Entretiens

Jan Čurn, cofondateur et directeur général d’Apify – Série d’entretiens

Antoine Tardif
Ajouter Unite.AI à vos sources préférées sur Google
Jan Čurn, Co-Founder and CEO of Apify
Points clésLes agents loueront des outils existants lorsque construire à partir de zéro coûte plus…
Voir plus
  • Les agents loueront des outils existants lorsque construire à partir de zéro coûte plus cher que d'acheter.
  • Les défaillances silencieuses permettent aux agents de résumer avec assurance des pages vides sans remarquer le problème.
  • Apify a versé à quelques centaines de créateurs environ 2 millions de dollars en gains nets totaux le mois dernier.

Jan Čurn est cofondateur et directeur général d’Apify, qu’il a lancé avec Jakub Balada en 2015 dans le cadre du programme Y Combinator Fellowship. Le besoin concret de recueillir des annonces d’appartements à Prague a contribué à inspirer le produit d’origine : un outil permettant de transformer des sites web en API. Depuis, il a guidé son évolution, d’une infrastructure d’exploration du Web vers une plateforme dédiée aux données web, à l’automatisation des navigateurs et à une place de marché d’outils de plus en plus utilisés par les agents IA.

Apify propose une plateforme d’extraction de données web, d’automatisation des navigateurs et d’outils prêts à l’emploi appelés Actors. Les développeurs peuvent publier des Actors sur sa place de marché et les monétiser, tandis que les entreprises et les développeurs en IA s’en servent pour récupérer des données web structurées et automatiser des tâches. Dans cet entretien, Čurn explique comment les agents découvrent et utilisent des outils spécialisés, pourquoi les données à jour sont importantes, et quelles conditions de fiabilité, d’autorisations et de viabilité économique sont nécessaires pour permettre aux agents de travailler sur le Web à grande échelle.

Vous avez cofondé Apify avec Jakub Balada en 2015 dans le cadre du programme Y Combinator Fellowship, avec pour objectif initial de faciliter la création de robots d’exploration du Web flexibles et évolutifs par les développeurs. Qu’est-ce qui vous a donné cette idée, et comment votre vision d’origine a-t-elle évolué au cours de la dernière décennie ?

L’idée d’Apify est née d’un problème auquel Jakub et moi avons été confrontés. Nous travaillions sur un projet client qui nécessitait des annonces de nouveaux appartements à Prague, et les outils existants peinaient à gérer le JavaScript dynamique et les structures irrégulières des sites web. Nous avons donc créé notre propre outil pour transformer n’importe quel site web en API.

Au fil du temps, la plateforme a dépassé le cadre de l’exploration du Web pour proposer des services d’extraction de données web, d’automatisation des navigateurs et d’accès à des données issues du Web. Nous avons ensuite lancé une place de marché où les développeurs peuvent publier leurs outils, appelés Actors, et être rémunérés lorsque d’autres les utilisent. Aujourd’hui, une part croissante des utilisateurs de ces Actors sont des agents IA.

Apify a commencé comme une plateforme d’exploration du Web, bien avant que les agents IA ne deviennent un sujet majeur dans le secteur. À quel moment avez-vous compris que l’infrastructure que vous aviez créée pouvait être particulièrement précieuse pour les agents IA qui doivent accéder au Web et interagir avec lui ?

Le premier déclic est survenu au début de 2023, peu après le lancement de ChatGPT. Soudain, il était possible d’intégrer des données web à jour à un prompt, plutôt que d’entraîner un nouveau modèle. Apify a été l’une des premières plateformes d’extraction de données à proposer des robots d’exploration pour les pipelines RAG émergents et à s’intégrer à de nouvelles bibliothèques comme LangChain ou LlamaIndex.

Puis est arrivée la vague des agents IA. Imaginons que vous demandiez à un agent de comparer le prix d’un produit sur 20 sites de commerce en ligne. Où trouvera-t-il les données ? C’est le problème que nous aidons les développeurs à résoudre depuis des années. Alors, quand Anthropic a publié le Model Context Protocol (MCP) à la fin de 2024, nous l’avons adopté immédiatement. Nous disposions déjà de milliers d’outils avec des entrées et des sorties clairement définies, exactement ce dont un agent a besoin.

Le véritable tournant s’est produit à la fin de 2025, lorsque les modèles sont devenus suffisamment performants pour que les agents puissent accomplir un travail concret. Les agents ont besoin d’outils adaptés et de données fiables. Depuis, l’utilisation d’Apify a véritablement décollé et approche rapidement les 100 millions de dollars d’ARR brut.

