Guide

Exa : un moteur de recherche sémantique pour les LLM

Exa est une API de recherche web payante qui renvoie du texte prêt pour le prompt : modes de recherche, tarifs, licence MIT du client, pièges de facturation.

L'équipe CodeWorlds18 min de lecture ·

Pratique HTML et CSS dans des leçons interactives avec un éditeur de code.

Crée un compte gratuit→
Dans cet article9

Exa est une API de recherche web payante qui renvoie le texte des pages prêt à être mis dans un prompt, au lieu d'une simple liste de liens. Les clients exa-py et exa-js sont tous deux à la version 2.18.1, publiée le 14 août 2026 sous licence MIT, mais le moteur de recherche lui-même est fermé et facturé à la requête, à 7 dollars pour mille appels du endpoint /search.

Ce que renvoie vraiment Exa

La différence commence par le contenu de la réponse. Une API de recherche classique renvoie un titre, une URL et un extrait de deux phrases, et vous récupérez le texte complet séparément avec votre propre crawler. Exa joint le texte de la page à chaque résultat par défaut : dans le SDK 2.18.1, omettre le paramètre contents équivaut à {"text": {"maxCharacters": 10000}}, et pour obtenir une simple liste d'URL il faut passer explicitement contents=False. Ce défaut inversé se répercute directement sur la facture, et j'y reviens dans la partie sur les tarifs.

Une poignée de endpoints seulement sont réellement appelés depuis du code d'agent. /search exécute une requête et renvoie les résultats avec leur contenu. /contents récupère le contenu d'URL que vous avez déjà. /answer renvoie une réponse générée par un modèle, avec des citations. /monitors lance des recherches planifiées qui signalent les nouveaux résultats. L'API Agent est à part, pour les tâches de recherche plus longues, et elle est facturée sur une base totalement différente.

Un détail issu des articles populaires sur Exa est déjà périmé et ne doit pas être recopié. La méthode find_similar en Python et findSimilar en TypeScript sont marquées dépréciées dans la 2.18.1, et la docstring indique le chemin de migration : appelez search("pages similar to " + url) au lieu de find_similar(url). Le code fonctionne encore, mais construire une nouvelle intégration autour de cette méthode n'a aucun sens, puisque son type RegularSearchOptions est déjà décrit dans les typings comme destiné à être supprimé.

Versions, licence et ce qui est vraiment ouvert

Vérifier la licence à trois endroits indépendants donne ici un résultat net, ce qui n'est pas la règle dans cette catégorie d'outils. Le fichier LICENSE de la branche master des deux dépôts, exa-labs/exa-py et exa-labs/exa-js, contient le texte MIT avec une mention de copyright d'Exa Labs de 2024. Le champ license sur PyPI pour exa-py indique MIT, appuyé par le classifieur License :: OSI Approved :: MIT License, et dans le registre npm exa-js déclare MIT.

La troisième source, le contenu du paquet publié, concorde aussi. La wheel exa_py-2.18.1-py3-none-any.whl pèse 103 kB, contient exa_py-2.18.1.dist-info/licenses/LICENSE et renferme du vrai code : exa_py/api.py seul fait 3507 lignes, à côté des modules websets, agent, research et monitors. L'archive exa-js-2.18.1.tgz se décompresse en environ 1,2 Mo, fournit package/LICENSE plus les fichiers construits dist/index.js et dist/index.mjs et des déclarations de types. Pas de coquille vide, pas de métapaquet vide.

C'est là que s'arrêtent les bonnes nouvelles. La licence MIT couvre un client HTTP, pas un moteur de recherche. L'index, le modèle d'embedding, l'infrastructure de crawl et la logique de classement sont fermés, et il n'existe pas de variante auto-hébergée. Le code gratuit existe uniquement pour dialoguer avec https://api.exa.ai. C'est un enfermement total chez le fournisseur : si Exa augmente ses prix, change le comportement du classement ou disparaît, vous n'avez aucune solution de repli en dehors de la réécriture de votre couche de recherche contre une autre API. Cela diffère de l'arrangement décrit pour Firecrawl, où un serveur sous AGPL-3.0 vous donne au moins une possibilité théorique de l'héberger vous-même.

Le rythme des versions est élevé. PyPI recense 122 versions de exa-py, npm 115 versions de exa-js, et les versions 2.16.0, 2.17.0, 2.18.0 et 2.18.1 sont apparues entre le 2 juillet et le 14 août 2026. Les numéros de version des deux paquets sont synchronisés, ce qui aide dans les projets mixtes. Le prix de ce rythme est une dépréciation fréquente : rien que dans api.py, start_crawl_date, end_crawl_date, contents.context, highlights.numSentences et highlights.highlightsPerUrl sont marqués dépréciés.

