Il y a quelques semaines, quelqu’un sur le Slack de notre équipe a partagé un lien en demandant : « attends, c’est le même truc que Ferret ? » Eh bien non. En fait, il existe un modèle de vision d’Apple appelé Ferret, un outil de données de la NOAA appelé Ferret, et puis il y a MontFerret — un framework open source d’automatisation de navigateur que les développeurs utilisent pour écrire des scripts d’extraction dans un langage appelé FQL. Aucun de ces projets n’a de lien entre eux, et si tu cherches en ce moment « Thunderbit vs MontFerret », tu es probablement déjà tombé sur cette confusion.
Mettons donc les choses au clair tout de suite : je dirige Thunderbit, et ici je parle bien de notre produit face à MontFerret précisément — le projet d’extraction Web déclarative disponible sur montferret.dev. Pas le produit d’Apple. Pas l’outil de la NOAA. Et franchement, une fois cette histoire de nom clarifiée, la comparaison devient vraiment intéressante, parce que Thunderbit et MontFerret ne visent pas du tout le même public. Ils résolvent des problèmes différents pour des gens différents, et c’est, à mon avis, le vrai sujet.
Réponse rapide
Si tu veux l’essentiel avant d’entrer dans les détails : Thunderbit est un Extracteur Web agentique géré, conçu pour transformer vite n’importe quelle page en données structurées — via une extension de navigateur, une Web App, une Open API, un MCP Server et une CLI. MontFerret est un framework open source d’automatisation du navigateur dans lequel on écrit des requêtes en FQL (Ferret Query Language) pour extraire et interagir avec des pages.
Encore une précision avant d’aller plus loin, parce que j’ai vu des gens y perdre 20 minutes : ici, on parle uniquement du projet MontFerret. Pas du modèle de vision Ferret d’Apple, pas de l’outil de visualisation de données Ferret de la NOAA, ni d’un autre « Ferret » trouvé sur Google. Seulement montferret.dev.
Aperçu rapide
| Thunderbit | MontFerret | |
|---|---|---|
| Utilisateur principal | Utilisateurs métier non techniques (vente, opérations, GTM), plus développeurs | Développeurs / ingénieurs |
| Mise en route | Installer l’extension ou ouvrir la Web App | Installer Go / l’environnement Ferret, configurer le port de débogage Chrome |
| Interface | Cliquer sur One Click Extract, l’agent fait le reste | Écrire des requêtes FQL sur le DOM / CDP |
| Langage de requête | Aucun — affiner les champs en langage naturel | FQL (inspiré de l’AQL d’ArangoDB) |
| Automatisation du navigateur | Gérée sur les pages compatibles et autorisées | Auto-gérée via Chrome DevTools Protocol |
| Logique d’extraction | Analyse agentique de la page | Sélecteurs, boucles et filtres explicites écrits par vous |
| Déploiement | Extension navigateur / Web App / cloud | Auto-hébergé, infrastructure à votre charge |
| Planification | Disponible sur les formules éligibles | À construire et gérer vous-même |
| Maintenance | Prise en charge par le produit | À la charge de votre équipe |
| Licence | SaaS payant (crédits / abonnement) | Open source, exécution gratuite |
| Coût total | Coût d’abonnement | Logiciel « gratuit », mais infrastructure + temps d’ingénierie |
Qu’est-ce que Thunderbit ?
J’ai souvent expliqué Thunderbit à des personnes qui n’avaient jamais extrait de données d’un site de leur vie, et je le formule généralement comme ça : tu ouvres une page à laquelle tu es autorisé à accéder, tu cliques sur un bouton, et Thunderbit comprend quelles données sont importantes sur cette page.
Concrètement, voilà comment ça se passe. Tu cliques sur One Click Extract. Notre agent détecte la page, la lit, en analyse la structure et prépare les champs qu’il juge utiles — pense aux noms de produits, aux prix, aux coordonnées, ou à tout autre élément pertinent affiché par la page. Ensuite, il affiche Run Now. Tu peux cliquer pour lancer immédiatement, ou, si tu ne fais rien… il démarre tout seul. Voilà. Un seul clic intentionnel, pas de schéma à construire, pas de sélecteur à écrire, pas de code.
C’est le fonctionnement de la Thunderbit Chrome Extension, et c’est souvent la première interface que les gens découvrent. Mais ce n’est pas la seule. Si tu veux affiner l’extraction — par exemple lui demander de récupérer aussi un champ qu’il a oublié, ou de reformater certaines données — tu peux le faire avec de simples instructions. Thunderbit gère aussi automatiquement la pagination compatible et l’enrichissement des sous-pages sur les pages prises en charge, puis exporte vers Excel, Google Sheets, Airtable ou Notion.
