La liste de prix du fournisseur de proxy est conçue de manière à ce que comparer les fournisseurs semble simple : un gigaoctet coûte 1 $, un autre 8 $ — la différence est donc multipliée par huit. En pratique, l'équipe qui a acheté un gigaoctet pour un dollar paie régulièrement plus pour les données collectées que celle qui a payé huit. La raison n'est pas dans le marketing ni dans des commissions cachées : le prix par gigaoctet n'est tout simplement pas l'unité dans laquelle votre tâche est mesurée. Vous n'achetez pas du trafic — vous achetez des enregistrements extraits avec succès, et entre ces deux quantités se trouve une chaîne de multiplicateurs qui est propre à chaque projet.
La facture ne vient pas pour ce que vous avez compté
Scène typique : vous prévoyez de collecter un million de fiches produits, vous avez prévu 200 Ko par page, vous obtenez les 200 Go calculés et un budget d'environ quinze cents dollars. Un mois plus tard, dans votre espace personnel — 900 Go et une facture trois fois plus élevée que le devis. Personne n'a été trompé : trois choses ont changé, qui n'étaient pas dans le calcul.
L'écart entre le prix et la facture se décompose toujours en les mêmes éléments. Il suffit de les examiner séparément — ensuite, la formule se mettra en place d'elle-même.
Trois multiplicateurs entre le prix et la facture
1. Quel est le poids réel de la page
Une estimation de « 200 Ko » est tirée de l'imagination et concerne le HTML brut. Le poids réel dépend de la manière dont vous récupérez la page. La réponse HTML brute d'un magasin moderne est généralement de plusieurs centaines de kilooctets. En revanche, une page entièrement rendue dans un navigateur headless avec tous les scripts, polices, images et analyses pèse déjà entre 2 et 5 Mo. La différence entre les deux façons d'obtenir les mêmes données est d'un ordre de grandeur, et elle pèse entièrement sur votre trafic.
Les calculs sectoriels utilisent généralement une fourchette de 1 à 3 Mo pour une collecte non optimisée et de 100 à 300 Ko pour une collecte optimisée. Entre ces deux modes, il ne s'agit pas d'une « petite économie », mais d'une différence de dix fois sur le même projet.
2. Quelle part des réponses est réellement valable
Le deuxième multiplicateur est le taux de succès, la part des requêtes ayant renvoyé un contenu utilisable. Un captcha au lieu d'une page, 403, un cadre vide sans données, une redirection vers une page de remplacement — tout cela est du trafic payé qui n'a donné aucun enregistrement.
L'arithmétique est simple et impitoyable : nombre de requêtes = enregistrements nécessaires ÷ taux de succès. Avec un taux de succès de 95 %, un million d'enregistrements nécessite 1,05 million de requêtes. Avec 70 % — déjà 1,43 million. Avec 60 % — 1,67 million. Ainsi, une chute du taux de succès de 95 % à 60 % ajoute presque 60 % à la facture, avec un prix du gigaoctet absolument inchangé.
3. Retraits, délais d'attente et trafic auxiliaire
Au-dessus de cela s'ajoute le trafic auxiliaire de l'enveloppe elle-même. Ici, l'écart entre une pile mature et une pile assemblée à la hâte est énorme : pour des plateformes gérées bien rodées, les renvois consomment environ 0,1 à 3 % en plus, tandis que pour un pipeline Scrapy fait maison — 5 à 15 %, et la part augmente avec l'échelle. Une logique de retry agressive, qui frappe un domaine bloqué cinq fois de suite, peut facilement transformer ces pourcentages en dizaines.
Métrique qui ne ment pas
Regroupons tout en une seule quantité. Il ne faut pas compter les dollars par gigaoctet, mais le coût de mille enregistrements extraits avec succès :
- Prix pour 1000 enregistrements = (poids moyen de la réponse en Go ÷ taux de succès) × (1 + part des retraits) × prix par Go × 1000
La valeur de cette formule réside dans le fait qu'elle rend des offres non comparables comparables. Un pool bon marché avec un taux de bannissement de 40 % et un cher avec un taux de bannissement de 5 % se retrouvent enfin sur le même axe. Il est révélateur que les fournisseurs eux-mêmes sont arrivés à cette même métrique au cours de l'année écoulée : dans les documents sectoriels, on entend de plus en plus l'expression « prix divisé par le taux de succès », plutôt qu'un simple prix par gigaoctet.
