Tavily

Tavily est une API de recherche et d'extraction de contenu conçue spécifiquement pour les agents IA et les applications basées sur de grands modèles de langage (LLM). Fondée fin 2023 par Rotem Weiss et Assaf Elovic à New York, l'entreprise est née de GPT Researcher, un projet open-source lancé par Elovic en juillet 2023 pour donner aux LLM un accès web en temps réel avant que ChatGPT n'intègre la navigation native. Le produit commercial résout un problème concret : lorsqu'un agent propulsé par un LLM a besoin d'informations actualisées, il lui faut des résultats de recherche formatés pour une fenêtre de contexte, et non une page HTML encombrée de bannières de cookies et de menus de navigation. Tavily gère cette couche de formatage en renvoyant des extraits classés, des scores de pertinence et des URL sources prêts à être injectés directement dans un prompt.

L'API propose quatre points de terminaison principaux : Search (résultats en temps réel par mots-clés et classés par l'IA), Extract (contenu structuré à partir d'URL spécifiques), Map (exploration et indexation d'un domaine) et Research (un flux de travail de recherche autonome en plusieurs étapes). La recherche de base (Basic Search) coûte 1 crédit par requête ; la recherche avancée (Advanced Search) en coûte 2. Le forfait gratuit Researcher inclut 1,000 crédits par mois. Les forfaits payants commencent à $30/mois pour 4,000 crédits. Tavily propose des intégrations officielles avec LangChain (le paquet PyPI langchain-tavily), LlamaIndex, le OpenAI Agents SDK, IBM WatsonX, AWS, Databricks MCP Marketplace et les JetBrains IDEs. En février 2026, l'entreprise a été acquise par Nebius (NASDAQ: NBIS) pour un montant initial de $275 millions, la plateforme continuant d'opérer sous la marque Tavily.

Ce que fait réellement Tavily en avril 2026

Tavily n'est pas un moteur de recherche web généraliste doté d'une interface utilisateur. Il s'agit d'une couche d'infrastructure orientée API (API-first) qui connecte les boucles d'agents à l'internet en direct. Un appel typique envoie une chaîne de requête et des paramètres optionnels (sujet, plage de temps, filtre de domaine, nombre maximum de résultats) et reçoit en retour un objet JSON avec des résultats classés, contenant chacun un titre, une URL, un extrait et un score de pertinence. Pour les cas d'usage avancés, le point de terminaison Extract récupère et analyse des pages spécifiques, en supprimant les éléments superflus pour renvoyer un markdown propre. Le point de terminaison Map explore un domaine entier et renvoie une liste d'URL indexées, ce qui est utile pour créer des bases de connaissances à partir d'un site spécifique.

Le point de terminaison Research est l'offre la plus gourmande en calcul. Il accepte une question de recherche en langage naturel et effectue de manière autonome de multiples recherches, synthétise les résultats et renvoie un rapport structuré avec des citations. Le coût en crédits varie considérablement : 15-250 crédits par requête sur le modèle Pro, 4-110 crédits sur le modèle Mini. Cela signifie qu'une requête de recherche complexe avec une tarification à l'usage ($0.008/crédit) peut coûter entre $0.12 et $2.00 par appel, ce qui surprend souvent les développeurs qui s'attendaient à une tarification forfaitaire pour tous les points de terminaison.

Les fonctionnalités de niveau production incluent un SLA de disponibilité de 99.99%, une latence p50 de 180ms sur les requêtes de recherche standard, le filtrage des PII (informations personnellement identifiables), le blocage des injections de prompt et le filtrage des sources malveillantes. La plateforme revendique plus de 100 millions de requêtes mensuelles et une communauté de développeurs dépassant le million d'utilisateurs. Les clients cités lors de l'annonce de l'acquisition par Nebius incluent IBM, Cohere, Groq, MongoDB et LangChain.

Où se situe Tavily par rapport à Exa et SerpAPI

Trois API dominent les discussions sur la recherche pour agents : Tavily, Exa et SerpAPI. Elles fonctionnent de manières fondamentalement différentes.

