Toutes les notes10 min de lectureArticle

Motorika : la motricité fine pour les agents IA

En bref

  • J’ai créé mon propre outil de navigation pour les agents IA : Motorika. Il donne à une IA le contrôle total d’un vrai Chrome, pour qu’elle puisse cliquer, taper et remplir des formulaires toute seule.
  • Je l’ai testé avec de vrais agents Claude Code : 191 exécutions, 8 outils de navigation, 5 tâches. Il a obtenu la meilleure moyenne, 26.3 s et $0.127 par tâche. Playwright MCP de Microsoft est quasiment à égalité avec 26.6 s et $0.131, Claude in Chrome a mis 37.7 s pour $0.167.
  • Il est nettement devant sur les formulaires et sur le paiement d’une boutique. Pour la lecture d’une page de contenu, Playwright et Claude in Chrome restent moins chers d’un ou deux cents... ce n’est donc pas une victoire sur toute la ligne.

Nos agents IA passent une part étonnante de leur journée dans un navigateur... vérifier un déploiement, remplir un formulaire, lire un fil avant que j’y réponde. Par agent, j’entends une IA qui ne se contente pas de répondre aux questions mais fait le travail elle-même : elle ouvre la page, clique, tape.

Les outils dont nous disposions pour cela étaient lents, et il manquait à chacun quelque chose dont j’avais besoin. Alors j’ai créé le mien, pour mes collègues et moi, et je l’ai appelé Motorika. Le nom vient du hongrois finommotorika, la motricité fine. Le modèle est le cerveau, Motorika lui donne les mains : les clics, les frappes au clavier, le remplissage des formulaires.

Techniquement, c’est un serveur MCP. MCP est la manière standard de donner de nouveaux outils à un modèle d’IA, et celui-ci lui confie un Chrome entier.

#Pourquoi je m’y suis mis

J’ai d’abord essayé ce que tout le monde utilise : Playwright MCP de Microsoft, BrowserMCP et Claude in Chrome. Chacun fonctionne... et chacun péchait quelque part.

Trop d’allers-retours. Sur la tâche du formulaire, Playwright a eu besoin de 5 appels d’outil, Motorika de 3 (médiane de 5 exécutions chacun). Chaque appel est un tour de plus où l’IA lit le résultat et décide de la suite, et c’est dans ces tours que partent le temps et l’argent.

Trop de texte. Après un simple clic, Playwright renvoie environ 250 caractères sur la page. Le mien en renvoie 33 (dans un petit test séparé, médiane de 20 clics sur une page de test locale). Cela paraît peu, mais multipliez-le par chaque étape d’une tâche.

Un onglet à la fois. BrowserMCP pilote l’unique onglet que vous avez connecté, et il ne peut pas en ouvrir un nouveau.

Pas de vidéo. Je voulais que les agents puissent vérifier une vidéo : extraire des images à des instants donnés, lire les sous-titres. Aucun des outils que j’ai essayés n’en était capable.

Mon vrai navigateur, ou rien. BrowserMCP et Claude in Chrome fonctionnent dans mon Chrome de tous les jours, avec toutes mes connexions. Je voulais un navigateur séparé pour les agents, auquel je me connecte délibérément.

L’objectif est donc devenu le contrôle total de Chrome par un agent, et « rapide » a pris trois sens que je peux réellement mesurer : une réponse rapide à chaque action, des réponses courtes, et moins de tours avec le modèle.

#Ce qu’il sait faire

Motorika donne à un agent 22 outils sur un seul Chrome. Ceux qui font la différence :

Un vrai travail sur plusieurs onglets. Il ouvre, change et ferme des onglets, et il peut travailler sur un onglet en arrière-plan sans le faire passer au premier plan. Chaque élément que voit l’agent reçoit une courte étiquette comme e12, et cette étiquette sait dans quel onglet elle se trouve. Un agent peut ainsi travailler sur trois sites en un seul appel.