À quoi cela ressemble en termes d'argent
Prenons un million d'enregistrements, une page moyenne de 500 Ko et un trafic résidentiel à 8 $/Go — le milieu typique du marché. Nous ne changeons que le taux de succès :
- 95 % de succès — 1,05 million de requêtes, environ 525 Go, environ 4 200 $
- 70 % de succès — 1,43 million de requêtes, environ 715 Go, environ 5 720 $
- 60 % de succès — 1,67 million de requêtes, environ 835 Go, environ 6 680 $
L'écart est presque de 2 500 $ sur le même prix. Et maintenant, comparons deux offres qui dans la liste de prix semblent être aux antipodes. Fournisseur A : 2 $/Go, mais avec un taux de succès de 55 % sur votre objectif. Fournisseur B : 6 $/Go et 92 % de succès. Avec les mêmes 500 Ko et un million d'enregistrements, A obtient environ 910 Go et 1 820 $, tandis que B obtient environ 545 Go et 3 270 $. Ici, A est vraiment moins cher, et c'est un résultat honnête : avec un grand écart de prix, un faible taux de succès ne mange pas toujours le bénéfice.
Mais ajoutez à A des retraits de 15 % contre 3 % pour B, ajoutez le rendu headless, qui est inclus précisément parce que le pool bon marché renvoie plus souvent une page de remplacement au lieu de contenu — et le poids de la page chez A grimpe à 1,5 Mo contre 500 Ko chez B. Recalcul : A — environ 3,1 To et 6 200 $, B — environ 560 Go et 3 370 $. La situation s'est inversée. C'est pourquoi la question « chez qui le gigaoctet est moins cher » n'a pas de sens autonome : la réponse dépend de votre objectif, de votre pile et de votre taux de bannissement.
Pourquoi les API de scraping sont considérées différemment — et comment les comparer
Une difficulté distincte est que certaines parties du marché ne vendent pas du tout des gigaoctets. Les API de scraping et les déblocages web facturent par requête, et les tarifications varient selon la complexité. L'ordre de prix de 2026 pour 1000 pages est le suivant :
- HTML simple : ScrapeOps environ 0,19 $, ScraperAPI environ 0,49 $, Scrape.do environ 0,58 $, ScrapingBee environ 0,66 $, Bright Data environ 1,00 $
- Avec rendu JS (généralement 5 crédits au lieu d'un) : ScrapeOps environ 0,95 $, Scrape.do environ 2,90 $, ScrapingBee environ 3,30 $, ScraperAPI environ 4,90 $, Bright Data environ 5,00 $
- Sites sous protection anti-bot (10 à 25 crédits) : ScrapeOps environ 1,90 $, Scrape.do environ 4,45 $, ScraperAPI environ 5,96 $, ScrapingBee environ 6,60 $, Bright Data entre 8 et 15 $
Notez l'écart au sein d'un même fournisseur : pour ScraperAPI, une page simple et une page protégée diffèrent par douze fois. La tarification « par requête » semble plus prévisible que celle des gigaoctets jusqu'à ce que l'objectif passe de la première catégorie à la troisième — et cela se produit sans votre intervention, à la décision du propriétaire du site.
Tout cela se ramène à un axe commun avec la même formule : coût par requête ÷ taux de succès × 1000. Après cela, l'offre « 3,30 $ pour 1000 pages JS » et l'offre « 6 $ par gigaoctet de trafic résidentiel » peuvent enfin être mises côte à côte. Une analyse plus large des approches elles-mêmes — API officielle, jeu de données prêt ou votre propre parseur — a été traitée séparément ; ici, seule leur comparabilité en termes d'argent est importante.
Mesure en une soirée
La formule est inutile sans vos propres chiffres, et la bonne nouvelle est que les obtenir ne nécessite que quelques heures de travail. Un pilote de 1000 requêtes sur vos véritables URL fournit tout ce qu'il faut.
- Prenez un échantillon représentatif d'objectifs — pas la page d'accueil, mais ces fiches, catégories et résultats que vous allez collecter en production. Le taux de succès sur la page d'accueil ne prédit rien.
- Fixez séparément quatre compteurs : réponses valides avec données, erreurs HTTP, captchas et défis, « vides à deux cents » — code 200 sans contenu nécessaire. La dernière catégorie est la plus sournoise : formellement, c'est un succès, mais en réalité — des déchets payés.
- Mesurez le volume de trafic réel à partir des statistiques du fournisseur, et non de vos estimations. L'écart entre le poids calculé et le poids réel de la page est généralement la première découverte de ce pilote.
