Qu’est-ce que ScrapeGraphAI ?
ScrapeGraphAI remplace les sélecteurs CSS par un modèle de langage. Vous lui donnez une URL (ou un fichier HTML, XML, JSON ou Markdown local) et un prompt en anglais simple, et un pipeline d'étapes, qu'il appelle un graphe, récupère la page avec Playwright et demande à un LLM de renvoyer les champs en JSON. Des graphes prêts à l'emploi couvrent une page, plusieurs pages, les meilleurs résultats de recherche et la génération d'un scraper Python réutilisable.
Il fonctionne avec des modèles hébergés d'OpenAI, Groq, Azure, Gemini, MiniMax et d'autres, ou avec des modèles locaux via Ollama, et s'intègre avec LangChain, LlamaIndex, CrewAI, Agno et des outils low-code. Un serveur MCP est disponible.
La bibliothèque est sous licence MIT et envoie de la télémétrie par défaut ; dans le code actuel, cela inclut le prompt, le schéma, le contenu de la page, la réponse du modèle et l'URL de chaque exécution. La même entreprise vend une API hébergée avec proxys et gestion anti-bot, d'un palier gratuit à 500 $ par mois.
Combien coûte ScrapeGraphAI ?
| Offre | Prix | Ce qui est inclus |
|---|---|---|
| Library | Free | MIT ; vous payez les tokens LLM |
| Hosted API | $20, $100 or $500 a month | Après 500 crédits gratuits ponctuels |
| Enterprise | Custom |
Bibliothèque gratuite sous MIT ; vous payez les tokens LLM. API hébergée : 500 crédits gratuits ponctuels, puis 20 $, 100 $ ou 500 $ par mois ; Enterprise sur mesure.
ScrapeGraphAI vaut-il le coup ?
ScrapeGraphAI résout l'extraction, pas le crawling, et sa télémétrie par défaut est la première chose qu'une équipe devrait changer. En lisant telemetry.py dans la v2.3.1, chaque exécution réussie avec un schéma poste le prompt utilisateur, le schéma JSON, le contenu de la page scrapée, la réponse du modèle et l'URL vers un endpoint de traçage hébergé sur Render. Le README décrit cela comme des métriques d'usage anonymes ; c'est plus proche d'une copie du travail. Régler SCRAPEGRAPHAI_TELEMETRY_ENABLED=false l'arrête.
L'extraction elle-même est l'attrait. Les graphes pilotés par prompt survivent aux refontes de site qui cassent les scrapers à base de sélecteurs, et échanger un modèle hébergé pour un modèle Ollama local est un changement de config d'une ligne. Le projet a environ 32 200 étoiles GitHub, huit issues ouvertes et une version environ toutes les deux à trois semaines, la plus récente v2.3.1 le 6 octobre 2026.
Le coût évolue avec les pages. Dans la bibliothèque, chaque page est un appel de modèle ; sur l'API hébergée, une requête Extract coûte 5 crédits, si bien que les 100 000 crédits de l'offre Growth à 100 $ achètent environ 20 000 extractions, soit un demi-cent chacune. Parce qu'un modèle de langage lit chaque page, il peut inventer ou remodeler un champ qui n'a jamais existé, si bien que les sorties ont besoin d'une validation de schéma.
La bibliothèque open source n'a pas de réseau de proxys ni de couche anti-bot ; les sites protégés échouent sauf si vous apportez des proxys, et l'API hébergée réserve la rotation de proxys à Growth et au-dessus. Pour transformer des sites entiers en Markdown pour un index RAG, Crawl4AI ou Firecrawl est plus rapide et moins cher, parce qu'ils n'ont pas besoin d'un modèle pour lire chaque page.
Là où il fait la différence
Un ingénieur données dans une start-up de comparaison de prix
Tirer les champs prix, stock et spécifications de 300 pages de détaillants qui changent souvent de disposition
Un SmartScraperGraph par page avec un schéma Pydantic remplace les sélecteurs fragiles. Chaque page coûte un appel de modèle, si bien qu'un petit modèle hébergé ou Ollama local garde la facture basse, et la télémétrie devrait être désactivée d'abord.
Un analyste des opérations de vente dans une entreprise B2B de 50 personnes
Construire une liste de contacts à partir de quelques centaines de sites web d'entreprises
L'endpoint Extract de l'API hébergée à 5 crédits par page tient dans les 10 000 crédits de l'offre Starter à 20 $ pour environ 2 000 pages par mois, sans infrastructure à faire tourner.