Tavily vs. Exa : Exa (anciennement Metaphor) maintient un index propriétaire basé sur les embeddings. Les requêtes sont mises en correspondance par similarité vectorielle sémantique plutôt que par classement de mots-clés. Lorsqu'un développeur demande "des articles soutenant que l'attention des transformers est inefficace", Exa recherche le sens ; Tavily recherche le texte. En pratique, l'index sémantique d'Exa permet des réponses plus rapides : 1.18 secondes en moyenne contre 1.88 secondes pour Tavily dans les benchmarks 2025 de la comparaison SERP de dev.to, et une latence p95 de 1.4-1.7 secondes contre 3.8-4.5 secondes pour Tavily dans les évaluations d'entreprises du Fortune 100. Exa devance également Tavily sur la précision SimpleQA : 94.9% contre 93.3%. Le compromis se situe au niveau de la fraîcheur des données. L'index exploré d'Exa peut avoir plusieurs heures de retard sur les dernières actualités ; la récupération en temps réel de Tavily s'appuie sur des sources en direct, ce qui en fait le meilleur choix pour les requêtes sensibles au temps. Tarification d'Exa : $5 pour 1,000 requêtes standard, passant à $25/1,000 pour 26 à 100 résultats par requête.

Tavily vs. SerpAPI : SerpAPI ne maintient aucun index propre. Il extrait à la demande les résultats en direct de Google, Bing, Yahoo, Amazon et plus de 20 autres moteurs, renvoyant un JSON structuré qui reflète la disposition réelle de la SERP, y compris les annonces, les liens annexes et les panneaux de connaissances. C'est excellent pour le suivi SEO, la veille concurrentielle et tout cas d'usage nécessitant de savoir ce que Google renvoie réellement. C'est en revanche un mauvais choix pour les pipelines LLM : la sortie n'est pas formatée pour les fenêtres de contexte, nécessite une analyse en aval et inclut un bruit substantiel. La tarification reflète ce marché différent : $15 pour 1,000 recherches sur le forfait de base à $75/mois, ce qui le rend 3 fois plus cher que Tavily à volume comparable. Le forfait gratuit est de 250 recherches par mois contre 1,000 pour Tavily.

"Tavily a des problèmes avec les pages rendues en JS. Il semble le faire hors ligne puis le mettre en cache. C'est instable." - LiranYoffe, discussion de la communauté GitHub #167015, 2025

"La recherche pour agents est une opportunité de plusieurs milliards de dollars... prête à croître de manière exponentielle à mesure que les entreprises déploient des systèmes d'IA autonomes." - Rotem Weiss, PDG de Tavily, annonce de l'acquisition par Nebius, 10 février 2026

À quoi ressemble la réalité quotidienne de l'intégration

Le modèle d'intégration le plus courant de Tavily est en tant qu'outil au sein d'une boucle d'agent LLM. Dans LangChain, cela prend deux lignes : installer langchain-tavily, initialiser TavilySearch comme outil, et le passer à un exécuteur d'agent. L'outil apparaît dans les actions disponibles de l'agent ; le modèle l'appelle lorsqu'il détermine qu'une recherche web est nécessaire. Le même modèle fonctionne dans LlamaIndex, Llama Stack et le OpenAI Agents SDK. Pour les équipes n'utilisant pas de framework d'orchestration, l'API REST est simple : une requête POST vers https://api.tavily.com/search avec un corps JSON contenant votre clé API, votre requête et des filtres optionnels.