Il vaut la peine de regarder les dépendances avant d'installer, car les deux paquets en tirent plus que ne le laisse penser un client de recherche. exa-py exige Python 3.9 ou plus récent et déclare httpx>=0.28.1, httpcore>=1.0.9, openai>=1.48, pydantic>=2.10.6, requests>=2.32.3, python-dotenv>=1.0.1 et typing-extensions>=4.12.2. exa-js dépend de zod en ^3.22.0, de openai en ^5.0.1, plus cross-fetch, dotenv et zod-to-json-schema. Trouver le SDK d'OpenAI comme dépendance obligatoire peut surprendre dans un projet qui n'utilise pas du tout OpenAI.

Modes de recherche et première requête

Dans la 2.18.1, le paramètre type accepte sept valeurs : auto, fast, deep-lite, deep, deep-reasoning, neural et instant. La valeur par défaut auto choisit un algorithme toute seule, neural force la recherche par embeddings, instant est la variante à faible latence, et les trois variantes deep lancent une recherche en plusieurs étapes qui décompose la requête en sous-requêtes.

Bash
pip install exa-py==2.18.1
npm install exa-js@2.18.1
export EXA_API_KEY="your-key"

Le client lit la clé dans la variable d'environnement EXA_API_KEY quand vous ne la passez pas au constructeur. Si aucune des deux sources n'est disponible, vous obtenez une ValueError à la construction de l'objet, et non à la première requête.

Python
from exa_py import Exa

exa = Exa()  # reads EXA_API_KEY from the environment

response = exa.search(
    "reports on data centre energy consumption in 2026",
    type="auto",
    category="publication",
    num_results=8,
    start_published_date="2026-01-01",
    exclude_domains=["reddit.com", "quora.com"],
    contents={
        "text": {"max_characters": 4000, "verbosity": "compact"},
        "highlights": {"query": "energy consumption", "max_characters": 600},
    },
)

print(response.resolved_search_type)  # 'neural' or 'keyword'
print(response.cost_dollars.total)
for result in response.results:
    print(result.title, result.url, len(result.text))

Le champ category accepte six valeurs : company, news, publication, personal site, financial report et people. Ce n'est pas un filtre de domaine mais un commutateur entre des index spécialisés, donc category="company" renvoie des résultats avec des champs d'entité supplémentaires plutôt que les mêmes pages dans un autre ordre.

L'élément le plus intéressant de cette réponse est resolved_search_type, ou resolvedSearchType en TypeScript. Avec type="auto", ce champ vous dit si Exa a finalement utilisé le chemin neural ou keyword. C'est le seul moyen de voir après coup quelle route une requête a empruntée, et la première chose à journaliser quand on règle la qualité des résultats.

Récupérer du contenu, fraîcheur et sous-pages

Le endpoint /contents est utile quand vous avez déjà des URL venues d'ailleurs, par exemple d'un sitemap ou d'une base de données. La méthode get_contents accepte une seule URL, une liste d'URL ou une liste de résultats précédents.

Python
result = exa.get_contents(
    ["https://exa.ai/pricing", "https://docs.exa.ai/reference/error-codes"],
    livecrawl="preferred",
    livecrawl_timeout=10000,
    max_age_hours=0,
    filter_empty_results=True,
    subpages=2,
    subpage_target=["pricing", "faq"],
    extras={"links": 5, "image_links": 2},
    text={"max_characters": 8000, "exclude_sections": ["navigation", "footer"]},
    summary={"query": "how much does a thousand queries cost"},
)

Le paramètre livecrawl a cinq valeurs : always, fallback, never, auto et preferred. Elles contrôlent si Exa récupère la page en direct ou se contente de sa copie indexée. À part, il y a max_age_hours, où zéro signifie toujours récupérer une version fraîche, moins un interdit la récupération en direct et force le cache, et toute valeur positive fixe l'âge acceptable d'une copie en cache, en heures.

Il y a ici un piège facile à manquer dans la documentation des champs. Trois options de texte, verbosity, include_sections et exclude_sections, ne prennent effet que si vous réglez max_age_hours=0. Les sections peuvent être étiquetées header, navigation, banner, body, sidebar, footer et metadata, mais sans récupération fraîche le filtre est ignoré silencieusement et vous obtenez la copie indexée complète, en payant des caractères dont vous ne vouliez pas.