Pour les développeurs, il y a davantage sous le capot : la Thunderbit Web App pour l’extraction dans le cloud, une Open API pour l’accès programmatique, un MCP Server pour se connecter à des agents IA comme Claude ou Cursor, et une CLI pour les workflows en terminal ou pilotés par un agent de code. Donc, même si l’extension est la porte d’entrée no-code, Thunderbit n’est pas juste un outil de navigateur : c’est une vraie plateforme d’extraction avec plusieurs points d’accès.
Petite précision honnête ici, parce que je ne veux pas en faire trop : le « one click » s’applique aux pages compatibles et auxquelles tu es autorisé à accéder. Ce n’est pas une garantie contre tous les systèmes anti-bot, tous les écrans de connexion, ni tous les cas limites qu’un site peut opposer.
Qu’est-ce que MontFerret ?
MontFerret, c’est un autre monde, et j’ai beaucoup de respect pour ce qu’ils ont construit. C’est un système open source d’extraction Web déclarative où, au lieu de cliquer sur des boutons, tu écris des requêtes en FQL — Ferret Query Language — que le projet décrit comme inspiré de l’AQL d’ArangoDB.
D’après leur documentation officielle, le système repose sur plusieurs briques principales : un parseur FQL, un compilateur, un runtime, une bibliothèque standard, un registre de fonctions utilisateur, des pilotes HTML en mémoire, un pilote Chrome DevTools Protocol (CDP) et une interface en ligne de commande. Si ça te paraît très chargé, c’est parce que ça l’est — mais c’est justement le but. MontFerret est pensé pour des développeurs qui veulent un contrôle fin, au niveau du code, sur la façon dont une page est extraite.
Pour tout ce qui touche au contenu rendu en JavaScript ou à une vraie interaction avec le navigateur, il faut exécuter Chrome ou Chromium avec un port de débogage ouvert, afin que MontFerret puisse communiquer via CDP. Une fois cela en place, ta requête FQL peut exprimer des boucles, des filtres, des sélecteurs de type CSS, la navigation entre pages, les interactions clic/saisie et des valeurs de retour structurées — en gros, un langage de requête qui encapsule une logique d’automatisation du navigateur.
Le compromis est bien réel : MontFerret cache une grande partie des mécanismes bas niveau du navigateur et du réseau, mais tu dois quand même apprendre le FQL, écrire et tester tes requêtes, et faire tourner ton propre runtime. Il n’y a pas ici de moment « on clique et il comprend les champs ». Tu lui dis exactement quoi faire, à chaque fois.
Différence fondamentale : produit agentique géré vs framework à langage de requête
Temps jusqu’au premier résultat structuré
C’est là que l’écart saute le plus aux yeux. Avec Thunderbit, le temps jusqu’au premier résultat se compte en secondes : clique sur One Click Extract, laisse l’agent analyser la page, et la tâche démarre automatiquement ; Run Now est optionnel. Avec MontFerret, tu écris d’abord une requête. Même un script FQL simple exige de comprendre les sélecteurs, la syntaxe de requête et le comportement du pilote CDP sur la page ciblée. Ce n’est pas une critique de MontFerret — c’est simplement un point de départ fondamentalement différent. L’un dit « laisse l’agent se débrouiller », l’autre dit « tu lui indiques précisément quoi faire ».
Automatisation navigateur sur mesure et niveau de contrôle
À l’inverse, MontFerret prend l’avantage sur la précision. Si tu as besoin d’un extracteur qui fait quelque chose de très spécifique — remplissage de formulaires en plusieurs étapes, logique conditionnelle selon l’état de la page, comportement de relance personnalisé — FQL te donne ce niveau de contrôle parce que tu écris toi-même la logique. L’approche agentique de Thunderbit est excellente pour « extraire ce qui est utile sur cette page », mais ce n’est pas un langage de script navigateur généraliste. Si ton cas d’usage exige une logique de branchement sur mesure dans un workflow multi-pages, on est clairement dans le territoire de MontFerret.
Déploiement et responsabilité de maintenance
Voici la partie que les gens sous-estiment. Avec Thunderbit, lorsqu’un site change de mise en page, l’extraction agentique s’adapte parce qu’elle réanalyse la page à chaque fois au lieu de dépendre de sélecteurs figés — même si, là encore, ça ne promet pas de fonctionner sur chaque refonte. Avec MontFerret, si la structure DOM d’un site change, les sélecteurs de ta requête FQL peuvent casser, et quelqu’un dans ton équipe doit le voir, déboguer et corriger. C’est une responsabilité d’ingénierie continue qui ne disparaît jamais vraiment avec un scraper écrit à la main, open source ou non.
