La question «combien coûte le scraping d'un million de pages» reçoit presque toujours une réponse inutile : «cela dépend du site». Cela dépend — mais pas de manière mystique. Le coût se décompose en quatre éléments mesurables, et chacun d'eux peut être calculé à l'avance, avant que la facture de trafic n'arrive. Ci-dessous se trouve l'arithmétique de travail : d'où viennent les gigaoctets, pourquoi le prix «par Go» ne dit rien sur votre budget, et quels leviers réduisent réellement le coût de manière significative.
La métrique principale — ce n'est pas le prix par gigaoctet, mais le prix par requête réussie
Les fournisseurs se disputent les chiffres en vitrine : 1 $/Go, 3 $/Go, 0,30 $ pour mille requêtes. Ces chiffres ne sont pas comparables tant que vous ne les avez pas ramenés à une seule unité — le coût d'une extraction de données réussie. C'est ce que soulignent les études de marché : les chiffres bruts «par Go» et «par 1000 requêtes» ne sont pas comparables sans tenir compte du poids de la page et du taux de réponses réussies.
La formule suffisante pour la planification :
Budget = (nombre de pages cibles ÷ taux de succès) × poids moyen de la page × prix par Go + frais fixes
Trois variables dans la première partie et une dans la seconde. Analysons chacune.
Élément 1 : combien pèse une page
C'est la variable la plus sous-estimée. L'écart ici n'est pas en pourcentages, mais en multiples, et il dépend de la manière dont vous récupérez la page :
- Requête HTTP classique sans rendu — 50–150 Ko. Vous obtenez uniquement le document HTML.
- Rendu complet dans un navigateur headless — 100–300 Ko avec un réglage soigné.
- Navigateurs «tels quels», sans filtres — 0,2–1 Mo et plus. Vous payez pour les images, les polices, les scripts publicitaires, l'analyse et les lecteurs vidéo dont vous n'avez pas besoin.
La différence entre le premier et le troisième point peut aller jusqu'à vingt fois sur la même page. Pour un million de pages, cela représente une différence entre 50 Go et 1000 Go de trafic.
Élément 2 : prix du gigaoctet selon les types de proxy
Les fourchettes de marché pertinentes pour 2026 sont les suivantes :
- Centre de données — 0,50–3 $ par Go ou un abonnement mensuel pour l'IP.
- Résidentiels — 1–8 $ par Go. Indicateur de qualité des prix : environ 1 $/Go — excellente offre, 3–4 $/Go — milieu de gamme, 5–8 $/Go — segment entreprise.
- Mobiles (4G/5G) — 2–15 $ par Go.
- ISP / résidentiels statiques — 1,5–5 $ par IP par mois.
- API de scraping prêtes à l'emploi — 0,30–12 $ pour 1000 requêtes.
La tentation de prendre le moins cher est compréhensible, mais elle se heurte au prochain élément.
Élément 3 : taux de succès — multiplicateur caché du budget
Chaque requête bloquée est tout de même à votre charge : le trafic est dépensé, les données sont absentes. Par conséquent, le nombre réel de requêtes est égal au nombre cible divisé par le taux de succès, et le multiplicateur augmente de manière non linéaire :
- taux de succès de 95 % — surcoût de 5 % ;
- taux de succès de 70 % — vous aurez besoin d'environ 400 000 requêtes supplémentaires pour chaque million d'enregistrements cibles ;
- taux de succès de 60 % — il faut 2,5 fois plus de requêtes.
C'est pourquoi un centre de données à 0,50 $/Go sur un site sécurisé coûte plus cher que des résidents à 3 $/Go : Cloudflare, DataDome et Akamai marquent par défaut les ASN de centres de données, et vous payez pour le flux de refus. Selon les estimations de juillet 2026, les proxies mobiles maintiennent un taux de succès de 90–95 % contre les systèmes anti-bots modernes — là où le centre de données ne passe pas du tout.
Conclusion pratique : le type de proxy est choisi non pas en fonction du prix, mais de l'objectif. Pour des catalogues simples et des API ouvertes — centre de données. Pour les magasins, les réseaux sociaux, les agrégateurs avec protection — résidentiels. Pour les sites les plus agressifs et les versions mobiles des sites — mobiles.
Trois scénarios pour un million de pages
Rassemblons les chiffres. La condition est la même : un million de pages utiles.
Scénario A — «discipliné». Client HTTP sans navigateur, 100 Ko par page, résidentiels à 2 $/Go, succès de 95 %. Total : 1,05 million de requêtes × 100 Ko ≈ 105 Go ≈ 210 $.
Scénario B — «typique». Navigateur headless avec filtrage des ressources, 250 Ko par page, résidentiels à 3 $/Go, succès de 85 %. Total : 1,18 million × 250 Ko ≈ 295 Go ≈ 885 $.
Scénario C — «sans réglage». Le navigateur charge tout sans distinction, 800 Ko par page, résidentiels à 5 $/Go, succès de 65 %. Total : 1,54 million × 800 Ko ≈ 1230 Go ≈ 6150 $.
La différence entre A et C est presque trentenaire, avec le même résultat à la sortie. Aucune des variables n'était exotique : tout cela concerne des réglages par défaut normaux contre une attention ordinaire. Pour référence : les estimations sectorielles pour une entreprise de taille moyenne traitant un million de requêtes par mois sur différents sites donnent entre 1000 et 3000 $ par mois — c'est-à-dire entre les scénarios B et C.