- Comptez les retraits comme une ligne distincte, et ne les dissoudre pas dans le nombre total de requêtes.
- Répétez avec un deuxième fournisseur le même jour. Le taux de succès fluctue avec l'humeur des systèmes anti-bot, et les mesures étalées sur une semaine ne peuvent pas être comparées.
Si le pilote a montré un faible taux de succès, ne vous précipitez pas pour changer de fournisseur : il vaut mieux d'abord comprendre la raison. L'analyse des sources typiques du problème est rassemblée dans le matériel sur comment diagnostiquer un faible taux de succès des proxies, et un contrôle régulier des mêmes métriques doit être mis en place. Souvent, le problème réside dans les en-têtes, le timing ou l'empreinte TLS du client, et non dans la qualité de l'IP.
Quatre leviers qui influencent le chiffre plus que la remise
Une fois la métrique calculée, il devient évident où elle est la plus sensible. Une remise de 10 % sur le prix est le levier le plus faible disponible.
Poids de la réponse. Le gain le plus rapide. Ne récupérer que ce qui est nécessaire réduit le trafic de 2 à 10 fois. Si un navigateur headless est obligatoire, bloquez au niveau de l'interception des requêtes les images, polices, médias et scripts tiers — le contenu n'en souffre pas, mais le volume diminue considérablement. Activez la compression et les requêtes conditionnelles par ETag : une page qui n'a pas changé depuis la dernière visite devrait vous coûter une réponse 304, et non un mégaoctet.
Taux de succès. Chaque dix points de pourcentage de succès dans la plage de 60 à 95 % représentent des dizaines de pourcentages de la facture. Ici, ce ne sont pas les dollars qui comptent, mais l'ingénierie : une empreinte client correcte, un rythme raisonnable, le bon type d'IP pour un objectif spécifique.
Mélange de types de proxy. Faire passer tout le trafic par un pool résidentiel est l'erreur la plus courante et la plus coûteuse. Une part importante des objectifs se prête parfaitement aux proxies de centre de données, qui sont dix fois moins chers ; les adresses résidentielles ne devraient être utilisées que pour ce qui les nécessite réellement. La routage par objectif, et non par habitude, réduit les coûts de proxy de 60 à 70 %.
Discipline des retraits. Délai exponentiel, plafond des tentatives, refus de répétitions sur les codes qui ne se corrigent pas par répétition. La différence entre 3 % et 15 % de trafic auxiliaire est la différence entre une enveloppe soignée et son absence. L'aspect pratique de la question est traité dans le matériel sur l'optimisation de la consommation de trafic via des proxies.
Ce qui reste en dehors du trafic
Le tableau complet des dépenses est plus large que le coût des proxies, et il convient de s'en souvenir lors du choix entre « collecter soi-même » et « acheter du prêt à l'emploi ». Pour un projet de l'échelle d'un million de pages par mois, les estimations sectorielles pour une solution auto-hébergée se présentent comme suit : trafic résidentiel 500 à 1500 $, temps d'ingénierie 1000 à 2000 $, infrastructure 300 à 500 $. Au total, 2000 à 4400 $ par mois — et cela avant même d'écrire la logique métier proprement dite. Avec un tarif d'ingénieur d'environ 100 $ de l'heure, quelques jours passés à réparer des sélecteurs cassés coûtent plus cher que la facture mensuelle pour les proxies.
Ceci n'est pas un argument contre la collecte autonome — c'est un argument pour considérer les heures d'ingénierie comme une ligne de budget aussi valable que les gigaoctets. Le modèle de tarification doit également être choisi de manière consciente : pour des sessions longues et stables, le paiement pour une IP dédiée s'avère souvent plus avantageux que le paiement par mégaoctet.
En résumé
Le prix par gigaoctet n'est pas le prix des données, mais le prix de l'un des quatre multiplicateurs. Comparer les fournisseurs sur cette base revient à choisir une voiture en fonction du prix du litre d'essence, sans se soucier de la consommation. L'unité de comparaison de travail est unique : combien coûte mille enregistrements extraits avec succès sur vos objectifs, avec votre poids de réponse, votre taux de succès et vos retraits.
Calculez-le sur un pilote de mille requêtes avant de vous abonner à un tarif annuel. Il s'avère souvent que l'offre la moins chère dans la liste de prix vous coûte plus cher que toutes les autres — et que le plus grand potentiel d'économie ne réside pas dans les négociations sur les remises, mais dans une vingtaine de lignes de code désactivant le chargement des images.
```