Meilleurs 30+ Agents Web Open Source
Nous avons testé 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, pour mesurer quels outils accomplissent réellement des tâches web en plusieurs étapes et lesquels échouent lorsque les sites utilisent des menus déroulants dynamiques ou des mises en page lourdes en JavaScript.
Agents Web Open Source : Étoiles GitHub
Voir les sources des benchmarks.
Benchmark WebVoyager : Méthodologie
Agents testés
Nous avons inclus les agents qui répondaient à trois critères : code source ouvert, un score rapporté sur le benchmark WebVoyager provenant de la propre évaluation publiée de l'agent, et une maintenance active (dernier commit dans les 6 mois avant 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, jeu de données complet de 643 tâches
- WebVoyager : référence multimodale originale, hybride GPT-4V + DOM
Les agents répertoriés 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 réexécuté 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 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 sécurisées. 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 avec des réponses invalides, et a mis à jour les dates 2023/2024 dans les tâches de voyage en 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 le jeu de données complet de 643 tâches sans modifications. A utilisé uniquement l'analyse du DOM, pas de modèles de vision. La comparaison de référence était l'agent WebVoyager original, pas GPT-4o.
WebVoyager (original) a testé le jeu de données complet en utilisant des captures d'écran GPT-4V plus le DOM. Sert de référence multimodale que Agent-E a surpassée en utilisant du texte uniquement.
Notation
L'achèvement des tâches est binaire : l'agent accomplit la tâche complète en plusieurs étapes ou non. Aucun crédit partiel n'est accordé. Une tâche est marquée comme terminée uniquement lorsque le résultat final attendu (un prix, une confirmation de réservation, un résultat de recherche) correspond à la vérité terrain.
Le taux de réussite est indiqué comme : tasks completed / tasks attempted × 100
Lorsque des équipes ont retiré des tâches du jeu de données, le dénominateur reflète leur ensemble réduit, pas les 643 originaux.
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 production. Les taux de réussite réels sur des sites de production protégés seront inférieurs aux scores de benchmark 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 avec 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 bas 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, d'autres ont mis à jour les dates, introduisant une incohérence.
Écart local vs cloud : Browser-Use et Agent-E ont testé localement (IP sécurisées, pas de détection de bots). 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.
Aucune donnée de coût ou de latence : Le benchmark mesure uniquement l'achèvement des tâches. Le coût par tâche et le temps moyen d'achèvement ne sont pas capturés dans les scores WebVoyager, bien qu'ils soient importants pour les décisions de déploiement en production.
Capture instantanée statique : Les scores reflètent les versions des agents et les états des sites web au moment du test. Les deux changent fréquemment ; une refonte de site ou une mise à jour d'agent peut modifier les résultats de manière significative.
Mises à jour majeures récentes
Crise de sécurité : Distribution de malwares OpenClaw
Plus de 400 « compétences » malveillantes ont été téléversées sur ClawHub (le marketplace d'OpenClaw) entre fin janvier et début février, distribuant des malwares voleurs d'identifiants.1 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 open source d'IA à la croissance la plus rapide. Fonctionne localement, s'intègre aux plateformes de messagerie et utilise le Model Context Protocol pour 100+ services.2 Cloudflare a publié le middleware Moltworker pour soutenir son infrastructure.3
Moltbook : Réseau social d'agents IA
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 tandis que les humains observent.4
Standardisation du Model Context Protocol
MCP est devenu le protocole dominant pour l'intégration agent-outil, avec plus de 100 serveurs disponibles. La gestion et la gouvernance sont désormais essentielles 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. Inclut NeMo Gym et le jeu de données Agentic Safety sur GitHub et Hugging Face.5
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 Polyvalents
OpenClaw (anciennement Moltbot/Clawdbot) : Exécutez-le sur votre machine locale pour automatiser des tâches dans 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 l'ensemble du flux de travail. Utilise le Model Context Protocol pour se connecter à plus de 100 services sans appels API cloud.
Qui l'utilise : Les adopteurs précoces prêts à gérer les risques de sécurité pour l'automatisation locale. Les utilisateurs qui souhaitent des interfaces conversationnelles pour les flux de travail de bureau.
Limitations :
- Vulnérabilités de sécurité majeures dans l'écosystème de compétences (400+ paquets malveillants en une semaine)
- Toujours 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 s'occupe des clics et de la collecte de données. Basé sur Python, fonctionne entièrement en auto-hébergement.
