Maison
Alibaba met « Page Agent » en open source pour apaiser les craintes liées à la refactorisation du code des grands modèles
Au cours du long parcours du développement de l’automatisation des navigateurs, les développeurs se retrouvent souvent à réinventer la roue. Qu’il s’agisse d’utiliser des captures d’écran complexes pour « voir » les pages web ou de s’appuyer sur des protocoles de bas niveau pour forcer les interactions, ces méthodes peinent souvent à s’adapter aux changements dynamiques de la structure web. Récemment, Alibaba a open-sourcé une bibliothèque client JavaScript appelée Page Agent, proposant une nouvelle approche à ce défi du secteur : au lieu de « pirater » de manière agressive les pages web depuis l’extérieur, elle permet à de grands modèles de « comprendre » directement la structure DOM interne des pages web.
L’innovation technologique centrale de Page Agent réside dans la « déshydratation du DOM ». Les solutions traditionnelles nécessitent souvent de réaliser des captures d’écran des pages web et d’effectuer une analyse multimodale pour la reconnaissance par l’IA, ce qui est non seulement coûteux, mais aussi susceptible d’entraîner la perte d’informations d’interaction essentielles. Page Agent adopte une approche différente : il s’exécute directement au sein de la page web et compresse l’arborescence DOM complexe en un mappage en texte brut léger appelé « FlatDomTree ». Ce processus s’apparente à l’élaboration d’une carte d’interaction de haute précision pour l’IA ; le modèle n’a pas besoin de traiter un rendu visuel complexe, mais peut effectuer avec précision des opérations de haut niveau de difficulté, telles que les clics sur des boutons et les saisies dans des formulaires, à l’aide de cette représentation structurelle simplifiée.

Pour les développeurs, la conception « intégrée » de Page Agent offre un gain de commodité considérable. Comme il s’exécute directement au sein de l’environnement web, il hérite naturellement de tous les cookies, états de session et identifiants de connexion, éliminant ainsi la complexité liée à la gestion des processus de vérification en arrière-plan. Le projet adopte une conception ouverte hautement compatible, permettant une intégration transparente avec n’importe quel grand modèle linguistique prenant en charge les interfaces standard. Dans des scénarios tels que les copilotes intelligents de produits SaaS, la collecte automatisée de données et l’amélioration de l’accessibilité des applications web, Page Agent offre une alternative efficace et économique.

Bien sûr, Page Agent n’est pas une solution miracle. L’équipe de développement précise clairement dans la documentation open source que la bibliothèque se concentre actuellement davantage sur les interactions efficaces au sein d’une même page. De plus, lors de la gestion d’opérations sensibles nécessitant un haut niveau de sécurité, telles que les paiements ou la falsification de données, les développeurs doivent toujours mettre en œuvre une validation logique stricte côté serveur. Pour garantir la stabilité du système, Page Agent intègre dans sa conception un mécanisme de contrôle des autorisations déclenché par des invites, créant ainsi une barrière de sécurité préliminaire pour les processus automatisés.