Un formulaire entier en un appel. fill_form remplit chaque champ, choisit les options, joint un fichier et envoie. Dans le petit test (2026-10-23, build 4aaec31, médiane de 20 exécutions chacun), 8 champs plus l’envoi ont pris un appel et 277 ms ; Playwright a eu besoin de 2 appels et 658 ms.

Il dit ce qui a changé, pas toute la page. Un clic répond en quelques lignes : la page a-t-elle changé, un nouvel onglet ou une boîte de dialogue s’est-il ouvert, un téléchargement a-t-il commencé, une erreur est-elle apparue.

Plusieurs étapes à la fois. Avec batch, l’agent envoie quelques étapes en un seul appel, si bien que l’IA réfléchit une fois au lieu de cinq.

Vidéo. Lister les vidéos d’une page, lire, mettre en pause, sauter à un instant donné, changer la vitesse, extraire des images, lire les sous-titres. Les lecteurs intégrés fonctionnent aussi.

Lecture. Le texte d’une page, la recherche d’une expression, la structure de la page, et des captures d’écran sur lesquelles l’agent peut cliquer par position.

Et le reste de la boîte à outils : clavier, défilement, glisser-déposer, survol, envois de fichiers, téléchargements, boîtes de dialogue, journaux de la console et du réseau, et evaluate pour tout le reste.

Avec ou sans fenêtre. Par défaut, il lance son propre Chrome, visible ou masqué, et il peut aussi se connecter à un Chrome déjà en cours d’exécution.

Un seul navigateur pour toutes les sessions. J’ai généralement plusieurs sessions Claude Code ouvertes en même temps. Elles partagent toutes un même navigateur d’agent avec mes connexions, chacune avec ses propres onglets.

#Comment il fonctionne

Chaque session Claude Code lance son propre petit serveur Motorika, et tous pilotent le même Chrome. Les points importants, en termes simples :

Rien n’est ouvert sur le réseau. Les serveurs ne communiquent avec Chrome et entre eux qu’à l’intérieur de mon propre ordinateur, et le canal qui les relie ne peut être ouvert que par mon compte utilisateur. Si le premier serveur s’arrête, le suivant prend le relais, et les connexions restent.

L’agent voit une courte liste, pas toute la page. Un petit assistant présent dans chaque page la transforme en lignes compactes, une par élément important, chacune avec une courte étiquette comme e12. L’agent dit simplement « clique sur e12 », et l’étiquette connaît son propre onglet.

Chaque action attend, puis rend compte. Après un clic, Motorika attend que la page se calme (avec des délais maximaux stricts), puis répond en indiquant ce qui a changé. Après l’ouverture d’une nouvelle page, il ajoute un bref résumé de ce qui est à l’écran, 6,000 caractères au maximum.

Une page web ne peut pas donner d’ordres à l’agent. Chaque résumé de page est marqué comme non fiable, et le texte de la page est cité, pour qu’il ne puisse pas se faire passer pour Motorika. Les mots de passe tapés par l’agent sont masqués dans tout ce qu’il relit : texte de la page, messages d’erreur, résultats de scripts et adresses. Une copie en base64 ou avec une casse modifiée peut encore passer, ce n’est donc pas encore parfait.

Voici ce qu’un agent voit d’un formulaire de connexion :

- form "Login" e7
  - textbox "Email" e8 type=email required
  - textbox "Password" e9 password value=<redacted>
  - button "Sign in" e12

Et un clic qui reste sur la même page revient sous forme de deux lignes, pas d’un vidage de la page :

[t1] clicked e31 button "Add to cart"
→ alert "1 item added to your cart"

#Ce que j’ai mesuré

J’ai fait passer les cinq mêmes tâches à tous les outils de navigation dont je disposais : Motorika, Playwright MCP (aussi dans son mode captures d’écran uniquement), Chrome DevTools MCP, agent-infra, le serveur de référence Puppeteer, Claude in Chrome et BrowserMCP. Au global, Motorika et Playwright sont quasiment à égalité... la différence apparaît tâche par tâche.