Qui l'utilise : Les utilisateurs soucieux de la confidentialité qui ne partageront pas leurs données de navigation. Les organisations ayant des exigences de résidence des données.
Limitations :
- Limité à la concurrence sur une seule machine (5-10 instances de navigateur)
- Pas de rotation de proxy intégrée ni de fonctionnalités anti-détection
- 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 navigateur ou la ligne de commande. Lorsque vous attribuez une tâche comme « recherche les prix des concurrents et enregistre-les dans une feuille de calcul », il détermine les sites web à visiter, les données à récupérer et comment organiser le résultat.
Qui l'utilise : Les développeurs créant des workflows d'automatisation personnalisés. Les utilisateurs à l'aise avec les outils en ligne de commande.
Limitations :
- Manque de fonctionnalités spécifiques au web comme la rotation de proxy et la gestion des cookies
- Pas d'évitement de détection de bots intégré (les sites avec Cloudflare le bloqueront)
- Gourmand en ressources (lance plusieurs instances de navigateur)
- Nécessite une ingénierie de prompt manuelle 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 souhaitez accomplir. Peut être auto-hébergée si vous ne souhaitez pas utiliser leur version hébergée.
Qui l'utilise : Les utilisateurs non techniques qui ont besoin d'une automatisation simple. Les équipes souhaitant des configurations d'agents partagées.
Limitations :
- Personnalisation limitée par rapport aux solutions codées
- Goulots d'étranglement des performances sur les tâches complexes en plusieurs étapes
- La version hébergée envoie les données à leurs serveurs (auto-hébergement 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 workflows courants. Étendez-le avec votre propre logique. Gère l'automatisation du navigateur comme un composant de workflows plus larges. Déployez localement ou poussez vers une infrastructure cloud.
Qui l'utilise : Les équipes de développement construisant des systèmes d'agents en production. Les organisations ayant besoin de frameworks d'automatisation personnalisables.
Limitations :
- 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'utilisation)
- Lacunes dans la documentation pour les fonctionnalités avancées
- Le développement actif signifie des changements cassants entre les versions
Nanobrowser : Approche d'extension Chrome, installez-la, puis contrôlez les agents depuis la barre d'outils de votre navigateur. Idéal pour les tâches rapides comme « extrais tous les e-mails de cette page » ou « remplis ce formulaire avec les données de ma feuille de calcul ».
Qui l'utilise : Les utilisateurs occasionnels ayant besoin d'une automatisation de navigateur occasionnelle. Les utilisateurs qui ne configureront pas de serveurs ou d'environnements Python.
Limitations :
- Ne peut pas évoluer au-delà de quelques onglets (pas de traitement simultané)
- Pas d'intégration avec les pipelines d'automatisation backend
- Limité au navigateur Chrome
- Les autorisations 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 fait passer l'accent des outils pour développeurs amateurs à un déploiement d'agents de qualité commerciale avec des modules intégrés pour les paiements et l'authentification.6
Qui l'utilise : Les utilisateurs exécutant des tâches de surveillance de longue durée. Les développeurs construisant des systèmes de notification automatisés.
Limitations :
- Nécessite la configuration de 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 une confusion dans la documentation
Agents d'Utilisation d'Ordinateur
Automatisation de bureau qui contrôle les navigateurs comme une partie de workflows informatiques plus larges.
OpenInterpreter : Agent basé sur le terminal qui exécute du code Python, JavaScript et des scripts 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 à l'accès au système de fichiers et au traitement des données.
Qui l'utilise : Les développeurs à l'aise avec les interfaces de terminal. Les data scientists combinant le web scraping avec des workflows d'analyse.
Quand cela a du sens : Vous avez besoin d'une automatisation qui couvre la navigation web et le calcul local. Vous voulez inspecter et modifier le code généré avant l'exécution. Vos workflows impliquent une transformation des données après la collecte.
Limitations :
- Interface 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 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. Construit pour tester de nouvelles approches d'automatisation de bureau, pas pour une utilisation en 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 d'interface graphique.
Limitations :
- Pas prêt pour la production (prototype de recherche)
- Latence élevée (le traitement du modèle de vision prend 2 à 3 secondes par action)
- Coûteux (GPT-4V facture par token d'image)
- Pas de récupération d'erreur ni 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 navigateur basées sur la vision. Claude voit l'écran de votre navigateur, décide sur quoi cliquer et exécute l'action. Fonctionne comme une extension Chrome plus un serveur local.
