OutilsMarkTechPost · 6 août 2026, 23:35· 2 min de lecture

Cloudflare lance Kitesurf, un navigateur web conçu pour les agents, fonctionnant entièrement dans des isolats V8 sur Cloudflare Workers

Cloudflare a dévoilé Kitesurf, un navigateur web conçu spécifiquement pour les agents d'intelligence artificielle, entièrement exécuté dans des isolats V8 sur Cloudflare Workers, sans aucun moteur Chromium sous le capot. L'outil a déjà passé plus de 215 000 tests du Web Platform Tests et est disponible dès maintenant, gratuitement en version bêta, via le service Browser Run. Son architecture repose sur quatre composants isolés dans les Workers : le moteur (Engine), seule brique exposée publiquement, qui communique via le protocole Chrome DevTools (CDP) en WebSocket et REST HTTP et conserve l'état de chaque session ; PageScript, qui attribue à chaque page ou iframe un isolat dédié utilisant le moteur de rendu Rust Blitz et l'analyseur CSS Stylo de Firefox, avec le moteur ECMAScript Boa JS pour gérer les appels eval que Workers ne supporte pas nativement ; PageRenderer, qui transforme la scène calculée en JPEG, PNG ou PDF grâce à blitz-paint et à Parley pour la mise en forme du texte ; et SandboxOutbound, seul composant autorisé à communiquer avec le réseau, chargé d'appliquer les règles CORS, d'injecter des en-têtes réalistes et de renvoyer une erreur 403 en cas de violation de politique. Sur un corpus de test de 14 URL, Kitesurf consomme 380 millisecondes de temps CPU par capture d'écran contre 1 173 pour Chromium, soit 3,1 fois moins, et 229 millisecondes contre 877 pour l'extraction HTML, soit 3,8 fois moins ; côté mémoire, la consommation chute de 271 à 57,8 Mio pour les captures (4,7 fois moins) et de 273,7 à 39,4 Mio pour l'extraction (7 fois moins), au prix d'un temps d'exécution 1,7 à 1,8 fois plus lent, principalement lors du rendu des images.

Pour Cloudflare, les navigateurs classiques comme Chromium ont été pensés pour des humains, avec des onglets, des extensions et un rendu à 60 images par seconde, ce qui rend le déploiement d'un navigateur par agent prohibitif en coûts de mémoire et de calcul. Les agents IA, eux, n'ont besoin que d'un contenu exploitable par une machine, d'un faible surcoût en tokens, d'une bonne capacité de montée en charge et d'une isolation contre des menaces comme l'injection de prompts. En réduisant drastiquement l'empreinte CPU et mémoire, Kitesurf cible en priorité les startups et développeurs indépendants construisant des agents web, ainsi que les entreprises déjà présentes sur Cloudflare Workers, qui peuvent basculer certaines charges de travail simplement en ajoutant le paramètre browser=kitesurf à leurs clients Puppeteer, Playwright ou MCP existants. Les cas d'usage visés incluent l'extraction de données web, l'automatisation SaaS, la surveillance concurrentielle, la génération de documents PDF et les pipelines de recherche ou de RAG.

L'outil reste toutefois limité : il ne gère pas la vidéo, le WebGL, les défis anti-bots basés sur l'empreinte TLS, ni les sessions authentifiées longues et persistantes, domaines où Chromium demeure la solution par défaut. Kitesurf sait déjà afficher correctement des sites comme Wikipedia, Hacker News ou plusieurs versions de TodoMVC, et Cloudflare affirme que sa couverture des tests s'étoffe de plusieurs centaines de cas chaque semaine. Un terrain de jeu public, doté d'outils de développement Chrome intégrés, permet d'inspecter le DOM, la console, le réseau et la mémoire WebAssembly de chaque isolat, signe que le projet est encore présenté comme une bêta amenée à évoluer rapidement plutôt qu'une solution figée.

