MARKETIA
ConnexionInscription
N2 · Un peu de bricolageNouveau

Pipelines de web scraping pilotés par IA en langage naturel (Scrapegraph-AI)

Décrivez les données à extraire en langage naturel, l'agent navigue et structure le résultat en JSON, sans sélecteurs CSS fragiles

Vendu par MagicMate

Ce qu'il faut

Niveau
N2 · Un peu de bricolage — Fonctionne dans un outil que vous avez déjà, mais demande des réglages (clé d'accès, options) avant d'être opérationnel.
Serveur requis
Non
Réglages requis
Oui
Licence
Projet tiers sous licence permissive (MIT) : utilisation, modification et redistribution permises selon ses termes, avec conservation des mentions de droit d'auteur et du texte de licence. Le texte de la licence d'origine, publié dans le dépôt source, fait foi.

Scrapegraph-AI est une bibliothèque Python qui transforme le web scraping en pipelines pilotés par IA : au lieu d'écrire des sélecteurs CSS fragiles, on décrit en langage naturel les données à extraire et un agent basé sur un LLM navigue la page et structure le résultat en JSON. Le projet précise lui-même qu'il est destiné à l'exploration de données et à la recherche (« data exploration and research purposes only ») : il n'est pas présenté comme un outil de veille tarifaire.

Limites et précautions : des issues ouvertes (relevées le 2026-10-17) décrivent des extractions fausses : #1120 (faux négatif confiant quand la réponse est sur une page liée), #1121 (modèle inconnu : repli à 8 192 jetons et troncature, avertissement seulement sur stderr), #1142 (entrée gonflée d'environ 74 fois selon le rapporteur). Le projet envoie une télémétrie anonyme dont l'opt-out (SCRAPEGRAPHAI_TELEMETRY_ENABLED=false) est signalé comme sans effet (#1118), et une faille SSRF (#1115) est signalée sans réponse visible du mainteneur. Installation : pip install scrapegraphai, puis playwright install. L'exemple principal du README fonctionne en local avec Ollama : une clé API de LLM n'est donc pas obligatoire.

Licence et attribution : Source : https://github.com/ScrapeGraphAI/Scrapegraph-ai. Licence : MIT (https://raw.githubusercontent.com/ScrapeGraphAI/Scrapegraph-ai/main/LICENSE). L'usage d'un modèle tel que llama3.2 via Ollama reste soumis à la licence de ce modèle. Tous droits conservés par ses auteurs ; cette fiche est une présentation rédigée par Marketia.

Critique Marketia

Verdict

Bibliothèque de scraping guidée par LLM, utilisable pour explorer des données, mais ni conçue ni présentée par son auteur pour une veille tarifaire fiable. À ne pas vendre comme telle.

Pour qui (PME française)

  • Un développeur qui prototype une extraction ponctuelle avec un LLM.
  • Pas pour une surveillance régulière de prix : aucune garantie d'exactitude, extractions fausses signalées, SSRF non corrigé si l'outil est exposé à des URL saisies par des utilisateurs.

Points forts prouvés

  • Licence MIT (LICENSE lu : « Copyright 2024 Scrapgraph-ai team » ; le fichier n'affiche pas de titre mais le texte correspond à la MIT).
  • Moteurs pris en charge : OpenAI, Groq, Azure, Gemini, MiniMax et modèles locaux via Ollama (README).
  • Activité : commits du 2026-10-06 (correctif d'un humain, release 2.3.1 par un bot de publication) ; seulement 7 issues ouvertes.

Limites et risques

  • Pas de release lue en dehors de celles automatiques « semantic-release » ; notre lecture des releases.atom : non faite.
  • Les points de sécurité ci-dessus sont rapportés par des tiers et non reproduits.
  • Le service API est payant, séparé (README : « the API service is paid »).
  • Robots.txt et aspects légaux : rien dans le README en dehors de l'avertissement de recherche.

Effort d'installation réel

Court (pip + playwright), plus long pour un modèle local correct. Estimation : une heure ; non mesuré.

Alternatives

  • Crawl4AI (critique agent-extraction-web-crawl4ai).
  • changedetection.io (critique pilote) pour surveiller une page précise.

Licence et attribution

Code MIT. Avertissement de licence : « Si Ollama llama3.2 est utilisé : licence Llama (conditions d'usage acceptable, seuil MAU, de mémoire non lu). Service API payant séparé. » La licence Llama n'a pas été relue ici.

Ce que nous n'avons pas testé

Aucune installation ni extraction réelle, aucune reproduction du SSRF ni de la télémétrie, aucune lecture du code, aucun test de suivi de prix.

Sources (lues le 2026-10-17)

Licence des modèles à vérifier

Licence du logiciel et licence des modèles sont distinctes. Ce produit ne fournit pas de modèle d'IA ; les modèles que vous choisissez de télécharger ou d'utiliser (par exemple Llama, Gemma, Qwen, Mistral) sont soumis à leurs propres conditions, qui peuvent comporter des restrictions d'usage commercial, des seuils d'utilisateurs, une politique d'usage acceptable et une obligation d'attribution. Il vous appartient de les lire avant tout usage professionnel.

Aller plus loin