Qui l'utilise : Les utilisateurs de Claude souhaitant un contrôle du navigateur. Les développeurs construisant des systèmes d'automatisation basés sur MCP.
Quand cela a du sens : Vous utilisez déjà Claude et voulez ajouter l'automatisation du navigateur. Vous préférez le contrôle conversationnel aux APIs programmatiques. L'interaction basée sur la vision est requise pour les mises en page complexes.
Limitations :
- Nécessite l'accès à l'API de Claude (non disponible dans toutes les régions)
- Les coûts du modèle de vision s'accumulent rapidement
- Latence plus élevée que celle des 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 d'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-threadées. 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.7
Qui l'utilise : Les équipes utilisant déjà le framework Browser-Use. Les organisations souhaitant des workflows d'approbation pour les actions des agents.
Quand cela a du sens : Vous avez besoin d'une navigation autonome avec supervision humaine. Vos workflows exigent de la vitesse (exécution multi-threadée). Vous construisez sur l'écosystème Browser-Use.
Limitations :
- Nécessite l'installation du framework Browser-Use
- Le mode d'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 en un produit grand public. Disponible en téléchargement ; plus limité à l'aperçu de recherche. Propriétaire, inclus ici pour comparaison avec les alternatives open source.
Agents de Navigation Web
Se concentrent spécifiquement sur les workflows de sites web en plusieurs étapes.
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 schémas réussis. A obtenu 73,1% sur le benchmark WebVoyager en utilisant du texte pur, sans modèles de vision.
Qui l'utilise : Les organisations qui privilégient le coût à la précision. Les développeurs construisant 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 réduits.
Limitations :
- Pas de récupération d'erreur intégrée lorsque la structure du DOM change de manière inattendue
- Pénalise avec les formulaires dynamiques où les menus déroulants révèlent de nouvelles options en fonction des sélections
- Les performances chutent significativement sur les sites riches en JavaScript
- Mauvais résultats sur les sites de réservation
AutoWebGLM : Simplifie le HTML avant de le fournir 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. Fonctionne en auto-hébergement via Python.
Qui l'utilise : Les équipes de recherche explorant l'automatisation web basée sur le RL. 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 workflows sont suffisamment répétitifs pour bénéficier de l'optimisation RL. Vous avez une infrastructure Python ML.
Limitations :
- Documentation et support communautaire limités
- Nécessite une phase d'entraînement avant le déploiement (pas prêt à l'emploi)
- Nécessite un nombre significatif d'exemples pour apprendre des politiques efficaces
- Se casse lorsque les sites web redessinent leurs mises en page
Agents de Navigation Basés sur la Vision
Combinent des captures d'écran avec une analyse de texte pour interpréter la disposition visuelle de la page.
Extension Autogen WebSurfer : Branchez-vous sur le 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 tandis 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.
Limitations réelles :
- Exemples et projets communautaires limités
- Nécessite l'adoption de l'ensemble du framework AutoGen (ne peut pas être utilisé seul)
- Le surcoût du framework n'en vaut pas la peine pour les 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 riches 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 géré.
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 avec l'analyse du DOM dans une approche hybride. A obtenu 57,1% sur le jeu de données complet de 643 tâches, la référence par rapport à laquelle les agents ultérieurs se mesurent. Pas activement maintenu comme outil de production ; sa valeur réside en tant que référence de recherche et point d'origine du benchmark.
Qui l'utilise : Les organisations ayant besoin d'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 de JavaScript et des mises en page dynamiques. Vous avez besoin de 85%+ de précision. Vous pouvez vous permettre des coûts 10-20x plus élevés que l'analyse du DOM. Vos workflows justifient une infrastructure cloud.
Limitations :
- 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 du 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 bots
LiteWebAgent : Modèle de langage visuel avec mémoire et planification qui contrôle Chrome via le protocole DevTools. Maintient le contexte entre les chargements de page, se souvenant de ce qu'il a vu sur les pages précédentes pour prendre des décisions de navigation. Framework Python, déploiement auto-hébergé.
Qui l'utilise : Les développeurs construisant des agents personnalisés basés sur la vision. Les équipes ayant besoin de mémoire inter-pages.
Quand cela a du sens : Vos workflows nécessitent de mémoriser des informations sur plusieurs pages. Vous avez besoin de capacités de vision mais voulez plus de contrôle que Skyvern. Vous pouvez maintenir une infrastructure Python ML.