Dans nos dossiers

Agents IA

Cet article vous a été utile ?

Vu une erreur factuelle dans cet article ? Signalez-la. Toutes les corrections valides sont publiées sur /corrections.

À lire aussi

1MarkTechPost

TinyFish lance une plateforme web complète pour agents IA : recherche, fetch, navigateur et agent sous une seule clé API

TinyFish, une startup basée à Palo Alto, vient de lancer une plateforme d'infrastructure complète destinée aux agents IA qui doivent interagir avec le web en temps réel. La société propose quatre produits unifiés sous une seule clé API et un système de crédits commun : Web Agent, Web Search, Web Browser et Web Fetch. Web Agent exécute des workflows autonomes en plusieurs étapes sur de vrais sites web, Web Search renvoie des résultats structurés en JSON avec une latence médiane de 488 ms, Web Browser fournit des sessions Chrome furtives avec un démarrage à froid inférieur à 250 ms, et Web Fetch convertit n'importe quelle URL en Markdown, HTML ou JSON propre en supprimant tout le balisage superflu. En parallèle, TinyFish publie un CLI installable via npm et un système de "Skills" qui apprend aux agents comme Claude Code, Cursor ou Codex à utiliser la plateforme sans intégration manuelle de SDK. Ce lancement s'attaque à un problème concret qui plombe les pipelines d'agents IA : la pollution du contexte. Quand un agent utilise un outil de fetch standard, il ingère la page entière, incluant des milliers de tokens de navigation, publicités et code CSS, avant d'atteindre le contenu utile. TinyFish réduit cette charge de 87 %, passant d'environ 1 500 tokens par opération via MCP à seulement 100 tokens via le CLI, grâce à une logique qui écrit les résultats sur le système de fichiers plutôt que de les injecter directement dans la fenêtre de contexte. Sur des tâches complexes en plusieurs étapes, la société rapporte un taux de complétion deux fois supérieur en CLI par rapport à l'exécution via MCP. Côté anti-détection, les 28 mécanismes anti-bot du navigateur sont implémentés au niveau C++, une approche nettement plus robuste que l'injection JavaScript utilisée par la plupart des concurrents, dont les temps de démarrage dépassent 5 à 10 secondes contre moins de 250 ms ici. Le contexte de ce lancement est celui d'un marché des outils pour agents IA en pleine fragmentation : les équipes devaient jusqu'ici assembler des solutions distinctes pour la recherche, l'automatisation de navigateur et la récupération de contenu, chacune avec ses clés, ses SDKs et ses limites. TinyFish parie sur la convergence sous une interface unifiée, une stratégie similaire à ce qu'ont fait des acteurs comme Browserbase ou Firecrawl sur des segments adjacents. En intégrant directement un système de Skills compatibles avec les principaux agents de codage du marché, la startup court-circuite la friction d'adoption qui freine habituellement ces outils. La prochaine étape probable sera l'expansion vers des cas d'usage d'automatisation enterprise, un segment où la capacité à opérer discrètement sur des sites protégés par des systèmes anti-bot représente un avantage compétitif significatif.

OutilsActu

1 source

2MarkTechPost

Google lance 'Skills' dans Chrome : des prompts IA réutilisables en actions navigateur en un clic