Apify est devenue une plateforme qui propose plus de 90 000 outils dans les domaines des données web, de l’extraction de données, de l’automatisation et de l’IA. Quel rôle cet écosystème joue-t-il, selon vous, alors que les agents ont de plus en plus besoin d’outils spécialisés au lieu de s’appuyer uniquement sur les capacités d’un grand modèle de langage ?

Oui, les modèles seront capables de générer des logiciels de plus en plus complexes à partir de zéro, mais il existe un seuil au-delà duquel il est plus efficace pour un agent d’acheter un outil existant que de le créer de toutes pièces. Ce seuil augmentera avec les progrès des modèles, mais il restera toujours des cas où l’achat est préférable, ce qui laissera la possibilité de vendre des outils préconçus, surtout s’ils reposent sur des données privées et un contexte difficile à obtenir.

À mesure que le coût de création de logiciels diminue et que le nombre de systèmes et d’outils logiciels augmente, le principal obstacle devient leur découverte : où trouver des outils fiables et utiles pour accomplir la tâche ? Et plutôt que de payer 500 $ pour faire générer un outil correctement, on peut payer quelqu’un 5 $ pour louer un service existant.

Au vu de ce que vous observez dans la communauté des développeurs Apify, quelles sont les applications concrètes les plus intéressantes créées avec des agents IA aujourd’hui, et quels cas d’usage sont réellement mis en production ?

Certains des exemples les plus intéressants sont d’une étonnante précision. Nous avons vu l’IA analyser YouTube, eBay et des boutiques japonaises pour aider à déterminer quelles cartes Pokémon valent la peine d’être achetées. Un assureur a utilisé Apify pour consulter 55 sites italiens de publication d’avis de décès et vérifier le décès de titulaires de polices. À l’autre extrémité du spectre, Canary utilise Apify pour Spotlight, un outil qui aide les enquêteurs à retrouver des victimes de la traite des enfants.

Ces applications ont en commun de répondre à un problème précis et de donner accès aux bonnes données, plutôt que de s’appuyer sur un agent conçu pour tout faire, un peu.

L’un des principaux défis pour les agents IA consiste à accéder à des informations récentes et structurées provenant de sites web, plutôt qu’à s’appuyer entièrement sur des données d’entraînement statiques. Dans quelle mesure l’accès au Web en temps réel deviendra-t-il important à mesure que les agents se verront confier des tâches de plus en plus complexes ?

Un LLM est une compression avec perte des données sur lesquelles il a été entraîné. Il peut faire des déductions très astucieuses, mais il ne fait toujours que deviner. Dès lors qu’un agent est censé prendre des décisions ou accomplir des tâches dans le monde réel, il ne peut pas se fier entièrement aux données d’entraînement. Les prix changent, des produits disparaissent, des concurrents lancent de nouvelles offres et les sites web sont constamment mis à jour.

Le modèle fournit le raisonnement, mais de nombreux agents ont besoin d’un moyen fiable d’obtenir des informations à jour sur le web et de les transformer en données structurées qu’ils peuvent exploiter à grande échelle.

Les environnements web peuvent être imprévisibles, avec des interfaces qui changent, du contenu dynamique, des exigences d’authentification et des systèmes anti-automatisation. Quels sont les principaux défis techniques auxquels les développeurs sont confrontés lorsqu’ils cherchent à créer des agents capables d’interagir de manière fiable sur le web ouvert ?

Les sites web modernes peuvent renvoyer du JavaScript dynamique, des pages de vérification ou un contenu incomplet, et les systèmes anti-bots prennent en compte tous les éléments, de la réputation de l’adresse IP à l’empreinte du navigateur. Les échecs passent souvent inaperçus : un agent peut ainsi résumer avec assurance une page vide sans s’en rendre compte.

Créer quelque chose qui fonctionne une fois est relativement facile. Créer quelque chose qui continue de fonctionner sur des sites web en constante évolution et à l’échelle de la production est beaucoup plus difficile.

À mesure que les agents acquièrent la capacité non seulement de récupérer des informations, mais aussi d’effectuer des actions en ligne, que faut-il améliorer en matière de fiabilité, d’autorisations, de vérification et de supervision humaine pour que les entreprises puissent leur confier des processus plus autonomes en toute confiance ?

Les autorisations prennent beaucoup plus d’importance dès qu’un agent peut agir, et pas seulement lire. L’agent ne devrait jamais avoir accès à vos identifiants, et tous les secrets doivent rester à l’extérieur d’un bac à sable sécurisé, sans jamais être exposés au modèle. Nous travaillons sur ce problème d’isolation par proxy pour les Actors de la plateforme Apify, ainsi que dans mcpc, notre client CLI open source pour MCP.

