction d’entités + cartographie des relations)
La qualité dépend de la structure du contenu source
Limité au texte (ne gère pas bien les tableaux ou les images)

AutoScraper : Scraper par apprentissage par l’exemple. Montrez-lui une page avec les données que vous voulez, il déduit le motif et l’applique à des pages similaires. Bibliothèque Python légère pour des tâches d’extraction simples.

Qui l’utilise : Les développeurs qui ont besoin d’une extraction rapide sans écrire de sélecteurs XPath ou CSS. Les équipes qui prototypent des flux de scraping.

Quand cela a du sens : Vos pages cibles suivent des motifs cohérents. Vous ne voulez pas écrire de sélecteurs manuellement. Vous avez besoin de prototypes rapides. Vos sites ne changent pas fréquemment de mise en page.

Limites :

Casse lorsque les mises en page changent
Limité aux structures de page similaires (ne peut pas généraliser à différents sites)
Pas de support du rendu JavaScript
Correspondance de motifs simple (pas de raisonnement IA sur le contenu)

LLM Scraper : Envoyez une page à un LLM et demandez « extrais tous les prix des produits » ou « trouve les informations de contact ». Le modèle interprète votre intention et extrait les données pertinentes. Flexible mais plus coûteux que les scrapers basés sur des règles. Basé sur Python.

Qui l’utilise : Les équipes qui ont besoin d’une extraction flexible sans écrire de règles. Les développeurs qui créent des tâches d’extraction ponctuelles.

Quand cela a du sens : Les structures de page varient trop pour une extraction basée sur des règles. Vous avez besoin de compréhension sémantique (« trouve le nom de l’auteur »). Le coût n’est pas votre préoccupation principale. Vous voulez un développement rapide sans ingénierie de sélecteurs.

Limites :

Coûteux (coûts d’API LLM par page)
Plus lent que les scrapers basés sur des règles (latence d’API)
Peut extraire des données erronées si l’invite n’est pas claire
Pas de garantie d’extraction cohérente des champs à travers les pages

Outils de recherche IA

BingGPT : Interface de chat qui combine la recherche Bing avec des réponses GPT. Posez des questions, obtenez des réponses avec des sources. Application de bureau, pas basée sur le navigateur.

BraveGPT : Extension de navigateur IA qui ajoute des réponses GPT aux résultats de recherche Brave. Voyez à la fois les résultats de recherche traditionnels et un résumé IA côte à côte. Se superpose directement sur les pages de recherche.

Ne manquez pas nos benchmarks et analyses basées sur les données. Le bouton ouvre Google ; sélectionner AIMultiple confirme que vous souhaitez voir AIMultiple plus souvent dans les résultats de recherche Google.

Ajouter comme source préférée

Frameworks de contrôle web pour développeurs

Bibliothèques bas niveau pour le contrôle programmatique du navigateur.

Frameworks de test

Playwright : Automatisation multi-navigateurs de Microsoft. Prend en charge Chromium, Firefox, WebKit. Attentes intégrées, interception réseau et émulation mobile. Disponible en JavaScript, Python, .NET et Java. Standard de l’industrie pour les tests web modernes.

Selenium : Le framework d’automatisation de navigateur original. Fonctionne sur tous les principaux navigateurs. Écosystème plus large mais architecture plus ancienne. Bindings pour Python, Java, C#, Ruby, et plus. Standard du protocole WebDriver.

taiko : Framework ThoughtWorks avec une syntaxe lisible. Idéal pour les tests fonctionnels où la lisibilité des tests est importante. Node.js uniquement.

Bibliothèques d’automatisation

Puppeteer : Bibliothèque de Google pour contrôler Chrome/Chromium. API de haut niveau pour les captures d’écran, la génération de PDF et le scraping. L’écosystème Node.js fonctionne avec TypeScript. Choix standard pour l’automatisation headless de Chrome.