Google a lancé le 14 avril 2026 une nouvelle fonctionnalité baptisée "Skills" dans Chrome, intégrée directement à Gemini in Chrome. Disponible sur Mac, Windows et ChromeOS pour les utilisateurs dont la langue est réglée sur l'anglais américain, cette fonction permet de sauvegarder des invites (prompts) fréquemment utilisées sous forme de workflows réutilisables, activables en un clic. Concrètement, un utilisateur peut créer une "Skill" à partir de son historique de conversation avec Gemini, puis la rappeler à tout moment en tapant "/" ou en cliquant sur le bouton "+" dans l'interface. La Skill s'exécute alors sur la page en cours de consultation, ou simultanément sur plusieurs onglets sélectionnés par l'utilisateur. Google lance également une bibliothèque de Skills préconfigurées couvrant des tâches courantes : décomposer les ingrédients d'un produit consulté en ligne, comparer des spécifications techniques sur plusieurs onglets, ou encore identifier le cadeau idéal en croisant un budget avec les intérêts du destinataire. Ce que cette fonctionnalité résout est plus fondamental qu'il n'y paraît : jusqu'ici, chaque navigation vers une nouvelle page obligeait à ressaisir manuellement la même invite pour effectuer la même opération, que ce soit analyser une recette, comparer des produits ou extraire des informations clés d'un document long. Skills introduit une couche persistante et nommée entre l'utilisateur et le modèle de langage, supprimant cette friction répétitive. La capacité d'exécution multi-onglets est particulièrement significative : elle permet de traiter plusieurs pages simultanément comme un corpus de récupération unifié, un schéma familier aux ingénieurs qui travaillent avec des pipelines de recherche documentaire, mais désormais accessible sans écrire une seule ligne de code. La bibliothèque de Skills préconfigurées étend encore la portée en proposant des modèles prêts à l'emploi, personnalisables selon les besoins. Cette évolution s'inscrit dans une tendance plus large : l'intégration d'agents IA directement au niveau du navigateur, compétition dans laquelle Microsoft (avec Copilot dans Edge) et Apple (avec des fonctionnalités IA dans Safari) sont également engagés. Google avait déjà commencé à tisser Gemini dans Chrome au cours des derniers mois, mais Skills marque un saut qualitatif en introduisant de la gestion de prompts et une forme d'automatisation légère sans passer par des extensions tierces ou des outils comme LangChain. Le concept, bien connu des développeurs travaillant avec des API de modèles de langage, est ici abstrait et livré à des utilisateurs non techniques via une interface navigateur. Les questions de sécurité et de confidentialité restent en suspens, notamment concernant l'accès aux contenus de plusieurs onglets simultanément, un point que Google devra préciser à mesure que le déploiement s'élargit au-delà de l'anglais américain.

UEFonctionnalité actuellement limitée à l'anglais américain, sans déploiement ni impact direct sur le marché français ou européen à ce stade.

OutilsOutil

1 source

3MarkTechPost

LangChain lance Deep Agents : un environnement d'exécution structuré pour la planification, la mémoire et l'isolation du contexte dans les agents IA multi-étapes

LangChain vient de lancer Deep Agents, une bibliothèque autonome conçue pour les agents IA multi-étapes qui nécessitent planification, gestion de contexte et isolation des sous-tâches. Contrairement aux agents classiques qui fonctionnent bien sur des boucles courtes d'appels d'outils, Deep Agents cible les tâches longues, avec état et produisant de nombreux artefacts, un cas d'usage où la plupart des systèmes existants commencent à flancher. L'enjeu est important pour les développeurs qui construisent des agents capables de mener des recherches approfondies, de générer du code sur plusieurs itérations ou d'effectuer des analyses complexes. Jusqu'ici, la gestion de la planification, du stockage intermédiaire et de la délégation de sous-tâches était entièrement à la charge des équipes applicatives. Deep Agents intègre ces mécanismes directement dans le runtime par défaut, réduisant la friction à l'implémentation tout en restant compatible avec LangGraph pour l'exécution durable, le streaming et les workflows human-in-the-loop. Concrètement, la bibliothèque embarque d'office un outil de planification writetodos pour décomposer les tâches en étapes traçables, un ensemble d'outils filesystem (readfile, writefile, editfile, glob, grep), un accès shell sandboxé via execute, et un outil task pour instancier des sous-agents isolés. La gestion de contexte repose sur l'écriture des sorties volumineuses en fichiers plutôt qu'en prompt actif, évitant ainsi le dépassement de la fenêtre de contexte. Plusieurs backends sont supportés, StateBackend, FilesystemBackend, LocalShellBackend, StoreBackend et CompositeBackend, le mode par défaut étant StateBackend, qui stocke un filesystem éphémère dans l'état LangGraph pour un thread unique. La mémoire long terme est également prévue via le LangGraph Memory Store, permettant à l'agent de persister et retrouver des informations entre conversations. LangChain positionne Deep Agents comme point d'entrée privilégié pour les développeurs ayant des besoins complexes, tout en laissant ouverte la possibilité de basculer vers des agents LangChain plus simples ou des workflows LangGraph personnalisés selon les besoins.