La version TypeScript offre les mêmes capacités avec des noms en camel case. Voici l'équivalent d'une requête avec une réponse générée par un modèle.

TypeScript
import Exa from "exa-js";

const exa = new Exa(process.env.EXA_API_KEY);

const answer = await exa.answer(
  "What is the free credit allowance in Exa and what happens once it runs out?",
  {
    text: true,
    model: "exa-pro",
    systemPrompt: "Answer briefly and cite your sources.",
  }
);

console.log(answer.answer);
console.log(answer.citations.map((c) => c.url));
console.log(answer.costDollars?.total, answer.requestId);

const stream = exa.streamAnswer("What changed in exa-js 2.18?", { text: false });
for await (const chunk of stream) {
  process.stdout.write(chunk.content ?? "");
}

Le paramètre model accepte exactement deux valeurs, exa et exa-pro. La réponse contient un requestId, utile pour signaler des problèmes, et costDollars avec le détail du coût. Cette structure de coût a un champ total, et en dessous search avec les sous-champs neural et keyword, plus contents avec les sous-champs text et summary.

Tarifs et arithmétique de la facture

La tarification est entièrement à l'usage, sans abonnement ni engagement minimal. Voici les tarifs de la grille tarifaire du fournisseur, vérifiés le 22 août 2026.

EndpointPrix de base pour 1000 requêtesChaque résultat au-delà de 10Résumés IA
/search7 USD1 USD pour 1000 résultats1 USD pour 1000 pages
/answer5 USDsans objetsans objet
/monitors15 USD1 USD pour 1000 résultats1 USD pour 1000 pages
/contents1 USD pour 1000 pages, par type de contenusans objet1 USD pour 1000 pages

La recherche approfondie se place à côté de ce tableau, et ici deux endroits du site du fournisseur énoncent les chiffres différemment. La page exa.ai/pricing la sépare en deux colonnes, Deep Search à 12 USD et Deep-Reasoning Search à 15 USD pour mille requêtes, alors que le résumé de la documentation fusionne les deux en une seule fourchette de 12 à 15 USD. Les deux chiffres décrivent le même produit à des niveaux de détail différents, et pour un budget il est plus sûr de prendre la valeur haute.

L'expression « prix pour mille requêtes » peut tromper, car le prix de base couvre jusqu'à dix résultats. Une requête avec num_results=30 coûte donc 7 USD pour mille requêtes plus vingt mille résultats supplémentaires à 1 USD pour mille, soit 27 USD pour mille requêtes de ce type, près de quatre fois le tarif annoncé. En plus, renvoyer du contenu relève de /contents à 1 USD pour mille pages et par type de contenu, donc demander text et highlights ensemble est facturé deux fois. Comme le SDK demande le texte par défaut, un coût de contenu apparaît même quand vous n'y avez jamais pensé.

Le forfait gratuit s'appelle Starter et accorde 20 USD de crédits à l'inscription plus 10 USD de crédits chaque mois, sans carte bancaire. La documentation convertit ces 20 USD de départ en environ 2800 recherches, ce qui correspond au calcul : 20 divisé par 7 dollars pour mille donne 2857 requêtes à dix résultats et sans type de contenu supplémentaire. Il s'accompagne d'une limite de 5 requêtes par seconde et de 3 exécutions d'agent simultanées. Ici le fournisseur publie deux chiffres différents : la page des tarifs attribue au forfait Starter 5 requêtes par seconde, alors qu'une page de documentation séparée sur les limites indique 10 requêtes par seconde pour /search par défaut, sans distinction par forfait. Le forfait payant comporte 10 requêtes par seconde et 25 exécutions d'agent simultanées selon la page des tarifs, donc la page de documentation décrit très probablement ce second cas. Avant de planifier le débit, vérifiez la limite sur votre propre clé plutôt que de faire confiance à l'une ou l'autre page.

Un chiffre de la page des tarifs ne se ferme pas arithmétiquement et mérite d'être noté. Le titre promet plus de 120 USD de crédits par an, alors que 10 USD par mois sur 12 mois font exactement 120 USD. On ne dépasse ce chiffre qu'en comptant le bonus unique de 20 USD à l'inscription, ce qui donne 140 USD la première année et exactement 120 USD chaque année suivante.

Quand les crédits sont épuisés, l'API se met à renvoyer 402 Payment Required, qui signale des crédits de compte épuisés ou un budget par clé dépassé. Dépasser la limite de requêtes par seconde donne 429. La liste complète des codes d'erreur figure dans la documentation, et la distinction elle-même compte dans le code de gestion d'erreurs, car 429 vaut la peine d'être retenté avec un délai croissant alors que 402 ne se corrige jamais tout seul.