Scénarios concrets
Extraction ponctuelle pour un utilisateur métier
Imaginons qu’un collaborateur Sales Ops doive récupérer en fin de journée une liste d’entreprises depuis un annuaire, sans aucun ingénieur disponible. Thunderbit est conçu exactement pour ce cas : ouvrir la page, cliquer sur One Click Extract, exporter vers Google Sheets, puis passer à autre chose. Personne n’écrit du FQL pour une tâche unique.
Automatisation navigateur récurrente écrite par un développeur
Maintenant, imaginons qu’une équipe d’ingénierie mette en place un pipeline de surveillance devant vérifier chaque nuit la page de tarifs d’un concurrent, extraire des données imbriquées précises et les envoyer dans un système interne avec une logique de transformation personnalisée. C’est là que l’approche de requête déclarative de MontFerret peut briller — tu écris le FQL une fois, tu sais exactement ce qu’il fait, et tu prends en charge tout le pipeline.
Workflow dynamique en plusieurs étapes
Pour les sites qui nécessitent des connexions, une navigation sur plusieurs pages et des actions conditionnelles selon ce qui s’affiche à l’écran, le pilote CDP de MontFerret et sa logique de requête explicite te donnent le contrôle nécessaire pour tout script précisément. Thunderbit peut gérer la pagination compatible et l’enrichissement des sous-pages sur les pages prises en charge et autorisées, mais il n’est pas conçu comme un outil de script général pour des workflows navigateur arbitraires en plusieurs étapes.
Intégration API ou agent IA
Si tu construis un agent IA qui doit récupérer des données Web structurées dans le cadre d’un workflow plus large, le MCP Server de Thunderbit s’intègre directement à des outils comme Claude Code ou Cursor. MontFerret peut aussi être intégré dans une pile sur mesure, mais tu construis toi-même cette couche d’intégration au lieu d’utiliser un connecteur prêt à l’emploi.
Fiabilité, flexibilité et maintenance
Je vais être direct, parce que c’est souvent sur ce point que beaucoup d’articles comparatifs manquent de rigueur. La compréhension agentique des pages par Thunderbit est vraiment utile, car elle réduit la charge de maintenance liée aux sélecteurs codés en dur — l’agent relit la structure de la page au lieu de s’appuyer sur un chemin CSS fragile qui casse dès qu’un site refond son balisage. Mais « agentique » ne veut pas dire « magique ». Ça fonctionne sur les pages compatibles et autorisées, et il existe clairement des sites et des situations où l’extraction ne donnera pas exactement ce que tu attends.
La logique explicite de requête / automatisation de MontFerret est, d’une certaine manière, plus prévisible — tu sais exactement ce que fait la requête puisque c’est toi qui l’as écrite — mais cette prévisibilité s’accompagne d’une plus grande fragilité quand la page sous-jacente change. Si un site remplace un div par une section, ton sélecteur peut casser en silence, et tu ne t’en rendras compte que lorsque tes données reviendront vides ou fausses.
Aucun des deux outils ne prétend contourner universellement les protections anti-bot, et je me méfierais de tout outil qui affirmerait ça. Dans les deux cas, il faut rester dans le cadre de ce à quoi tu es autorisé à accéder.
Tarifs, licence et coût total
C’est ici que l’étiquette « gratuit » du logiciel open source devient trompeuse, et je pense qu’il vaut mieux être clair là-dessus.
MontFerret est open source — vérifie la licence exacte actuelle dans leur dépôt avant de t’engager, parce que ce genre de chose peut évoluer — mais, globalement, il n’y a pas de frais d’abonnement pour utiliser le framework de base. Cela dit, « gratuit » ne couvre que la licence du logiciel. Tu dois quand même provisionner et héberger ta propre infrastructure, faire tourner et maintenir des instances Chrome/Chromium, gérer des proxys si tu extrais de gros volumes, mettre en place une supervision pour détecter les pannes, et payer des ingénieurs pour écrire et maintenir les scripts FQL.
Thunderbit fonctionne sur une structure de forfait payant — consulte la page Thunderbit Pricing pour connaître les tarifs exacts, car ces détails évoluent dans le temps — mais ce coût inclut l’exécution gérée dans le navigateur / cloud, la logique d’extraction agentique, les exports et l’accès API / MCP / CLI. Pas de facture d’infrastructure séparée à gérer.
| Facteur de coût | Thunderbit | MontFerret |
|---|---|---|
| Coût de licence | SaaS payant (crédits / abonnement) | Gratuit, open source |
| Coût d’infrastructure | Inclus dans le forfait | Tu provisionnes / héberges serveurs, Chrome, proxys |
| Temps d’ingénierie | Minimal — pas de code requis | Continu — écriture, test, débogage du FQL |
| Charge de maintenance | Prise en charge par le produit | À la charge de ton équipe |
La vraie question n’est pas « lequel est le moins cher » — c’est « où veux-tu que le coût apparaisse ». Thunderbit le fait apparaître sur une facture mensuelle. MontFerret le fait apparaître dans l’agenda de ton équipe d’ingénierie.