Browser-Use : Listé précédemment comme pont LLM, mais fonctionne également comme bibliothèque d’automatisation pour développeurs. Convertit le DOM en un format structuré, gère la navigation et l’interaction. Bibliothèque Python avec option API.

Ce qui rend ces agents web différents

Browser-Use a obtenu 89,1% aux tests WebVoyager, tandis qu’Agent-E a atteint 73,1% sur l’ensemble complet de données. Browser-Use utilise une planification autonome des tâches avec intégration LangChain. Agent-E analyse la structure du DOM directement sans modèles de vision, ce qui est plus rapide mais rencontre des difficultés lorsque les sites utilisent des menus déroulants dynamiques ou révèlent de nouvelles options en fonction des choix de l’utilisateur.

Niveaux d’autonomie

Agents entièrement autonomes comme Browser-Use, Skyvern et Agent-E acceptent des objectifs de haut niveau (« trouve le vol Paris le moins cher ») et planifient leurs propres étapes de navigation. Ils s’adaptent aux éléments inattendus comme les bannières de cookies ou les captchas. Cependant, chaque décision nécessite un appel LLM, ce qui augmente à la fois le coût et le temps de réponse.

Outils de guidage étape par étape comme LaVague et ZeroStep exécutent des commandes spécifiques (« clique sur le bouton de recherche », « entre du texte dans le champ 2 »). Exécution plus rapide puisqu’ils évitent la surcharge de planification. Mais si un site reconçoit sa mise en page, vous devez mettre à jour les instructions manuellement.

Frameworks de codage manuel comme Playwright et Selenium nécessitent un code explicite pour chaque clic, remplissage de formulaire et navigation. Les tests s’exécutent de manière identique à chaque fois jusqu’à ce que le site change un ID d’élément ou un nom de classe. Ensuite, les sélecteurs cassent et vous réécrivez le code.

Comment ils interprètent les pages

Traitement basé sur la vision : Skyvern 2.0, WebVoyager et VimGPT capturent des captures d’écran et les envoient à des modèles de vision comme GPT-4V. Ils identifient les boutons et les formulaires en regardant la page rendue.

Skyvern 2.0 utilise en fait une boucle planificateur-acteur-validateur. Le planificateur décompose les tâches complexes en sous-objectifs plus petits, l’acteur les exécute, et le validateur confirme si chaque objectif a réussi. Cette approche en trois phases a aidé Skyvern à passer de 45% (version à invite unique) à 68,7% (avec le planificateur) puis à 85,85% (avec le validateur vérifiant si les actions ont réellement fonctionné).

Le traitement par vision fonctionne sur les sites lourds en JavaScript où le DOM se reconstruit après le chargement de la page. Mais GPT-4V facture par token d’image, ce qui rend chaque vue de page 10 à 20x plus chère que la lecture du HTML. Les modèles de vision ajoutent également 2-3 secondes par page par rapport à l’analyse du DOM.

Analyse du DOM : Browser-Use et Agent-E lisent directement le HTML de la page. Ils scannent le code à la recherche d’éléments cliquables, de champs de saisie et de liens de navigation.

Agent-E utilise la « distillation DOM » pour réduire les pages complexes aux éléments essentiels, ainsi que la « récolte de compétences » pour mémoriser et réutiliser les modèles d’interaction réussis. Il a battu l’agent multimodal WebVoyager (qui utilise la vision) sur des sites comme Huggingface, Apple et Amazon en utilisant uniquement du texte. Mais la planification d’Agent-E se désynchronise lorsque les sites web révèlent dynamiquement de nouvelles options – comme des menus déroulants qui changent en fonction de vos sélections.

L’analyse du DOM coûte moins cher et s’exécute plus rapidement. La précision de 89,1% de Browser-Use provient en partie de l’intégration LangChain et de la mise à jour des invites, pas seulement de l’absence d’appels de vision. Mais les approches DOM peinent lorsque les sites utilisent le shadow DOM, des noms de classe obscurcis ou une manipulation JavaScript lourde.