Les développeurs expérimentent toutes sortes de solutions, de l’automatisation du navigateur aux API spécialisées et aux nouveaux protocoles pour agents. Comment voyez-vous évoluer l’architecture des agents d’IA, et quelle sera la relation idéale entre les modèles, les outils, les sources de données et les navigateurs ?

Je pense que les grandes plateformes d’agents comme ChatGPT et Claude deviennent le nouveau système d’exploitation, une interface principale par laquelle les gens commandent leurs ordinateurs, et que les outils s’y greffent comme les applications sur un téléphone. Pour les outils qui s’exécutent ailleurs, MCP s’est imposé comme le protocole d’interaction standard.

Lorsqu’un agent a besoin de données comme les évaluations et les coordonnées de restaurants, il peut ouvrir Google Maps dans un navigateur et naviguer comme le ferait une personne, ce qui est imprécis et coûteux. Il peut aussi trouver et appeler un outil qui renvoie des données cartographiques structurées, ce qui est plus rapide et plus fiable. L’agent principal délèguera également des tâches comme réserver une table ou trouver des vols à des sous-agents spécialisés exécutés sur des modèles moins coûteux.

Apify développe depuis des années des infrastructures pour les développeurs, tout en créant une place de marché où des développeurs tiers peuvent publier leurs propres outils. L’IA agentique pourrait-elle donner naissance à une économie beaucoup plus vaste de services et d’outils spécialisés que les agents découvrent et utilisent de manière autonome ?

Oui, et notre place de marché en est déjà une version à petite échelle. Les développeurs publient des Actors, les utilisateurs s’en servent, les développeurs sont rémunérés, ce qui attire davantage de développeurs et d’outils. Ce cercle vertueux fonctionne depuis des années, avec des utilisateurs du côté des acheteurs.

À mesure que les agents d’IA assumeront davantage de responsabilités, ils auront besoin d’argent pour accomplir certaines tâches. On peut imaginer confier une tâche à un agent, lui donner un petit portefeuille et le laisser payer les outils dont il a besoin au fil de son travail, en utilisant un protocole de paiement agentique comme x402 ou MPP. Le volume reste faible, mais je pense que la majeure partie de l’activité économique finira par se dérouler de manière autonome entre agents, avec une supervision humaine toujours plus réduite.

Alors qu’Apify entame sa deuxième décennie et que les agents d’IA prennent une place bien plus importante dans le paysage logiciel, comment voyez-vous l’évolution de l’entreprise au cours des prochaines années, et qu’est-ce qui manque encore, selon vous, à l’écosystème actuel des agents ?

De plus en plus de personnes intègrent désormais Apify à leurs agents, comme Claude ou ChatGPT, et constatent que ces outils les aident à accomplir plus rapidement des tâches plus complexes sur le web. La plateforme Apify et les Actors sont optimisés pour offrir une excellente expérience agentique, ce qui stimule leur utilisation et les dépenses.

De l’autre côté de la place de marché, un nombre croissant de créateurs de logiciels tirent des revenus réguliers de leurs Actors : plus de 300 Actors de la communauté génèrent plus de 1 000 $ par mois. Le mois dernier encore, nous avons versé au total environ 2 M$ de revenus nets à quelques centaines de créateurs.

La croissance de la place de marché Apify s’accélère, tout comme notre ambition de faire d’Apify la plus grande place de marché au monde, et la plus digne de confiance, pour les outils d’IA, afin de permettre aux utilisateurs et aux milliards d’agents qui verront le jour de travailler sur le web.

Merci pour cet excellent entretien. Les lecteurs qui souhaitent en savoir plus sur les données web, l’automatisation du navigateur et les outils destinés aux agents d’IA peuvent consulter Apify.

Antoine est un dirigeant visionnaire et associé fondateur d’Unite.AI, animé par une passion inébranlable pour façonner et promouvoir l’avenir de l’IA et de la robotique. Entrepreneur ayant créé plusieurs entreprises, il estime que l’IA transformera la société autant que l’électricité et parle souvent avec enthousiasme du potentiel des technologies de rupture et de l’intelligence artificielle générale (AGI).

En tant que prospectiviste, il se consacre à l’étude de la manière dont ces innovations façonneront notre monde. Il est également le fondateur de Securities.io, une plateforme consacrée à l’investissement dans les technologies de pointe qui redéfinissent l’avenir et transforment des secteurs entiers.