Moyenne par tâche, sur les cinq tâches

Moyenne des moyennes par tâche de chaque outil, 5 exécutions par tâche. BrowserMCP est exclu : le benchmark l’a arrêté prématurément.

OutilTâches réussiesTemps par tâcheCoût par tâche
Motorika25/2526.3 s$0.127
Playwright MCP25/2526.6 s$0.131
Chrome DevTools MCP25/2527.2 s$0.175
agent-infra25/2529.7 s$0.133
Claude in Chrome25/2537.7 s$0.167
Playwright MCP, captures d’écran uniquement25/2538.1 s$0.208
Serveur de référence Puppeteer20/2550.1 s$0.179

Par tâche : Motorika, Playwright MCP et Claude in Chrome

Temps et coût médians par tâche, 5 exécutions chacun.

TâcheMotorikaPlaywright MCPClaude in Chrome
T1 formulaire13.3 s · $0.08721.1 s · $0.10835.3 s · $0.125
T2 Wikipedia14.7 s · $0.11919.7 s · $0.10330.5 s · $0.110
T3 trois onglets17.4 s · $0.10020.0 s · $0.09122.6 s · $0.104
T4 paiement en boutique32.9 s · $0.15338.4 s · $0.17370.7 s · $0.253
T5 long fil21.5 s · $0.17815.9 s · $0.16929.2 s · $0.234

Une exécution n’est réussie que si la réponse finale est juste et que le journal de l’agent montre qu’un outil de navigation l’a réellement produite, ce que vérifie un script, pas moi. Le temps est la durée réelle de toute l’exécution de l’agent, le coût est celui qu’indique Claude Code. Le premier tableau fait la moyenne des moyennes par tâche de chaque outil, pour que chaque tâche pèse autant. Le second montre des médianes, car une seule exécution lente peut beaucoup tirer une moyenne. Motorika en a eu une : sur le long fil, mon réseau a changé en cours d’exécution, cette exécution a pris 160.9 s, et je l’ai conservée.

Les cinq tâches : T1 remplit et envoie un formulaire, T2 fait une recherche sur Wikipedia et lit un article, T3 ouvre trois sites dans des onglets et travaille sur chacun, T4 se connecte à une boutique de test locale et passe une commande, T5 répond à trois questions sur un long fil Hacker News.

Chaque tâche a été exécutée 5 fois par outil, par un vrai agent Claude Code (Claude Opus 5.5). J’ai mélangé l’ordre pour que toute dérive touche chaque outil de la même manière, et chaque outil a d’abord eu droit à un échauffement non chronométré. Claude in Chrome et BrowserMCP pilotent mon vrai Chrome, connecté à mes comptes, donc ces deux-là ont tourné dans une fenêtre visible, un autre jour que les six autres.

Configuration : 26 et 27 octobre 2026, Claude Opus 5.5 dans Claude Code (sa version n’a pas été enregistrée pour ces exécutions), Chrome 155, et Chrome 156 pour les deux outils utilisant le vrai Chrome. Motorika au commit ef2f9a0, Playwright MCP 0.0.83, Chrome DevTools MCP 1.12.0, agent-infra 1.2.29, le serveur de référence Puppeteer 2025.5.12, BrowserMCP 0.1.3 et l’extension Claude in Chrome 1.0.102.

Et pour être honnête : j’ai créé Motorika, j’ai écrit les tâches, et je l’ai ajusté après la première série. Les autres outils ont tourné tels qu’ils sont livrés.

Là où il gagne : sur les formulaires et sur le paiement en boutique, Motorika a été nettement plus rapide et moins cher que Playwright. Ce sont les tâches où les agents cliquent et tapent le plus. Dans un petit test séparé (2026-10-23, une build antérieure), un simple clic a répondu en 127 ms ; Playwright a mis 527 ms (médiane de 20 clics chacun).

Là où il perd : sur l’article Wikipedia, Playwright est moins cher d’environ 1.5 cent par tâche, son mode captures d’écran uniquement d’environ 3 cents (14.8 s et $0.087, médiane de 5 exécutions) et Claude in Chrome d’environ 1 cent. Sur la tâche des onglets, Playwright est moins cher d’environ un cent. Sur le long fil, Playwright a aussi été plus rapide en médiane, 15.9 s contre 21.5 s.