En pratique, les développeurs rencontrent quelques problèmes d'intégration récurrents. Premièrement, la qualité des liens : Tavily puise dans des sources mises en cache et indexées sans revalidation en temps réel. Les URL renvoyées peuvent aboutir à des pages 404, en particulier pour les sites qui changent rapidement ou à faible autorité. De multiples fils de discussion de la communauté GitHub documentent ce point, et la solution pratique consiste à ajouter une couche de validation pour vérifier le statut HTTP avant le traitement. Deuxièmement, les pages chargées en JavaScript : le pipeline d'extraction de Tavily semble rendre le JS hors ligne et mettre le résultat en cache plutôt que de le rendre en direct. Les pages qui dépendent du JavaScript côté client pour leur contenu principal peuvent renvoyer un balisage incomplet ou obsolète. Troisièmement, la limite de 100 requêtes par minute du forfait gratuit est une contrainte pour les développeurs qui testent la charge des flux de travail des agents. L'environnement de production (forfaits payants) augmente cette limite à 1,000 RPM.

L'avantage pratique réside dans le format de sortie prêt pour les LLM. Lors de tests indépendants, les développeurs notent systématiquement que le format d'extraits classés de Tavily permet de gagner un temps de développement considérable par rapport à la création de scrapers personnalisés pour nettoyer et structurer le contenu web.

À qui s'adresse Tavily

Tavily convient parfaitement aux développeurs qui créent des outils propulsés par des LLM nécessitant un ancrage web en temps réel. Si le besoin principal est d'empêcher les hallucinations en donnant à un modèle accès à des faits actuels, Tavily est la voie de la moindre résistance : les intégrations sont matures, la documentation est maintenue et le format de sortie est optimisé pour l'injection de prompt. Les équipes utilisant déjà LangChain ou LlamaIndex en tirent le meilleur parti car les intégrations font totalement abstraction de l'appel API.

Les équipes d'entreprise ayant des exigences en matière de sécurité des données bénéficient de la certification SOC 2 de Tavily, du filtrage des PII et du blocage des injections de prompt. La liste des clients de la plateforme (IBM, AWS, Cohere, Groq) indique qu'elle répond aux exigences des audits de sécurité des entreprises, ce qui n'est pas le cas de nombreux outils de scraping légers.

Le forfait gratuit (1,000 crédits/mois) est pratique pour le prototypage : un développeur peut exécuter environ 1,000 recherches de base par mois sans frais. Pour les agents en production traitant un volume de requêtes significatif, le forfait Project ($30/mois, 4,000 crédits) ou le forfait Bootstrap ($100/mois, 15,000 crédits) couvrent la plupart des déploiements de petite à moyenne envergure.

Ce que Tavily n'est pas

Tavily n'est pas un moteur de recherche sémantique. Si le cas d'usage nécessite de trouver du contenu conceptuellement similaire (articles de recherche, analogies historiques, personnes ayant des parcours professionnels similaires), l'index basé sur les embeddings d'Exa surpasse Tavily à la fois en termes de rappel et de latence pour ces requêtes.

Tavily n'est pas un outil d'intelligence SERP. Si l'objectif est de suivre ce que Google renvoie pour une requête donnée, de surveiller les placements publicitaires ou d'analyser les fonctionnalités SERP comme les panneaux de connaissances, le scraping en direct des résultats réels des moteurs de recherche par SerpAPI est l'outil approprié.

Tavily n'est pas un service de rendu JavaScript. Les pipelines qui nécessitent une extraction fiable du contenu d'applications à page unique (SPA) ou de sites fortement basés sur JS doivent s'attendre à des résultats incohérents et prévoir une logique de secours. Les services d'exploration dédiés gèrent cela de manière plus fiable.

Les équipes gérant des volumes de requêtes très élevés (plus de 500K requêtes par mois) trouveront la tarification par crédits de Tavily coûteuse par rapport à la création d'un pipeline hybride avec une couche de recherche standard moins chère et des appels sélectifs à Tavily pour les requêtes nécessitant un classement par l'IA. Enfin, les développeurs évaluant la dépendance à long terme vis-à-vis d'un fournisseur doivent prendre en compte l'acquisition par Nebius en février 2026 : les niveaux de tarification et la stabilité de l'API devraient rester cohérents, mais la feuille de route est désormais définie par une plus grande entreprise d'infrastructure plutôt que par la vision originale de l'équipe fondatrice.