Une douzaine d'œufs Lucerne dans un magasin Safeway à Washington, D.C. était proposée sur Instacart à 3,99 $, 4,28 $, 4,59 $, 4,69 $ et 4,79 $. Même magasin, même moment, acheteurs différents. Lequel de ces cinq montants doit figurer dans votre panel de prix ?
Le défi
Dans l'alimentaire, la veille tarifaire cesse d'être une simple opération consistant à « récupérer la page produit, parser le prix ». Le prix d'un produit alimentaire dépend d'un magasin, souvent d'une zone de livraison, et de plus en plus de la personne qui le consulte.
Commençons par le magasin. Le guide de comparaison des prix alimentaires de Scrapfly relève un gallon de lait à 3,98 $ dans un Walmart et à 4,29 $ dans un autre situé à 30 kilomètres, tout en avertissant qu'une session sans géolocalisation de magasin reçoit des données par défaut qui peuvent ne correspondre à aucun point de vente réel. Le guide 2026 de livraison alimentaire de ScrapeInsight constate la même chose à l'échelon inférieur : 3,99 $ dans une zone de livraison, 4,49 $ quelques kilomètres plus loin. L'étude de cas ShopGrok de Bright Data décrit comment les tarifs de la grande distribution australienne sont devenus dépendants du code postal au cours des près de quatre années d'activité de cette entreprise.
Ensuite, l'acheteur. En décembre 2025, Groundwork Collaborative, Consumer Reports et More Perfect Union ont soumis 437 acheteurs à des tests en direct dans quatre villes, en remplissant des paniers Instacart identiques dans les mêmes magasins au même moment. 74 % des articles sont apparus à plusieurs prix différents. Lorsque les prix différaient, l'écart entre le plus bas et le plus haut atteignait en moyenne 13 %, et les paniers complets variaient d'environ 7 %.
Combinez ces facteurs et vous obtenez l'anomalie qui rend les données alimentaires si coûteuses. Perdez le contexte du magasin et rien ne plante. Le site ne renvoie pas d'erreur. Il renvoie un prix tout à fait valide pour un magasin que vous n'avez pas demandé, avec un SKU, une valeur et un horodatage qui passent l'ensemble de vos vérifications de valeurs nulles.
Nous avons déjà abordé le scénario où un blocage ressemble à un point de données. Celui-ci est plus difficile à détecter, car la page est bel et bien une page de prix. Mais pas la vôtre.
Valider le magasin dans la réponse
La plupart des collecteurs transmettent la sélection du magasin (un cookie, un paramètre de requête, un header) et lui font confiance. La pratique la plus robuste consiste à exiger que la réponse le prouve. Si la page mentionne le magasin pour lequel elle a été générée, par exemple un identifiant de magasin dans les données intégrées ou un nom de magasin dans la bannière de retrait, ce marqueur devient votre critère de validation. Sur FourA, cela correspond à un seul appel Proxy Finder :
import requests
r = requests.post(
"https://api.foura.ai/api/proxy",
headers={"X-API-Key": "pk_live_..."},
json={
"maxTries": 6,
"request": {
"method": "GET",
"url": "https://grocer.example/product/0001234",
"headers": [["Cookie", "store=1234"]],
"validate": {
"status": {"accept": [200]},
"data": {
"accept": ["\"storeId\":\"1234\""],
"fail": ["Just a moment", "Access Denied"]
}
}
}
}
).json()
if "error" in r:
report = r.get("attemptReport", {})
print(report.get("summary", r["error"]))
if report.get("contentRejected", 0) > report.get("defense", 0) + report.get("noResponse", 0):
print("the site answered for another store: check the store selection")
else:
page, exit_id = r["data"], r["proxy"]
Trois details dans cette request sont faciles a manquer.
accept reussit des que l'une de ses chaines apparait dans la page. Si vous placez un marqueur de prix a cote du marqueur de magasin, une page correspondant au mauvais magasin passera sans encombre car elle contient aussi un prix. Conservez uniquement le marqueur de magasin dans accept, et placez les chaines de verification dans fail.