OutilsOutil

1 source

4MarkTechPost

TinyFish AI lance une plateforme web complète pour agents autonomes : recherche, fetch, navigateur et agent sous une seule clé API

TinyFish AI, une startup basée à Palo Alto, a lancé ce mois-ci une plateforme d'infrastructure complète pour les agents IA opérant sur le web en temps réel. L'offre regroupe quatre produits sous une seule clé API et un système de crédits unifié : Web Agent, Web Search, Web Browser et Web Fetch. Web Search retourne des résultats structurés en JSON avec une latence médiane de 488 millisecondes, contre plus de 2 800 ms chez les concurrents. Web Browser fournit des sessions Chrome furtives via le protocole CDP avec un démarrage à froid inférieur à 250 ms, là où les alternatives prennent 5 à 10 secondes. Le module intègre 28 mécanismes anti-bot codés en C++, une approche bien plus difficile à détecter que l'injection JavaScript habituellement utilisée. Web Fetch convertit n'importe quelle URL en Markdown, HTML ou JSON propre, en éliminant les scripts, publicités et éléments de navigation superflus. Web Agent, lui, exécute des workflows autonomes en plusieurs étapes sur des sites réels, sans scripts manuels. Ce qui rend cette plateforme particulièrement pertinente pour les développeurs d'agents IA, c'est la façon dont elle résout un problème structurel : la pollution de la fenêtre de contexte. Lorsqu'un agent utilise un outil de fetch classique, il ingère la page entière, y compris des milliers de tokens de balisage inutile, avant d'atteindre le contenu utile. TinyFish affirme réduire ce coût de 87 % en mode CLI, passant d'environ 1 500 tokens par opération via MCP à seulement 100 tokens. L'architecture CLI écrit les résultats sur le système de fichiers plutôt que de les injecter directement dans le contexte, ce qui préserve la cohérence sur les tâches longues et permet la composition via les pipes Unix natifs. Sur des workflows complexes en plusieurs étapes, la société revendique un taux de complétion deux fois supérieur en mode CLI par rapport à une exécution via MCP. Jusqu'ici, les équipes qui construisaient des agents web devaient assembler plusieurs prestataires distincts pour la recherche, l'automatisation du navigateur et la récupération de contenu, ce qui introduisait de la friction et des points de défaillance multiples. TinyFish avait déjà livré un agent web standalone avant ce lancement, et s'appuie sur cette expérience pour proposer une intégration directe avec les principaux environnements de coding agents du marché, dont Claude Code, Cursor, Codex et OpenCode, via un fichier SKILL.md installable en une commande. Le CLI s'installe via npm avec npm install -g @tiny-fish/cli. Dans un secteur où les agents autonomes passent de la démonstration à la production, la capacité à interagir de façon fiable et rapide avec le web vivant devient une infrastructure critique, et TinyFish se positionne explicitement comme la couche sur laquelle ces agents doivent s'appuyer.

OutilsOutil

1 source

Recevez l'essentiel de l'IA chaque jour

Une sélection éditoriale quotidienne, sans bruit. Directement dans votre boîte mail.

Recevez l'essentiel de l'IA chaque jour

Gratuit · 1 email le matin, l'essentiel de l'IA · désinscription en un clic