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
La Corée du Sud pose la première pierre du centre national de calcul en intelligence artificielle, investissant 2,5 billions de wons avec un objectif pour 2028
Le journal sud-coréen EtNews rapporte que la cérémonie de pose de la première pierre du Centre de calcul IA de Corée (KOACC) s’est tenue le 3 août au parc de centres de données Solar City à Sunan, dans la province du Jeollanam-do. Doté d’un investiss
Six géants de la technologie soutiennent la Linux Foundation avec 12,5 millions de dollars pour faire face au bruit des vulnérabilités de l'IA
Pour faire face à l'afflux de rapports de sécurité de faible qualité produits par des outils d'automatisation basés sur l'intelligence artificielle, six grandes entreprises technologiques — Anthropic, Amazon (AWS), GitHub, Google, Microsoft et OpenAI
Musk envisageait de laisser OpenAI à ses enfants alors qu'Altman témoigne
Ce matin, le PDG d’OpenAI, Sam Altman, a pris la parole pour répondre au procès intenté par l’ancien cofondateur Elon Musk, qui conteste la structure corporative de l’entreprise.Interrogé sur l’allégation de Musk selon laquelle d’autres fondateurs «
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.
La Corée du Sud pose la première pierre du centre national de calcul en intelligence artificielle, investissant 2,5 billions de wons avec un objectif pour 2028
Le journal sud-coréen EtNews rapporte que la cérémonie de pose de la première pierre du Centre de calcul IA de Corée (KOACC) s’est tenue le 3 août au parc de centres de données Solar City à Sunan, dans la province du Jeollanam-do. Doté d’un investiss
Six géants de la technologie soutiennent la Linux Foundation avec 12,5 millions de dollars pour faire face au bruit des vulnérabilités de l'IA
Pour faire face à l'afflux de rapports de sécurité de faible qualité produits par des outils d'automatisation basés sur l'intelligence artificielle, six grandes entreprises technologiques — Anthropic, Amazon (AWS), GitHub, Google, Microsoft et OpenAI
Musk envisageait de laisser OpenAI à ses enfants alors qu'Altman témoigne
Ce matin, le PDG d’OpenAI, Sam Altman, a pris la parole pour répondre au procès intenté par l’ancien cofondateur Elon Musk, qui conteste la structure corporative de l’entreprise.Interrogé sur l’allégation de Musk selon laquelle d’autres fondateurs «