À l’heure actuelle, Page Agent a été officiellement publié en open source sur GitHub sous licence MIT. Avec la sortie de cet outil, les développeurs devraient pouvoir dire définitivement adieu aux coûts élevés liés au calcul multimodal et utiliser des méthodes d’ingénierie plus pratiques pour intégrer dans leurs applications des agents intelligents véritablement « capables de percevoir le Web ». Cela indique également que la technologie d’automatisation Web basée sur l’IA entre dans une nouvelle phase caractérisée par la légèreté et la démocratisation.
Article connexe
Les actions américaines atteignent un jalon historique alors que les géants de l'IA et de l'aérospatiale se préparent pour leur entrée boursière à la valeur du trillion de dollars.
Elon Musk, Sam Altman et Dario Amodei, trois titans du secteur technologique, s’approchent des introductions en bourse de leurs entreprises respectives. Avec SpaceX, OpenAI et Anthropic – trois géants de l’industrie dont les valorisations approchent
La startup suédoise en intelligence artificielle Lovable Eyes atteint une valorisation de 13,2 milliards de dollars après un tour de table majeur
Alors que les outils de codage alimentés par l’intelligence artificielle gagnent en popularité, la startup suédoise Lovable a levé des fonds lors d’un tour de table majeur. L’entreprise vise à collecter 3 milliards de dollars, ce qui pourrait porter
Google teste l'agent IA Remy pour Gemini à mesure que l'accent se déplace vers le contrôle utilisateur
Selon Business Insider, Google teste Remy, un nouvel agent personnel d’IA pour Gemini. Cet outil vise à exécuter des tâches au nom des utilisateurs, rationalisant ainsi les flux de travail professionnels et les routines quotidiennes.Actuellement, Re
Recommandations de sujets spéciaux liés
commentaires (0)
Au cours du long parcours du développement de l’automatisation des navigateurs, les développeurs se retrouvent souvent à réinventer la roue. Qu’il s’agisse d’utiliser des captures d’écran complexes pour « voir » les pages web ou de s’appuyer sur des protocoles de bas niveau pour forcer les interactions, ces méthodes peinent souvent à s’adapter aux changements dynamiques de la structure web. Récemment, Alibaba a open-sourcé une bibliothèque client JavaScript appelée Page Agent, proposant une nouvelle approche à ce défi du secteur : au lieu de « pirater » de manière agressive les pages web depuis l’extérieur, elle permet à de grands modèles de « comprendre » directement la structure DOM interne des pages web.
L’innovation technologique centrale de Page Agent réside dans la « déshydratation du DOM ». Les solutions traditionnelles nécessitent souvent de réaliser des captures d’écran des pages web et d’effectuer une analyse multimodale pour la reconnaissance par l’IA, ce qui est non seulement coûteux, mais aussi susceptible d’entraîner la perte d’informations d’interaction essentielles. Page Agent adopte une approche différente : il s’exécute directement au sein de la page web et compresse l’arborescence DOM complexe en un mappage en texte brut léger appelé « FlatDomTree ». Ce processus s’apparente à l’élaboration d’une carte d’interaction de haute précision pour l’IA ; le modèle n’a pas besoin de traiter un rendu visuel complexe, mais peut effectuer avec précision des opérations de haut niveau de difficulté, telles que les clics sur des boutons et les saisies dans des formulaires, à l’aide de cette représentation structurelle simplifiée.

Pour les développeurs, la conception « intégrée » de Page Agent offre un gain de commodité considérable. Comme il s’exécute directement au sein de l’environnement web, il hérite naturellement de tous les cookies, états de session et identifiants de connexion, éliminant ainsi la complexité liée à la gestion des processus de vérification en arrière-plan. Le projet adopte une conception ouverte hautement compatible, permettant une intégration transparente avec n’importe quel grand modèle linguistique prenant en charge les interfaces standard. Dans des scénarios tels que les copilotes intelligents de produits SaaS, la collecte automatisée de données et l’amélioration de l’accessibilité des applications web, Page Agent offre une alternative efficace et économique.

Bien sûr, Page Agent n’est pas une solution miracle. L’équipe de développement précise clairement dans la documentation open source que la bibliothèque se concentre actuellement davantage sur les interactions efficaces au sein d’une même page. De plus, lors de la gestion d’opérations sensibles nécessitant un haut niveau de sécurité, telles que les paiements ou la falsification de données, les développeurs doivent toujours mettre en œuvre une validation logique stricte côté serveur. Pour garantir la stabilité du système, Page Agent intègre dans sa conception un mécanisme de contrôle des autorisations déclenché par des invites, créant ainsi une barrière de sécurité préliminaire pour les processus automatisés.

À l’heure actuelle, Page Agent a été officiellement publié en open source sur GitHub sous licence MIT. Avec la sortie de cet outil, les développeurs devraient pouvoir dire définitivement adieu aux coûts élevés liés au calcul multimodal et utiliser des méthodes d’ingénierie plus pratiques pour intégrer dans leurs applications des agents intelligents véritablement « capables de percevoir le Web ». Cela indique également que la technologie d’automatisation Web basée sur l’IA entre dans une nouvelle phase caractérisée par la légèreté et la démocratisation.
Les actions américaines atteignent un jalon historique alors que les géants de l'IA et de l'aérospatiale se préparent pour leur entrée boursière à la valeur du trillion de dollars.
Elon Musk, Sam Altman et Dario Amodei, trois titans du secteur technologique, s’approchent des introductions en bourse de leurs entreprises respectives. Avec SpaceX, OpenAI et Anthropic – trois géants de l’industrie dont les valorisations approchent
La startup suédoise en intelligence artificielle Lovable Eyes atteint une valorisation de 13,2 milliards de dollars après un tour de table majeur
Alors que les outils de codage alimentés par l’intelligence artificielle gagnent en popularité, la startup suédoise Lovable a levé des fonds lors d’un tour de table majeur. L’entreprise vise à collecter 3 milliards de dollars, ce qui pourrait porter











