Le défi
Vous gérez une marque grand public. Votre politique de revente stipule que personne ne vend le produit phare en dessous de 179 $. Puis un client vous écrit : quelqu'un l'a proposé à 144 $ sur Amazon le week-end dernier. Le temps que vous vérifiez, l'annonce a disparu. Le vendeur a réajusté le prix dès qu'il a atteint son objectif de volume de vente. Le mal est fait, et il vous reste encore Walmart, eBay, TikTok Shop et Google Shopping à vérifier.
C'est le quotidien du contrôle des prix MAP en 2026. Les produits contrefaits et piratés représentent à eux seuls 467 milliards de dollars dans le monde (données de l'OCDE et de l'EUIPO, via Red Points), sans compter l'arbitrage sur le marché gris et les violations des politiques de revente. Les places de marché ne surveillent pas les prix à votre place. Et 79 % des saisies de contrefaçons proviennent désormais de petits colis, ce qui signifie que des vendeurs individuels passent les douanes à grande échelle.
Les marques qui réagissent vite n'utilisent pas de meilleures feuilles de calcul. Elles exploitent une infrastructure de surveillance qui analyse chaque page produit sur chaque marketplace, chaque heure, dans chaque région où elles vendent.
L'approche FourA
L'architecture naïve consiste à créer un scraper par marketplace, un cron job et une alerte. Puis votre scraper plante car Amazon a modifié sa structure de page, vos IP sont bloquées car vous interrogez le même produit depuis un seul ASN, ou votre extraction de prix renvoie silencieusement le prix de vente conseillé barré au lieu de l'offre réelle.
Un pipeline fonctionnel repose sur quatre étapes.
La découverte. Partez de votre liste de SKU et identifiez chaque offre active sur les marketplaces. ASIN Amazon, identifiants d'articles Walmart, identifiants d'annonces eBay, URL de produits TikTok Shop. Il s'agit principalement de scraping de catalogue : parcourir les pages de catégories, les résultats de recherche et les variantes de PDP.
La collecte des pages. Pour chaque offre, récupérez la page en direct et extrayez le prix visible, le nom du vendeur, le titulaire de la Buy Box, tout coupon ou réduction Prévoyez et Économisez, ainsi qu'un horodatage. Certaines marketplaces fournissent du code HTML propre. TikTok Shop et Google Shopping exécutent la majeure partie de la logique de prix en JavaScript, vous avez donc besoin d'un vrai navigateur, pas d'une simple bibliothèque de requêtes.
La reconstruction du prix. C'est ici que la plupart des équipes échouent. Amazon affiche un prix catalogue, une réduction Prévoyez et Économisez de 5 à 15 %, parfois un coupon ou un lot multiple. Le prix réel payé par le client correspond rarement au montant mis en avant. Un outil de surveillance qui ne relève que le prix principal manque les violations dissimulées dans les remises cumulées.
Les preuves et alertes. Lorsque vous signalez une infraction, votre équipe juridique a besoin de preuves : URL, capture d'écran, prix exact, horodatage, vendeur et durée de validité de l'offre. Sans cela, la procédure de litige sur la marketplace n'aboutira pas.
Une plateforme comme FourA vous fournit une seule API pour gérer la complexité technique. Des requêtes HTTP pour les marketplaces qui renvoient du HTML propre, des sessions de navigateur pour celles qui dépendent lourdement de JavaScript, et un routage de proxy que vous n'avez pas à gérer. Vous envoyez une requête vers une URL de produit Amazon avec un profil de navigateur défini, et les headers équivalents à Chrome sont transmis afin que la page s'affiche correctement. Vous envoyez une requête vers Amazon US via un proxy situé aux États-Unis, puis pour le même SKU vers Amazon DE via un proxy situé en Allemagne, et les prix sont renvoyés dans leur contexte local.
curl -X POST "https://api.foura.ai/api/proxy" \
-H "x-api-key: YOUR_KEY" \
-H "Content-Type: application/json" \
-d '{
"maxTries": 5,
"timeout_ms": 30000,
"request": {
"method": "GET",
"url": "https://www.amazon.com/dp/B0EXAMPLE",
"unblocker": true,
"validate": {
"status": { "accept": [200] },
"data": { "fail": ["captcha", "Robot Check"] }
}
}
}'
C'est tout l'appel. Aucune logique de rotation de proxy dans votre code. Aucun test pour savoir si ce site exécute du JavaScript aujourd'hui. L'infrastructure gère le routage et les retries; votre pipeline gère la logique de prix. Pour une analyse approfondie de ce que le flag de profil de navigateur fait réellement sur le réseau, consultez notre analyse de Web Unblocker.
L'aspect géographique compte plus qu'on ne le pense. Une marque qui vend aux États-Unis, dans l'UE et au Royaume-Uni a besoin d'une visibilité sur les prix depuis l'espace IP de chaque région, car les marketplaces appliquent parfois une tarification régionale ou masquent complètement l'offre aux IP hors zone. Le routage par région vous permet de vérifier qu'un vendeur qui annonce une livraison internationale n'enfreint pas le MAP sur les marchés clés.
Résultats
Une marque de taille moyenne avec 500 SKU, six marketplaces et trois régions se retrouve avec environ 9 000 pages produits à surveiller. Une couverture horaire représente environ 216 000 requêtes par jour (scénario indicatif basé sur le périmètre classique d'une marque de taille intermédiaire). Ce n'est rien pour une API conçue pour cela, mais cela demande une équipe d'ingénieurs à plein temps si vous le construisez vous-même. Le chiffre intéressant n'est pas le volume de requêtes par jour, mais la fréquence à laquelle une infraction est mise en ligne et détectée dans la même heure.
Sur le terrain, l'amélioration se traduit ainsi :
- La latence de détection passe de plusieurs jours (scraping manuel ou hebdomadaire) à moins d'une heure avec un polling horaire
- La couverture passe des trois marketplaces que vous arrivez à suivre à l'ensemble des six plateformes où la marque vend réellement
- Les faux positifs chutent nettement dès que la reconstruction des prix prend en compte correctement les coupons, le programme Subscribe & Save et les lots
- La qualité des preuves s'améliore quand chaque détection inclut une capture d'écran et un horodatage liés à la requête
Si vous avez déjà lu notre analyse sur l'agrégation d'annonces immobilières à grande échelle, le schéma est identique : volume élevé de pages, rendu hétérogène, variations géographiques. Le produit change, l'architecture d'infrastructure reste la même.
Ce qu'il faut retenir
Les infractions au MAP ne sont pas un problème de qualité de données. C'est une course contre la montre. L'avantage va à celui qui repère l'infraction en premier : la marque qui l'intercepte avant la conversion de l'annonce, ou le revendeur qui empoche la marge et modifie le prix avant que quiconque ne s'en aperçoive. Chaque couche ajoutée à votre stack de surveillance (précision géographique, rendu JavaScript, reconstruction complète du prix) sert simplement à gagner de précieuses minutes.
Les marques qui réussissent en 2026 ne traitent plus le contrôle du MAP comme un audit trimestriel. Elles le gèrent comme une infrastructure en temps réel. L'infraction la moins coûteuse à corriger est celle identifiée dès sa première heure d'apparition.