Votre propre header Cookie modifie le comportement des retries. Quand un site refuse le browser presente, Proxy Finder bascule normalement vers une autre famille de browser lors de la tentative suivante. Pas si votre cookie est attache. Une session est liee a la signature qui l'a obtenue, donc une request transportant son propre cookie conserve le browser avec lequel elle a debute. Si le site d'une enseigne se revele pointilleux sur les browsers, choisissez-en un explicitement avec les profils de browser au lieu de compter sur la rotation.
Et une tache en echec vous indique le type exact de panne. Chaque response en echec de Proxy Finder comporte un attemptReport. defense comptabilise les responses ou un bot check a ete identifie, noResponse comptabilise les sorties qui n'ont jamais atteint le site, et contentRejected comptabilise les pages revenues avec un HTTP 200 sans bot check, rejetees uniquement par votre regle de contenu. Pour un collecteur de donnees alimentaires, ce dernier compteur a une signification precise: le site a repondu, mais pas pour votre magasin. Ajouter des sorties ne corrigera pas cela. Le guide des rapports de tentatives detaille les autres compteurs.
Figer le profil acheteur ou mesurer la dispersion
Les constats sur Instacart introduisent une seconde variable, et il existe deux approches rigoureuses pour la gerer.
Pour un panel de prix, maintenez la collecte de chaque magasin sur une seule identite. Rejouez la sortie qui a fonctionne (r["proxy"], un identifiant opaque) via Single avec le meme cookie, et enregistrez cet identifiant ainsi que le header de response X-FourA-Request-Id avec chaque ligne. Quand un prix varie brutalement, vous pouvez distinguer une mise a jour en magasin d'un changement de session.
Pour les etudes tarifaires, faites deliberement l'inverse. Echantillonnez le meme SKU dans le meme magasin via plusieurs sessions independantes et conservez la distribution, pas seulement la premiere reponse. Un panel qui affiche un chiffre unique la ou les acheteurs en voient cinq n'est pas precis. Il est juste chanceux.
Resultats
Prenons une enseigne regionale qui analyse 120 magasins concurrents sur 2 500 SKUs, mis a jour quotidiennement (scenario illustratif base sur les references du secteur). Cela represente 300 000 lectures de pages par jour, et chaque nuit, certaines reviendront pour le mauvais magasin: un format de cookie a change, un magasin a ferme, ou un site a commence a privilegier la geolocalisation IP par rapport au cookie.
- Les pages du mauvais magasin échouent dès la collecte. Elles ne deviennent jamais des lignes, de sorte qu'une variation de prix dans le panel correspond bien à une variation dans ce magasin précis.
- Les échecs arrivent déjà triés. Un taux élevé de
contentRejectedest attribué au responsable de la sélection des magasins, un taux élevé dedefenserelève d'un problème d'accès, et un taux élevé denoResponseconcerne les sorties. Trois responsables, trois correctifs, et personne ne perd sa matinée à deviner l'origine de l'anomalie. - Chaque ligne est traçable. Un identifiant de sortie et un identifiant de request par observation transforment la question « ce pic est-il réel ? » en une simple recherche.
- La dispersion devient une métrique disponible. Pour les SKU que vous échantillonnez sur plusieurs sessions, vous pouvez rapporter la fourchette réelle observée par les acheteurs plutôt qu'une valeur isolée.
Les limites du modèle : les tarifs membres et fidélité sont réservés aux comptes connectés, et les tests ciblés sur un acheteur authentifié n'apparaîtront pas du tout dans les sessions anonymes. Collecter ces données est d'abord une question de conditions d'utilisation avant d'être un défi d'ingénierie. De plus, un marqueur de magasin ne vaut que par la pertinence de son extraction. Récupérez-le dans le code source de la page, pas de mémoire, et vérifiez-le à chaque refonte du site de l'enseigne.
Ce qu'il faut retenir
Le prix d'un produit alimentaire était autrefois une donnée absolue liée à ce produit. C'est désormais une information dépendante d'un produit, d'un magasin et d'un acheteur, et un collecteur qui n'enregistre que la première génère du bruit sous un schéma très propre.
Si la tarification individualisée continue de se généraliser, la question que les acheteurs de données poseront passera de « combien cela coûte-t-il ? » à « combien cela coûte-t-il ici, et quelle est l'amplitude de la fourchette ? ». Les collecteurs fiables ne seront donc pas ceux qui disposent du plus grand nombre de sorties. Ce seront ceux dont chaque request peut identifier précisément le magasin ciblé, preuve à l'appui.