Approche combinée : LiteWebAgent et AutoWebGLM analysent le DOM pour la structure, puis utilisent la vision pour vérifier ce que les utilisateurs voient réellement. Plus précis que le DOM seul, moins cher que la vision pure, mais vous exécutez deux systèmes par page.

Spécialisation

Auto-GPT et AgenticSeek gèrent la navigation web en plus des opérations sur les fichiers et de l’exécution de code. Ils manquent de fonctionnalités spécifiques au web comme la rotation de proxy et la gestion des cookies, ce qui limite leur efficacité sur les sites avec détection de bots.

Agent-E et WebVoyager ne font que de la navigation web. Agent-E a atteint 73,1% au total sur l’ensemble complet des 643 tâches WebVoyager, battant les 57,1% de l’agent multimodal WebVoyager. Bonnes performances sur des sites comme Wolfram (95,7%), Google Search (90,7%) et Google Maps (87,8%). Faible sur les sites dynamiques : seulement 27,3% sur Booking.com et 35,7% sur Google Flights où les menus déroulants et les champs de formulaire changent en fonction des sélections de l’utilisateur.

Crawl4AI et FireCrawl extraient des données et convertissent les pages en Markdown ou JSON. Ils ne remplissent pas de formulaires et ne cliquent pas à travers des flux de travail. Utilisez-les lorsque vous avez besoin de contenu dans un format structuré, pas lorsque vous devez accomplir des tâches en plusieurs étapes.

Playwright et Selenium automatisent les tests de navigateur. Ils produisent des résultats identiques d’une exécution à l’autre, ce qui est essentiel pour les tests de régression. Mais ce déterminisme signifie qu’ils ne peuvent pas s’adapter. Lorsqu’un site change, votre suite de tests casse.

Options de déploiement

Exécution locale : AgenticSeek, Nanobrowser et OpenInterpreter s’exécutent sur votre machine. Vos données de navigation restent locales et vous évitez les coûts d’API. Mais une station de travail typique gère 5-10 instances de navigateur simultanément avant que le CPU/RAM ne soit saturé.

API cloud : Browserless fournit des instances Chrome distantes via REST ou WebSocket. Vous pouvez lancer des centaines de sessions parallèles avec une rotation automatique des proxys. Chaque requête ajoute 100-300ms de latence par rapport aux navigateurs locaux, et votre trafic passe par leurs serveurs à moins que vous ne vous auto-hébergiez avec Docker.

Déploiement flexible : Skyvern s’exécute localement pendant le développement, puis se déploie dans le cloud pour la production. Leur benchmark a en fait été exécuté dans Skyvern Cloud (pas sur des machines locales) pour tester les conditions réelles avec des navigateurs cloud asynchrones et des adresses IP réalistes. La plupart des benchmarks s’exécutent sur des IP locales sûres avec de bonnes empreintes de navigateur, ce qui ne correspond pas à la réalité de la production.

Modèles d’intégration

Le WebSurfer d’AutoGen nécessite l’adoption de tout le framework multi-agents de Microsoft. Vous obtenez une orchestration d’agents intégrée et une gestion de la mémoire, mais vous ne pouvez pas facilement l’intégrer avec des systèmes existants.

Browser-Use et Playwright fonctionnent comme des bibliothèques autonomes. Intégrez-les dans n’importe quel projet Python ou Node.js. Mais vous construirez votre propre coordination d’agents, gestion des erreurs et stockage des résultats.

Nanobrowser et BraveGPT s’installent comme des extensions Chrome. Aucune configuration de serveur requise, ajoutez au navigateur et démarrez. Ne peuvent pas monter en charge au-delà de quelques onglets simultanés, et ne s’intègrent pas avec les pipelines d’automatisation backend.

Considérations de production

Skyvern et Browserless incluent un support de proxy résidentiel, des mouvements de souris aléatoires et une rotation des empreintes de navigateur. Ces fonctionnalités empêchent les bannissements d’IP et les déclenchements de CAPTCHA sur les sites protégés.