Python
import httpx
from exa_py import Exa

exa = Exa()

try:
    response = exa.search("new embedding models", type="fast", contents=False)
except httpx.HTTPStatusError as error:
    status = error.response.status_code
    if status == 402:
        raise RuntimeError("Exa credits exhausted, top up the account")
    if status == 429:
        raise RuntimeError("Per-second query limit exceeded, retry with backoff")
    if status == 501:
        raise RuntimeError("/answer could not answer this query")
    raise

Le forfait Developer garde les mêmes tarifs par requête et ajoute la facturation par carte ou virement, le support par e-mail, SOC 2 Type II, une limite de 10 requêtes par seconde et 25 agents simultanés. Le forfait Enterprise est sur devis et ajoute ce que les secteurs réglementés exigent en général : zéro rétention des données, HIPAA, index personnalisés, SSO pour le tableau de bord et jusqu'à 1000 résultats par recherche.

Quand la sémantique perd face à la correspondance par mots-clés

La recherche par embeddings gagne quand la requête décrit un concept plutôt qu'une chaîne de caractères. Une phrase comme « articles expliquant pourquoi des équipes abandonnent les microservices » ne contient aucun mot qui doive apparaître dans un bon résultat, donc la correspondance par mots-clés s'en tire mal alors qu'un modèle d'embedding s'en tire bien. Il en va de même pour trouver des pages similaires à une page connue et pour les requêtes de la forme « entreprises qui font X dans la région Y ».

Le cas inverse est tout aussi courant et ne doit pas être caché. Si vous cherchez un nom propre exact, un numéro de version, un identifiant de ticket ou un code d'erreur comme TS2345 ou ECONNREFUSED, un modèle d'embedding renvoie des pages proches thématiquement mais pas nécessairement celle qui contient cette chaîne exacte. Un index inversé classique fait mieux et plus vite. Si la zone de recherche en haut à droite de votre application cherche des noms de produits, la sémantique n'y améliore rien.

Exa offre trois issues. La première est include_text et exclude_text, des listes de chaînes qui doivent ou ne doivent pas apparaître dans le texte de la page, appliquées par-dessus le résultat de recherche. La deuxième est le mode keyword atteint indirectement via auto, dont vous lisez la décision dans resolved_search_type. La troisième est simplement d'admettre qu'une requête donnée relève d'ailleurs, car un agent n'est pas obligé de ne posséder qu'un seul outil de recherche.

En pratique, l'arrangement qui marche le mieux met en amont une couche de routage, qui décide d'après la forme de la requête. Les requêtes avec guillemets, codes d'erreur ou identifiants vont vers la recherche par mots-clés, les requêtes descriptives vont vers Exa. Un tel routeur s'écrit dans LangChain ou LlamaIndex comme un simple choix d'outil et coûte une douzaine de lignes.

Exa à côté de Tavily et Firecrawl

Les trois outils sont souvent mis dans le même sac, alors qu'ils résolvent des problèmes différents. Voici les différences qui pilotent réellement le choix.

CaractéristiqueExaTavilyFirecrawl
Rôle principalrecherche sémantique sur son propre indexrecherche notée par pertinence pour un agentrécupération et conversion de pages connues
Licence du clientMITMITMIT
Code du servicefermé, pas d'auto-hébergementfermé, pas d'auto-hébergementAGPL-3.0, auto-hébergement possible
Facturationmontants en dollars par requête et par pagecréditscrédits
Contenu de page dans la réponseoui par défaut, jusqu'à 10000 caractèresoui, extraits notésoui, markdown de toute la page

Tavily est le voisin le plus proche, car il cible lui aussi les agents et renvoie lui aussi des extraits prêts pour le prompt. Il diffère par son modèle de facturation et par le fait qu'Exa s'appuie sur son propre index interrogé par embeddings, alors que Tavily organise les résultats autour d'un score de pertinence pour la question posée. Si les requêtes descriptives et la similarité avec une page connue comptent pour vous, Exa passe devant. Si vous comptez le coût en simples crédits et voulez un seul appel par question, Tavily est plus facile à estimer.

Firecrawl n'est pas un moteur de recherche, et le comparer à Exa sur la qualité des résultats passe à côté du sujet. Firecrawl prend une URL et renvoie du markdown, gère les pages qui exigent l'exécution de scripts et peut parcourir un site entier. Exa récupère du contenu comme sous-produit de la recherche, mais il ne remplacera pas un passage complet sur un site de documentation. L'association naturelle est Exa pour trouver les URL et Firecrawl pour les récupérer à fond.