Limitations :
- 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 bots
- Petite communauté (moins d'exemples et d'intégrations que les alternatives)
Outils d'habilitation d'agents
Frameworks qui permettent aux LLMs ou aux utilisateurs d'envoyer des commandes aux navigateurs sans planification autonome des tâches.
Du langage naturel à l'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, fonctionne 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 de tests si vous utilisez déjà Playwright. Outil CLI Node.js.
Ponts LLM-Navigateur
Connectent directement les modèles de langage aux contrôles du navigateur.
Browser-Use : Prend le DOM désordonné et le restructure pour les LLMs. 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 d'infrastructure. Chaque navigateur fonctionne en mode headless, donc pas de surcoût 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 prompts au lieu de sélecteurs. Combine la fiabilité de Playwright avec la flexibilité des LLMs pour identifier les éléments. Nécessite l'installation de Node.js et Playwright.
Ajouter comme source préféréeKits d'outils d'automatisation web & scraping
Outils spécifiques à une tâche, 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 ce qu'il faut extraire, et elle s'occupe du reste. Inclut un backend pour la planification et le stockage des résultats.
Qui l'utilise : Les utilisateurs non techniques ayant besoin d'une extraction de données régulière. Les analystes métier extrayant des données dans des feuilles de calcul.
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.
Limitations :
- Chrome uniquement (pas de Firefox ni Safari)
- Se 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 clavier. Vous cherchez à comprendre les capacités des modèles de vision. Vous ne déployez pas d'automatisation en production.
Limitations :
- Expérimental uniquement (pas pratique pour un travail réel)
- Nécessite l'extension Vimium plus un backend Python
- Latence élevée (traitement visuel + génération de commandes)
- Coûteux (coûts GPT-4V par capture d'écran)
Scrapers et crawlers IA
Crawl4AI : Un crawler qui utilise des LLMs 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 aux bibliothèques de scraping standard.
Croissance récente : A atteint la première place sur GitHub trending et a dépassé les 58 000 étoiles. Optimisé pour l'intégration des LLMs avec une sortie markdown et un filtrage de contenu BM25. Choix populaire pour les pipelines RAG nécessitant un déploiement local-first.8
Qui l'utilise : Les développeurs construisant des systèmes RAG. Les équipes ayant besoin d'un support local des LLMs 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'utilisation implique le filtrage de contenu et le classement par pertinence.
Limitations :
- Nécessite un LLM exécuté localement ou via une 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 propre ou en JSON. Gère la navigation, le rendu JavaScript et l'extraction de contenu. Sortie structurée pour alimenter les fenêtres de contexte des LLMs. Bibliothèque Node.js ou CLI.
Qui l'utilise : Les développeurs d'applications LLM. Les équipes construisant des systèmes d'IA qui traitent le 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.
Limitations :
- Node.js uniquement (pas de bindings Python)
- Conversion Markdown opinionée (peut perdre le formatage dont vous avez besoin)
- Personnalisation limitée des règles d'extraction
- Pas de limitation de débit intégrée ni d'anti-détection
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 construisant des modèles GPT personnalisés. Les organisations créant 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.
Limitations :
- Format de sortie spécifique au fine-tuning GPT (pas polyvalent)
- Pas de mises à jour incrémentielles (réexplore 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 construisant 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 avez une infrastructure Python.
Limitations :
- 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 d'exemple. Montrez-lui une page avec les données que vous voulez, il déduit le modèle et l'applique à des pages similaires. Bibliothèque Python légère pour des tâches d'extraction simples.
Qui l'utilise : Les développeurs ayant besoin d'une extraction rapide sans écrire de sélecteurs XPath ou CSS. Les équipes prototypant des workflows de scraping.
Quand cela a du sens : Vos pages cibles suivent des schémas 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.
Limitations :
- Se casse lorsque les mises en page changent
- Limité aux structures de page similaires (ne peut pas généraliser à différents sites)
- Pas de support de 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 coordonnées. » 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 ayant besoin d'une extraction flexible sans écrire de règles. Les développeurs construisant 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.
Limitations :
- Coûteux (coûts d'API LLM par page)
- Plus lent que les scrapers basés sur des règles (latence de l'API)
- Peut extraire des données incorrectes si le prompt n'est pas clair
- Aucune garantie d'extraction cohérente des champs d'une page à l'autre
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 un 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 aux pages de recherche.
Frameworks de contrôle web pour développeurs
Bibliothèques de bas niveau pour le contrôle programmatique du navigateur.