Un développeur dans une équipe réglementée
Extraire des champs de rapports HTML internes sans que les données quittent le réseau
La bibliothèque avec un modèle Ollama local et SCRAPEGRAPHAI_TELEMETRY_ENABLED=false garde tout sur site ; sans ce flag, le contenu de la page va à l'endpoint des mainteneurs.
Avant de vous engager
- Mise en route
- pip install scrapegraphai, puis playwright install pour le navigateur headless ; une première extraction fait une douzaine de lignes de Python avec une clé d'API ou un modèle Ollama tiré localement.
- Intégrations
- Modèles OpenAI, Groq, Azure, Gemini, MiniMax et Ollama ; LangChain, LlamaIndex, CrewAI et Agno ; Zapier, Pipedream et Bubble pour l'API hébergée ; un serveur MCP.
- Données et confidentialité
- Licence MIT. La télémétrie est activée par défaut et, selon le code source, envoie le prompt, le schéma, le contenu de la page, la réponse LLM et l'URL ; désactivez-la avec SCRAPEGRAPHAI_TELEMETRY_ENABLED=false. Pas d'avis de sécurité GitHub publiés. La page de tarification de l'API hébergée dit « All requests are SOC 2 Type II compliant » ; les conditions de rétention et d'entraînement n'y sont pas.
- Coût à grande échelle
- Auto-hébergé, le coût est les tokens de modèle par page plus vos propres proxys. Hébergé : Starter 20 $ pour 10 000 crédits, Growth 100 $ pour 100 000, Pro 500 $ pour 750 000 ; Extract est à 5 crédits par page et le mode furtif en ajoute 5.
- Limites
- Les limites de débit hébergées vont de 10 requêtes par minute sur Free à 5 000 sur Pro. La bibliothèque manque de crawling à l'échelle, de rotation de proxys et de gestion anti-bot, que Firecrawl et Crawl4AI couvrent mieux.
Les points forts
- Extraction basée sur le prompt qui survit aux changements de disposition
- Tourne entièrement en local avec les modèles Ollama
- Licence MIT et versions fréquentes
- API hébergée avec un prix de crédit par requête clair
Les points faibles
- La télémétrie par défaut envoie les prompts, le contenu des pages et les réponses
- Un appel de modèle sur chaque page
- Peut halluciner des champs sans validation de schéma
- Pas de proxys ni d'anti-bot dans la bibliothèque
Idéal pour
Les développeurs qui extraient des champs typés d'un nombre modeste de pages web variées.
Alternatives à ScrapeGraphAI
ScrapeGraphAI : questions fréquentes
- ScrapeGraphAI vaut-il le coup ?
- Bon pour tirer quelques champs typés de pages désordonnées, mais il envoie votre contenu scrapé à ses créateurs par défaut et paie un appel de modèle pour chaque page. Nous lui donnons 3.6 sur 5.
- Combien coûte ScrapeGraphAI ?
- Bibliothèque gratuite sous MIT ; vous payez les tokens LLM. API hébergée : 500 crédits gratuits ponctuels, puis 20 $, 100 $ ou 500 $ par mois ; Enterprise sur mesure.
- Quels sont les inconvénients de ScrapeGraphAI ?
- La télémétrie par défaut envoie les prompts, le contenu des pages et les réponses; un appel de modèle sur chaque page; peut halluciner des champs sans validation de schéma; pas de proxys ni d'anti-bot dans la bibliothèque.
- À qui s’adresse ScrapeGraphAI ?
- Les développeurs qui extraient des champs typés d'un nombre modeste de pages web variées.
- Combien coûte ScrapeGraphAI pour une équipe ou en production ?
- Auto-hébergé, le coût est les tokens de modèle par page plus vos propres proxys. Hébergé : Starter 20 $ pour 10 000 crédits, Growth 100 $ pour 100 000, Pro 500 $ pour 750 000 ; Extract est à 5 crédits par page et le mode furtif en ajoute 5.
- ScrapeGraphAI est-il sûr pour les données de l’entreprise ?
- Licence MIT. La télémétrie est activée par défaut et, selon le code source, envoie le prompt, le schéma, le contenu de la page, la réponse LLM et l'URL ; désactivez-la avec SCRAPEGRAPHAI_TELEMETRY_ENABLED=false. Pas d'avis de sécurité GitHub publiés. La page de tarification de l'API hébergée dit « All requests are SOC 2 Type II compliant » ; les conditions de rétention et d'entraînement n'y sont pas.
- Quelles sont les meilleures alternatives à ScrapeGraphAI ?
- Les alternatives les plus proches que nous avons testées sont Crawl4AI et Firecrawl.
Réponses vérifiées le 26 oct. 2026.