Vous décrivez l’écran à votre modèle. Il répond avec assurance — à partir de votre description, pas de l’écran. Le jour où vous oubliez un détail, la réponse garde exactement la même assurance.
Avec Diwall, il ouvre la page lui-même, agit dessus, puis relit le résultat. La réponse ne repose plus sur votre récit, mais sur ce qu’il a constaté.
D'abord, la preuve
Ce scénario est livré avec Diwall. Vous pouvez le lancer tel quel, aujourd’hui, avant d’avoir lu quoi que ce soit d’autre sur ce site.
diwall-rpa --scenario /opt/diwall/scenarios/exemples/sondage_fast.json --guide-version 1.3
{"succes": true, "http_status": 200, "url_finale": "https://example.com/",
"evaluations": [{"index": 1, "script": "document.title",
"valeur": "Example Domain"}],
"boussole": {"titre_page": "Example Domain", "dernier_code_http": 200,
"respect": {"actions_executees": 2, "duree_totale_ms": 2742,
"indice_agressivite": 0.5}}}
Ce fichier est dans le dépôt. Cette commande est celle que vous taperez. Ce résultat provient d’une exécution du 4 août 2026 avec Diwall 1.23.0, et les valeurs sont celles qu’elle a affichées. Il est abrégé : la réponse réelle porte quinze clés de plus — des durées, le chemin de la capture, la console JS, une liste de latences action par action. Les durées changent d’une exécution à l’autre ; rien d’autre ici ne change. Si votre répertoire chiffré est configuré mais non monté, deux avertissements du journal s’affichent sur stderr avant lui — le JSON part sur stdout dans tous les cas.
--guide-version n’est pas un ornement. Sans lui, vous obtenez
{"succes": false, "erreur": "guide_non_lu"}, et rien d’autre ne se passe.
C’est ainsi qu’un agent dit j’ai lu le guide — et c’est pourquoi toutes les
commandes de ce site le portent. Pourquoi ce verrou existe →
Ce qu'est Diwall
Diwall donne à votre modèle des yeux sur le web, un clavier et une souris, depuis votre terminal.
Au lieu de simplement discuter avec lui dans une boîte de texte, Diwall lui donne de quoi percevoir et de quoi agir : il navigue, fait de vraies tâches à votre place — configurer des sites, chercher, vérifier — et vous rédige à la fin des documents exploitables. Le tout en restant sur votre propre ordinateur.
N’importe quel modèle capable d’exécuter une commande shell peut le piloter — hébergé (Claude, GPT, Gemini) ou local (Ollama, vLLM). Diwall ne sait pas, et n’a pas besoin de savoir, lequel l’appelle ; seul ce qu’il advient de vos données compte. Local par défaut, distant uniquement si vous le souhaitez →
Une session, de la vue à l'action
$ diwall-shot --url http://localhost:8765/demo_som_en.html --som --guide-version 1.3 → 10 éléments interactifs numérotés → capture : /tmp/diwall/…/state_som_….png [4] INPUT « operator » [5] INPUT « •••••••• » [7] BUTTON « Sign in » $ diwall-rpa --scenario connexion.json --guide-version 1.3 {"type": "remplir_som", "id": 4, "valeur": "depuis_secrets"} {"type": "cliquer_som", "id": 7} → succes: true — 2 actions, 1 page
Les trois lignes colorées sont tout l’enjeu. Le modèle ne reçoit pas une image
à interpréter : il reçoit un numéro. {"id": 7}, c’est Sign in, sans
sélecteur à deviner et sans rien à décrire.
Cette page de test est versionnée dans le dépôt : les numéros ci-dessus sont donc aussi ceux que vous obtiendrez. Voir la même page de trois façons →