Frameworks de test
Playwright : Automatisation multi-navigateur de Microsoft. Prend en charge Chromium, Firefox, WebKit. Attentes intégrées, interception réseau et émulation mobile. Disponible en JavaScript, Python, .NET et Java. Norme 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 de langage pour Python, Java, C#, Ruby, etc. 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 : Répertorié plus tôt comme pont LLM, mais fonctionne également comme une 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 le jeu de données complet. Browser-Use utilise une planification autonome des tâches avec l'intégration LangChain. Agent-E analyse directement la structure du DOM sans modèles de vision, ce qui est plus rapide mais pénalise lorsque les sites web 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 le moins cher pour Paris ») 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 car ils évitent la surcharge de planification. Mais si un site redessine sa mise en page, vous devez mettre à jour les instructions manuellement.
Frameworks de codage manuel comme Playwright et Selenium exigent 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 ou un nom de classe d'élément. Alors les sélecteurs se 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 objectifs plus petits, l'acteur les exécute, et le validateur confirme si chaque objectif a réussi. Cette approche en trois phases a permis à Skyvern de passer de 45% (version à prompt unique) à 68,7% (avec planificateur) puis à 85,85% (avec validateur vérifiant si les actions ont réellement fonctionné).
Le traitement de la vision fonctionne sur les sites riches 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 10-20x plus chère que la lecture du HTML. Les modèles de vision ajoutent également 2 à 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, plus la « Récolte de compétences » pour mémoriser et réutiliser les schémas d'interaction réussis. Il a surpassé 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 les 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 vient en partie de l'intégration LangChain et des prompts mis à jour, 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 ainsi que les opérations sur les fichiers et 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% globalement sur le jeu de données complet WebVoyager de 643 tâches, surpassant 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 dans les workflows. 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 se 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 simultanées avant que le CPU/RAM ne sature.
APIs cloud : Browserless fournit des instances Chrome distantes via REST ou WebSocket. Vous pouvez lancer des centaines de sessions parallèles avec rotation automatique des proxy. Chaque requête ajoute 100-300ms de latence par rapport aux navigateurs locaux, et votre trafic transite 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 sur le cloud pour la production. Leur benchmark a en fait été exécuté dans Skyvern Cloud (pas sur des machines locales) pour tester des conditions réelles avec des navigateurs cloud asynchrones et des adresses IP réalistes. La plupart des benchmarks s'exécutent sur des IP locales sécurisées avec de bonnes empreintes de navigateur, ce qui ne correspond pas à la réalité de la production.
Schémas d'intégration
Le WebSurfer d'AutoGen nécessite l'adoption de l'ensemble du framework multi-agents de Microsoft. Vous bénéficiez d'une orchestration d'agents et d'une gestion de la mémoire intégrées, mais vous ne pouvez pas l'intégrer facilement aux systèmes existants.
Browser-Use et Playwright fonctionnent comme des bibliothèques autonomes. Intégrez-les dans n'importe quel projet Python ou Node.js. Mais vous devrez construire 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 évoluer au-delà de quelques onglets simultanés, et ils ne s'intègrent pas aux pipelines d'automatisation backend.
Considérations de production
Skyvern et Browserless incluent le support de proxy résidentiels, des mouvements de souris aléatoires et la rotation des empreintes de navigateur. Ces fonctionnalités empêchent les bannissements IP et les déclencheurs 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 du DOM textuelle uniquement, surpassant l'approche multimodale de WebVoyager (57,1%). Mais les sites de production avec Cloudflare ou DataDome bloqueront les agents sans anti-détection appropriée.
Contexte de benchmark important : Browser-Use et Agent-E ont exécuté les tests localement avec des adresses IP sécurisées. Skyvern a spécifiquement exécuté ses tests dans une infrastructure cloud pour correspondre aux conditions de production réelles, où vous êtes confronté à la détection de bots, au fingerprinting de navigateur et aux défis CAPTCHA. Les tests de benchmark eux-mêmes s'exécutent sur des sites coopératifs sans protection anti-bot agressive, de sorte que les taux de réussite réels seront inférieurs à ce que ces chiffres suggèrent.
Sources des benchmarks
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},
title = {{Meilleurs 30+ Agents Web Open Source}},
year = {2026},
month = jun,
howpublished = {\url{https://aimultiple.com/open-source-web-agents}},
note = {AIMultiple. Consulté le 25 Juin 2026}
}Liens de référence
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.