« Combien ça coûte ? » arrive toujours en premier. C'est aussi la question à laquelle on ne peut pas répondre sans détails.
Le mot scraping recouvre l'extraction ponctuelle de trois cents fiches aussi bien qu'un flux quotidien de plusieurs millions de lignes. Entre les deux, rien de comparable. Voilà ce qui fait bouger le chiffre, par ordre d'importance.
Le nombre de sources
Premier facteur, et de loin. Collecter un site demande un extracteur. En collecter dix en demande dix, chacun avec sa structure, ses pièges et sa maintenance.
Passer de mille à cent mille lignes change surtout le temps d'exécution. Passer d'un site à dix multiplie le travail par dix.
Une fois, ou tous les jours
Une extraction unique se conçoit, s'exécute, se livre. Fin de l'histoire.
Une collecte quotidienne, elle, vit. Elle tourne, elle casse, elle se répare. C'est un service et non un livrable, et c'est le poste que les budgets sous-estiment le plus souvent.
Les défenses du site visé
Une page servie en HTML se lit directement. Un site qui construit tout en JavaScript, affiche un captcha ou surveille les comportements automatisés demande des navigateurs pilotés, des proxies, de la résolution de défis. Même donnée à l'arrivée, chemin sans commune mesure.
La forme de la livraison
Un fichier déposé une fois n'engage à rien après coup. Une API maintenue, avec une disponibilité à tenir, engage tous les jours. Nous détaillons les quatre formats possibles dans un article dédié.
La qualité attendue
Elle ne figure sur aucun devis et se paie toujours. Dédoublonner, normaliser des adresses, rattraper des champs manquants, traiter les cas limites : c'est ce qui sépare une donnée exploitable d'un tas à retraiter.
Quatre réponses suffisent pour qu'on vous donne un chiffre. Quels sites, quels champs, à quelle fréquence, sous quelle forme. Nos grilles tarifaires donnent les ordres de grandeur.