WebVoyager et AutoWebGLM se concentrent sur les algorithmes de navigation. Agent-E a atteint 73,1% en utilisant une analyse DOM textuelle uniquement, battant l’approche multimodale de WebVoyager à 57,1%. Mais les sites de production avec Cloudflare ou DataDome bloqueront les agents sans une anti-détection appropriée.

Contexte important du benchmark : Browser-Use et Agent-E ont exécuté les tests localement avec des adresses IP sûres. Skyvern a spécifiquement exécuté ses tests dans une infrastructure cloud pour correspondre aux conditions réelles de production, où vous faites face à la détection de bots, au fingerprinting de navigateur et aux défis CAPTCHA. Les tests du benchmark eux-mêmes s’exécutent sur des sites coopératifs sans protection anti-bot agressive, donc les taux de réussite réels seront inférieurs à ce que ces chiffres suggèrent.

Sources des benchmarks

Browser-Use⁷
Skyvern 2.0⁸
Agent-E⁹
WebVoyager¹⁰

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.

Cem Dilmegani (2026) - "Meilleurs agents web open source 30+". Publié en ligne sur AIMultiple.com. Consulté le 25 Juin 2026, à : https://aimultiple.com/open-source-web-agents [Ressource en ligne]

Dilmegani, C. (2026, 25 Juin). Meilleurs agents web open source 30+. AIMultiple. https://aimultiple.com/open-source-web-agents

@misc{dilmegani2026,
  author = {Dilmegani, Cem},
  title  = {{Meilleurs agents web open source 30+}},
  year   = {2026},
  month  = jun,
  howpublished    = {\url{https://aimultiple.com/open-source-web-agents}},
  note   = {AIMultiple. Consulté le 25 Juin 2026}
}

Liens de référence

Clawdbot to Moltbot to OpenClaw: The AI agent generating buzz and fear globally

CNBC

OpenClaw, Moltbook and the future of AI agents | IBM

NVIDIA Debuts Nemotron 3 Family of Open Models | NVIDIA Newsroom

Huawei announces all intelligence strategy to promote deep AI integration across industries

Browser Use Parallel AI - The Future of Web Search

Browser Use

Best open-source web crawlers in 2026

Firecrawl

Browser Use = state of the art Web Agent

Browser Use

Skyvern Browser Agent 2.0: How We Reached State of the Art in Evals

Skyvern Blog

Our Agent-E SOTA Results on the WebVoyager Benchmark

10.

[2401.13919] WebVoyager: Building an End-to-End Web Agent with Large Multimodal Models

Cem Dilmegani

Analyste principal

Suivre

Cem est analyste principal chez AIMultiple depuis 2017. AIMultiple informe chaque mois des centaines de milliers d'entreprises (selon similarWeb), dont 55 % des entreprises du classement Fortune 500. Les travaux de Cem ont été cités par des publications internationales de premier plan telles que Business Insider, Forbes et le Washington Post, ainsi que par des entreprises mondiales comme Deloitte et HPE, des ONG comme le Forum économique mondial et des organisations supranationales comme la Commission européenne. Vous trouverez d'autres entreprises et ressources réputées ayant fait référence à AIMultiple. Tout au long de sa carrière, Cem a exercé les fonctions de consultant, d'acheteur et d'entrepreneur dans le secteur des technologies. 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 numérisation. Il a dirigé la stratégie technologique et les achats d'un opérateur télécom, sous la responsabilité directe du PDG. Il a également piloté la croissance commerciale de la société de deep tech Hypatos, qui a atteint un chiffre d'affaires annuel récurrent à sept chiffres et une valorisation à neuf chiffres en seulement deux ans. Les travaux de Cem chez Hypatos ont été présentés dans des publications technologiques de référence telles que TechCrunch et Business Insider. Cem intervient régulièrement lors de conférences internationales sur les technologies. Diplômé en génie informatique de l'université de Bogazici, il est également titulaire d'un MBA de la Columbia Business School.

Voir le profil complet