Skyvern : automatiser la navigation web avec un agent IA

En bref

Skyvern est un agent web autonome qui pilote un navigateur réel grâce à la vision IA et un LLM, sans écrire le moindre sélecteur CSS.

Il convient particulièrement aux tâches répétitives sur des interfaces qui changent souvent : portails fournisseurs, formulaires administratifs, extraction de factures.

Deux modes de déploiement : cloud géré (plan gratuit disponible, 29 $/mois en Hobby selon l’éditeur) ou self-hosted pour les contraintes RGPD.

Principale limite : une latence de 5 à 30 secondes par action, qui le rend inadapté aux très forts volumes.

Un script Playwright qui fonctionnait parfaitement lundi matin casse le vendredi après-midi parce qu’un bouton a changé de classe CSS. C’est le quotidien de nombreuses équipes qui ont tenté d’automatiser la navigation web avec des outils classiques. Skyvern part de ce constat pour proposer une approche fondamentalement différente : plutôt que de cartographier des sélecteurs fragiles, un agent web autonome lit la page comme un humain, comprend sa structure en temps réel et agit en conséquence. Pour les structures sans développeur dédié qui subissent ces pannes à répétition, c’est une promesse très concrète. L’outil est open source, disponible en cloud géré ou en auto-hébergement, et déjà utilisé en production pour des tâches administratives récurrentes.

Ce que Skyvern automatise concrètement

Formulaires, portails, extraction de données : les trois piliers

Sur le terrain, trois familles de tâches reviennent le plus fréquemment chez les clients que nous accompagnons.

Remplissage de formulaires : demandes de devis sur des portails fournisseurs, inscriptions à des services tiers, saisies dans des ERP sans API. La plupart de ces interfaces changent régulièrement, ce qui brise les scripts conventionnels tous les deux ou trois mois.

Navigation dans des espaces authentifiés : connexion à un portail partenaire, téléchargement de factures, consultation d’états de commande. Ce type de navigation implique de gérer des sessions, des cookies, parfois des authentifications à deux facteurs. L’outil prend en charge ces flux de façon native.

Extraction de données non structurées : récupérer le contenu d’une page de résultats, compiler des informations sur un catalogue produit, surveiller des prix en l’absence d’API disponible. Dans ce dernier cas, le robot de navigation web devient souvent la seule option praticable.

Un workflow administratif courant, comme l’extraction de factures sur trois portails fournisseurs différents et leur consolidation dans un tableur, peut représenter une à deux heures de saisie manuelle hebdomadaire. L’automatisation web de ce flux ramène ce temps à quelques minutes de supervision.

Ce que l’outil ne remplace pas (encore)

Les interactions qui exigent une prise de décision complexe (arbitrer entre plusieurs propositions commerciales, interpréter un contrat) restent hors de portée. Les interfaces très dynamiques construites en React avec des états multiples posent encore des difficultés à l’agent. Et si votre processus nécessite d’agir sur des milliers de pages par heure, la latence actuelle n’est pas compatible avec ce niveau de volume.

Le moteur : vision IA et LLM combinés en temps réel

L’architecture repose sur trois couches. Playwright contrôle le navigateur (ouvrir une URL, cliquer, remplir un champ, faire défiler la page). Un modèle de vision, de la classe GPT-4o, capture la page sous forme d’image et en identifie les éléments interactifs sans lire le DOM directement. Un LLM reçoit ensuite la description de la page et l’objectif à atteindre, puis génère le plan d’actions étape par étape.

Cette combinaison change la robustesse du système. Un script Playwright conventionnel cible button.submit-primary : si le développeur frontend renomme cette classe en btn-cta, le script plante. Avec une approche basée sur la vision, l’agent voit un bouton bleu avec le texte « Valider ma commande » et sait quoi faire, quelle que soit la classe CSS sous-jacente.

Selon les retours de la communauté GitHub (le projet dépasse 12 000 étoiles début 2026), environ 30 à 40 % des scripts Playwright conventionnels sont cassés lors d’un changement de template UI significatif. L’automatisation sans sélecteur réduit ce risque à presque zéro, au prix d’une latence supérieure par action.

Skyvern cloud ou self-hosted : ce qui change en pratique

Le choix entre les deux modes de déploiement conditionne la facilité de mise en route autant que la confidentialité des données traitées.