Ce qui n'est pas inclus dans le trafic, mais figure sur la facture
Les proxies — généralement le plus gros, mais pas le seul poste de dépense :
- Captcha. La résolution coûte 0,50–3 $ pour mille. Avec 5 % de pages avec captcha sur un million, cela représente 50 000 résolutions — 25–150 $. Acceptable. Avec 50 % — déjà 250–1500 $, et la question cesse d'être technique.
- Infrastructure. 20–200 $ par mois pour des volumes modestes ; 200–500 $ pour une petite échelle et 3000–10 000 $ pour de très gros flux.
- Stockage et trafic sortant. Environ 0,023 $ par Go par mois pour le stockage d'objets et 0,09 $ par Go à la sortie pour les grands nuages — une bagatelle sur des centaines de gigaoctets, une somme significative sur des dizaines de téraoctets.
- Personnel. La ligne la plus coûteuse, souvent oubliée. Un parseur prêt à la production nécessite 8–12 semaines de développement, puis 4–8 heures par mois sur des sites simples et 20+ heures sur des sites protégés. À un tarif de 75 $/heure, le soutien d'une source protégée coûte plus de 1500 $ par mois — plus que tout le trafic dans le scénario B.
Cinq leviers qui réduisent réellement le budget
- Éliminez le navigateur là où il n'est pas nécessaire. Si les données sont disponibles en HTML ou via une API interne — le rendu est superflu. C'est le principal levier : réduction de 60–80 % du trafic.
- Bloquez les ressources si le navigateur est nécessaire. Les images, les polices, les médias, les scripts publicitaires et analytiques peuvent être désactivés par une règle d'interception des requêtes, entraînant une économie significative. Une analyse détaillée des techniques se trouve dans l'article sur l'optimisation des dépenses de trafic via des proxies.
- Classez les cibles par complexité. Passer toute la liste par le canal le plus cher est l'erreur la plus fréquente dans le budget. Classez les sources en «ouvertes», «modérément protégées» et «agressives» et attribuez à chacune son type de proxy.
- Élaborez une politique de retries de manière consciente. Répéter aveuglément trois fois sur un échec triple le trafic sur des cibles problématiques. Il vaut la peine de répéter uniquement les codes de réponse où la répétition a du sens, et avec une autre IP, pas la même.
- Mettez en cache et ne récupérez pas la même chose deux fois. Listes, pagination, passages répétés dans le catalogue — ici, des dizaines de pour cent du budget peuvent facilement être perdus.
Quand un API prêt à l'emploi est moins cher, et quand votre propre stack
Il faut considérer le coût total de possession, et non la ligne «par Go». Les repères du marché : un parseur propre pour 100 000 pages par mois coûte entre 700 et 1650 $ avec le soutien, tandis qu'un API prêt à l'emploi pour le même volume coûte entre 50 et 300 $. À grande échelle, la situation s'inverse : 1 million de requêtes par mois via API coûte entre 250 et 2490 $, tandis que la construction de sa propre infrastructure pour 10 To par mois est estimée à environ 230 000 $ par an contre 100 000–150 000 $ pour l'achat du service.
Règle générale : tant que le volume est faible et que les sites sont nombreux — optez pour une solution prête à l'emploi, vous payez pour le soutien d'autrui. Lorsque le volume est stable, que les cibles sont peu nombreuses et bien connues — votre propre stack sur des proxies est moins cher, car vous cessez de payer une majoration pour le rendu dont vous n'avez pas besoin. Une comparaison détaillée des deux approches se trouve dans l'analyse des proxies contre les API de scraping et les web unblockers.
Ce qui change à l'automne 2026
Il y a un facteur qui fera grimper les calculs. À partir du 15 septembre 2026, Cloudflare passera de nouveaux domaines à un blocage par défaut des catégories Training et Agent — sur les pages avec publicité ; les changements concernent les nouveaux clients, les nouveaux sites des clients existants et tous les clients du tarif gratuit. Les crawlers de recherche restent autorisés. Parallèlement, le Pay Per Crawl se transforme en Pay Per Use : l'éditeur reçoit de l'argent non pas pour le fait de parcourir la page, mais pour l'utilisation du contenu dans la réponse de l'IA.
Le contexte est simple : selon Cloudflare, 52 % des requêtes des crawlers dans leur réseau sont actuellement consacrées à l'entraînement de l'IA contre 22 % au printemps 2025. Le réseau se ferme, et le sens pratique pour le budget est le suivant : le taux de succès sur les sources protégées diminuera en moyenne, ce qui signifie que le multiplicateur caché du budget du troisième élément deviendra plus significatif. Intégrez cela dans votre plan, et ne l'apprenez pas par la facture.
En résumé
Le coût du scraping n'est pas le prix par gigaoctet, mais le produit du poids de la page, du prix du canal et de l'inverse du taux de succès. La différence entre un pipeline soigné et négligé sur un million de pages se mesure non pas en pourcentages, mais en ordres de grandeur. Avant de négocier une remise avec un fournisseur, calculez combien vous payez pour le chargement d'images que vous ne scrapez pas, et pour les répétitions qui n'auraient pas dû se produire. En général, il y a souvent plus d'argent là que dans n'importe quelle remise.
```