Quand une tâche exige de se connecter, de cliquer et de remplir des formulaires, aucun des trois ne suffit et il vous faut un contrôle de navigateur comme browser-use. Une API de recherche ne voit que ce qui est publiquement accessible à un crawler.

Erreurs courantes

La première, et la plus coûteuse, c'est d'oublier contents=False. Si un agent lance une recherche uniquement pour choisir des URL à traiter plus tard, les dix mille caractères de texte par résultat par défaut sont un pur coût et des tokens inutiles dans la fenêtre de contexte.

La deuxième, c'est de régler un num_results élevé sans faire le calcul sur les résultats au-delà du dixième. Trente résultats coûtent près de quatre fois ce que coûtent dix, et les modèles lisent rarement au-delà des premières entrées de toute façon.

La troisième, c'est de demander text, highlights et summary en même temps. Chaque type de contenu est facturé séparément à 1 USD pour mille pages, donc l'ensemble triple cette partie de la facture. Un seul suffit en général, et highlights avec une query sensée donne un contexte plus court et mieux ciblé que le texte brut.

La quatrième, c'est de compter sur verbosity ou exclude_sections sans régler max_age_hours=0. Le filtre de sections est sauté sans avertissement, alors que vous continuez de croire que les menus de navigation et les pieds de page n'arrivent jamais dans le prompt.

La cinquième, c'est de bâtir du nouveau code sur find_similar. La méthode est marquée dépréciée dans la 2.18.1, avec tout le type d'options qu'elle utilise.

La sixième, c'est de traiter la licence MIT comme une garantie d'indépendance. Vous pouvez faire ce que vous voulez du client, mais sans compte ni clé pour api.exa.ai, ce client ne fait rien. En l'adoptant, partez du principe dès le départ que la couche de recherche de votre application a besoin d'une interface que vous pouvez remplacer.

FAQ

La licence MIT signifie-t-elle qu'Exa est un projet ouvert ?

Seules les bibliothèques clientes sont ouvertes. Les dépôts exa-labs/exa-py et exa-labs/exa-js portent un fichier LICENSE avec le texte MIT, les registres déclarent MIT, et les paquets publiés contiennent à la fois le fichier de licence et le code source complet. Le moteur de recherche, l'index et le modèle d'embedding restent fermés et payants, et il n'existe aucune variante que vous puissiez exécuter sur votre propre serveur.

Combien coûtent vraiment mille recherches ?

À dix résultats et sans type de contenu supplémentaire, c'est 7 USD pour mille requêtes /search. Chaque millier de résultats au-delà du dixième ajoute 1 USD, chaque type de contenu ajoute 1 USD pour mille pages, et la recherche approfondie commence à 12 USD et atteint 15 USD pour mille requêtes selon la variante.

Que se passe-t-il quand les crédits gratuits sont épuisés ?

L'API se met à renvoyer 402 Payment Required, c'est-à-dire des crédits de compte épuisés ou un budget attribué à la clé dépassé. Les requêtes ne sont ni mises en file d'attente ni servies à crédit. À part, il y a 429, qui signale que la limite de requêtes par seconde a été dépassée, soit 5 sur le forfait Starter.

Quand Exa est-il le mauvais choix ?

Quand vous cherchez des chaînes exactes comme un code d'erreur, un numéro de version ou un identifiant de ticket, car la correspondance par mots-clés y est plus rapide et plus précise. Quand vous devez parcourir un site de documentation entier et le convertir en markdown, car c'est le travail d'un outil de récupération. Quand vous ne pouvez pas accepter l'enfermement chez un seul fournisseur fermé.

Peut-on utiliser Exa sans le SDK ?

Oui, tout fonctionne comme une simple API REST à https://api.exa.ai avec la clé dans un en-tête x-api-key. Les SDK ajoutent des types, la prise en charge du streaming et la conversion des noms de champs du snake case vers le camel case, mais ils ne font rien que vous ne puissiez invoquer avec une requête HTTP.

Comment vérifier si une requête a pris le chemin sémantique ?

La réponse contient resolved_search_type en Python et resolvedSearchType en TypeScript, renseigné avec type="auto" par neural ou keyword. Journaliser ce champ avec cost_dollars et request_id vous donne une base pour juger quelles requêtes utilisent réellement la recherche sémantique.

À lire aussi