La version cloud, accessible sur skyvern.com, inclut la résolution de CAPTCHA, la gestion de proxies rotatifs et une interface visuelle pour superviser les tâches. Le plan gratuit offre 5 000 crédits mensuels selon l’éditeur, suffisants pour tester des workflows réels. Le plan Hobby est facturé 29 $/mois. L’intégration se fait via API REST, ce qui permet de l’appeler depuis un outil d’orchestration comme n8n ou Make pour piloter des workflows plus complexes.

La version open source répond à un besoin différent : les données ne quittent jamais votre infrastructure, ce qui est souvent non-négociable pour les PME françaises traitant des données clients ou des informations contractuelles. La contrepartie : vous gérez vous-même le LLM (via une clé OpenAI ou un modèle local), l’infrastructure Docker et la configuration des proxies. Le temps de mise en route est significativement plus long.

Plan gratuit : ce qu’on peut valider sans débourser un centime

Avec 5 000 crédits mensuels, vous pouvez raisonnablement automatiser entre 50 et 200 tâches simples selon la complexité des pages, connexions à un portail, téléchargements de documents, soumissions de formulaires. C’est suffisant pour valider un cas d’usage métier avant tout engagement financier.

Skyvern face à Browser-use, Playwright et Make : quel outil pour quel besoin ?

Choisir le bon outil dépend de trois facteurs : votre niveau de compétence technique, la fréquence des tâches et la stabilité des interfaces ciblées.

Quelques repères pratiques. Optez pour Playwright si vos interfaces cibles sont stables, votre équipe a des compétences dev et vous traitez des volumes élevés : c’est le choix le plus rapide et le moins coûteux sur des cas simples et prévisibles. Browser-use convient aux flux peu fréquents sur des sites relativement stables, avec une empreinte légère et une intégration Python directe. Choisissez Skyvern si les interfaces changent souvent, si vous avez besoin de la résolution de CAPTCHA, ou si votre équipe ne dispose pas de développeur disponible pour maintenir des scripts. Make ou n8n restent pertinents pour les intégrations entre outils avec API, et peuvent appeler le navigateur piloté par IA via son endpoint REST quand une étape de navigation web s’insère dans un workflow plus large.

Les limites à connaître avant de déployer en 2026

L’outil est sérieux, mais ce serait lui rendre un mauvais service que de taire ses contraintes réelles.

La latence par action est la première à intégrer dans votre calcul : chaque étape de navigation prend entre 5 et 30 secondes selon la complexité de la page. Pour un formulaire de 10 champs, comptez 2 à 5 minutes de traitement. Acceptable pour des tâches ponctuelles, beaucoup moins pour plusieurs centaines d’actions par heure.

Le coût en tokens LLM grimpe avec la complexité. Chaque action sollicite un modèle de vision et un LLM : sur de forts volumes, la facture peut dépasser le coût de maintenance d’un script Playwright classique. Il faut calculer le point d’équilibre selon votre cas précis.

La fiabilité sur les SPA React très dynamiques reste imparfaite. Les transitions animées, les chargements asynchrones et les états conditionnels complexes peuvent désorienter l’agent. Les pages relativement statiques et les formulaires en plusieurs étapes linéaires sont les cas où l’outil excelle.

Côté confidentialité, la version cloud implique que les captures d’écran des pages (et donc les données qui s’y affichent) transitent par les serveurs de l’éditeur. Pour des données personnelles au sens du RGPD, la version self-hosted s’impose. Le projet, lancé via YCombinator en 2024, connaît une montée en puissance nette en 2025-2026 selon l’activité de la communauté open source : il est production-ready sur des cas ciblés, mais encore en phase d’adoption entreprise.

Ce qu’il faut retenir

L’outil répond à un vrai problème : les scripts d’automatisation web classiques cassent dès qu’une interface évolue. Pour les structures sans équipe dev dédiée, le navigateur piloté par IA représente une alternative viable sur les tâches administratives répétitives. Le cloud est le point d’entrée le plus accessible ; la version self-hosted convient aux environnements RGPD contraints. Le critère de choix décisif reste le ratio fréquence et volume : en dessous d’un certain seuil, la latence et le coût en tokens sont acceptables. Au-delà, un script classique reste plus rapide et moins cher.