Qui devrait choisir Thunderbit ?
Si tu fais partie d’une équipe non technique qui a besoin de données tout de suite et n’a pas de ressources d’ingénierie disponibles, Thunderbit est le choix évident. Même chose pour toute personne qui fait des extractions métier ponctuelles ou récurrentes, quand le « zéro configuration » compte plus que le contrôle granulaire. Et si tu construis déjà des workflows d’agents IA et que tu veux brancher l’extraction via MCP ou CLI sans écrire une couche d’intégration personnalisée, tu es exactement dans le bon cas d’usage pour Thunderbit.
Qui devrait choisir MontFerret ?
Si tu es développeur et que tu construis un pipeline d’extraction reproductible devant tourner en CI/CD, ou si tu as besoin d’une infrastructure auto-hébergée pour des raisons de résidence des données ou de conformité, l’approche déclarative de MontFerret et son contrôle total de l’infrastructure font sens. C’est aussi le meilleur choix si ton équipe a la capacité d’ingénierie nécessaire pour maintenir des scripts FQL sur le long terme et veut vraiment ce niveau de contrôle sur la logique d’automatisation du navigateur.
Peut-on utiliser les deux ?
Honnêtement, oui, et je ne pense pas que ce soit une réponse de fuite. J’ai vu des organisations où une équipe technique utilise des tâches FQL spécialisées et répétables pour les pipelines de données critiques nécessitant une logique exacte et versionnée, tandis que les utilisateurs métier de la même équipe utilisent Thunderbit pour la recherche ponctuelle, les exports rapides ou les extractions exploratoires qui ne justifient pas l’écriture d’un script sur mesure. Ce ne sont pas vraiment des outils concurrents — ils se placent à différents niveaux d’une même opération de données plus large. Je ne vais pas prétendre qu’il existe une intégration officielle entre les deux, parce qu’il n’y en a pas, mais d’un point de vue architectural, cette répartition tient parfaitement la route.
Verdict
Si je devais résumer en une phrase : choisis en fonction de la personne qui fait le travail et du temps dont elle dispose. Si tu as une personne non technique qui a besoin d’un tableau de données dans les dix prochaines minutes, Thunderbit gagne à tous les coups — il n’y a pas photo. Si tu as un ingénieur qui veut un pipeline d’extraction déclaratif, auto-hébergé, versionnable, et qui accepte d’en assurer la maintenance sur le long terme, MontFerret est une option open source tout à fait sérieuse.
Ce n’est pas une situation où « un outil bat l’autre », et je te rendrais service en te faisant croire le contraire. Il s’agit plutôt de savoir « quel problème es-tu réellement en train de résoudre ».
FAQ
Quel projet Ferret est évoqué ici ? Le projet concerné est MontFerret, le framework open source d’extraction Web déclarative disponible sur montferret.dev. Il n’a aucun lien avec le modèle de vision Ferret d’Apple, l’outil de visualisation de données Ferret de la NOAA, ni avec tout autre projet portant le nom « Ferret ».
MontFerret est-il open source ? Oui, MontFerret est un projet open source. Il n’y a pas de frais de licence pour le framework principal, même si tu devrais vérifier les conditions exactes dans le dépôt avant de l’utiliser dans un contexte commercial, car les coûts d’infrastructure et d’ingénierie s’appliquent toujours même si le logiciel lui-même est gratuit.
Thunderbit prend-il en charge les intégrations API et MCP ? Oui. Thunderbit propose une Open API pour l’accès programmatique et un MCP Server qui connecte les outils d’extraction de Thunderbit à des hôtes d’agents IA comme Claude Code et Cursor, ainsi qu’une CLI pour les workflows en terminal.
Lequel est le plus simple pour les non-développeurs ? Thunderbit, sans hésitation. Son extension de navigateur est conçue pour que les utilisateurs non techniques puissent extraire des données structurées en cliquant sur One Click Extract — sans langage de requête, sans sélecteurs, sans code. MontFerret exige d’apprendre le FQL et de configurer un runtime, ce qui suppose au minimum des compétences de développement de base.
Lequel offre le plus de contrôle explicite sur l’automatisation du navigateur ? MontFerret. Comme tu écris directement des requêtes FQL sur le DOM via Chrome DevTools Protocol, tu obtiens un contrôle précis, au niveau du code, sur la navigation, les interactions et la logique conditionnelle. L’approche agentique de Thunderbit est optimisée pour une extraction structurée rapide sur les pages compatibles, plutôt que pour une automatisation scriptée granulaire.