Claude in Chrome a lui aussi réussi les 25. Il a été plus lent que Motorika sur les formulaires, Wikipedia et le paiement. Sur les onglets et le long fil, il a aussi été plus lent en médiane (22.6 s contre 17.4 s, et 29.2 s contre 21.5 s), mais sur cinq exécutions ces écarts n’étaient pas nets. BrowserMCP a passé une mauvaise journée. Deux fois sur la tâche du formulaire, sa saisie a expiré alors que les frappes arrivaient encore, ces exécutions ont atteint la limite de 6 minutes, et le benchmark l’a arrêté après 16 exécutions. Quand il fonctionnait, il était compétitif sur Wikipedia, à 24 s. Il ne peut pas ouvrir de deuxième onglet, pas plus que le serveur de référence Puppeteer.

La première série faisait paraître Motorika cher... et c’était ma faute. Après chaque chargement de page, il renvoyait un résumé de la page, et sur Wikipedia ce résumé remplissait toute la limite de 20,000 caractères. Je l’ai réduit à ce qui est à l’écran, 6,000 caractères au maximum, et sur les tâches Wikipedia et onglets, le texte renvoyé a baissé de 61% et 76%, compté en caractères avant et après le changement. Mon coût par tâche est passé de $0.204 à $0.119 sur Wikipedia et de $0.170 à $0.095 sur les onglets (2 exécutions chacun), tandis que Playwright restait à environ $0.10 et $0.09 dans la même session. Ce seul changement a donc comblé l’essentiel de l’écart de coût.

#Ce qui reste à faire

Ce n’est pas encore terminé, et je ne veux pas faire comme si c’était le cas.

Un benchmark plus propre. Ces chiffres proviennent d’un seul ordinateur portable occupé par mes autres sessions, de cinq tâches et d’un seul modèle, et les deux outils utilisant le vrai Chrome ont tourné un jour après les autres. Je veux refaire les tests sur une machine au repos, avec un second modèle... bientôt, j’espère.

Un assistant de page plus sûr. Aujourd’hui, l’assistant présent dans la page s’exécute dans le JavaScript de la page elle-même et se protège en vérifiant tout ce qu’il reçoit. Le déplacer dans un espace séparé et isolé écarterait toute une catégorie d’attaques.

Là où il perd encore. La saisie est plus lente d’environ 0.1 s par action (107 ms contre 7 ms pour Playwright, médiane de 20 sur une page de test locale, 2026-10-23, build 4aaec31), parce que Motorika attend que la page se stabilise et rend compte de ce qui s’est passé. Le démarrage prend environ 0.8 s, contre 0.6 s pour agent-infra, le plus rapide (médiane de 10 démarrages à froid, même test). Et pour la lecture d’une page de contenu, Playwright et Claude in Chrome restent moins chers d’un ou deux cents par tâche.

Ce qu’il ne fera pas : contourner la détection des bots, cacher qu’il est automatisé, ou résoudre des CAPTCHA. Je les ai laissés de côté délibérément.

#Open source

Motorika est open source sous licence MIT : github.com/X2Mobile/motorika-mcp. Essayez-le, cassez-le, et dites-moi ce qui manque.

Un conseil avant de l’essayer : le navigateur d’agent est un profil séparé auquel vous vous connectez vous-même, alors tenez-en à l’écart votre banque, votre messagerie principale et vos comptes d’administration.

#Mon avis

Je le garde, et je vais continuer à y travailler. Si vos agents remplissent des formulaires, passent par un tunnel de paiement ou travaillent dans plusieurs onglets à la fois, essayez-le, c’est là que la différence est apparue. S’ils lisent surtout des pages, Playwright MCP reste un peu moins cher et fonctionne bien, donc je ne changerais pas uniquement pour cela.

Vous ne savez pas encore où l’IA a sa place ? C’est là que nous commençons.