Frameworks open source pour agents mobiles : Open-AutoGLM, Mobilerun ou mobile-use

Choisir selon le travail à accomplir

Les meilleurs frameworks open source pour agents mobiles ne forment pas un classement universel. Le bon choix dépend d’abord du téléphone disponible, du modèle que vous comptez utiliser, de votre tolérance à l’infrastructure et de la manière dont vous voulez observer les erreurs.

Cette sélection ne revendique pas de taux de réussite mesuré. Elle sert à choisir une voie à évaluer. Un framework fournit le runtime et l’exécuteur ; le modèle fournit le raisonnement ; le téléphone, l’émulateur ou le cloud fournit l’environnement réel où les actions réussissent ou échouent.

Comparer installation, exécution, modèles et licence

Avant de choisir entre Open-AutoGLM, Mobilerun ou le framework mobile-use, séparez quatre couches. La première est le runtime : script Python, CLI, SDK, service auxiliaire ou framework agentique. La deuxième est l’inférence : modèle hébergé, modèle local servi sur votre infrastructure ou fournisseur configuré. La troisième est l’exécution sur téléphone : ADB, service d’accessibilité, WebDriverAgent, simulateur ou appareil cloud. La quatrième est l’observabilité : captures, arbre d’interface, traces, journaux et trajectoires.

Open source ne supprime pas les coûts. Les appels de modèle, le serveur d’inférence, les appareils connectés, les téléphones cloud, les outils de trace, les mises à jour Android et la maintenance des scripts restent à prévoir. La licence du dépôt ne couvre pas automatiquement tous les modèles, services ou dépendances que vous branchez dessus.

Quand Open-AutoGLM convient le mieux

Open-AutoGLM est le meilleur point de départ si votre sujet principal est l’agent visuel de téléphone Android : lire l’écran, décider de la prochaine action et l’exécuter via ADB. Le dépôt documente aussi HDC pour HarmonyOS, mais pour Android le cœur pratique reste la préparation de l’appareil, le débogage USB et l’environnement de contrôle.

Son intérêt tient à la séparation claire entre framework, modèle et appareil. Le projet peut utiliser un modèle hébergé ou une inférence servie par vos soins ; une carte GPU locale n’est donc pas obligatoire pour la voie par API, mais elle peut devenir nécessaire si vous auto-hébergez. Le dépôt décrit également des confirmations pour opérations sensibles et une reprise humaine pour connexion ou captcha.

Choisissez Open-AutoGLM si vous acceptez de gérer l’appareil et les dépendances de test, et si votre équipe veut comprendre le comportement d’un agent de téléphone au niveau de l’écran. Ne l’adoptez pas en supposant une réussite universelle sur toutes les apps : chaque application, permission et état d’écran doit être évalué.

Déploiement local ou hébergement managé avec Mobilerun

Mobilerun, anciennement DroidRun, convient lorsque vous voulez un framework de contrôle mobile pilotable par CLI ou Python, avec arbre d’accessibilité, captures d’écran, sélection du fournisseur de modèle et résultats structurés. Le dépôt est sous licence MIT et documente Android via ADB, débogage USB et service Portal.

La distinction importante est entre Mobilerun Framework et Mobilerun Cloud. Le Framework fait tourner l’agent sur votre machine et se connecte à vos appareils préparés. Le Cloud ajoute une couche managée avec téléphones locaux connectés, téléphones virtuels ou physiques hébergés et workflows API. Ce ne sont pas les mêmes dépendances opérationnelles, ni les mêmes coûts, ni le même modèle de contrôle.

Mobilerun est aussi intéressant pour l’inspection. Le README mentionne des traces via Arize Phoenix ou Langfuse et des trajectoires sauvegardées, utiles pour comprendre pourquoi une action a échoué. Pour iOS, traitez la configuration Portal comme une voie projet spécifique, pas comme une parité automatique avec Android.

Quand Minitap mobile-use est pertinent

Minitap mobile-use vise l’automatisation d’interfaces mobiles en langage naturel, avec fournisseurs LLM configurables et extraction structurée. Il est pertinent si vous voulez décrire une tâche mobile, récupérer un résultat structuré et garder une architecture relativement lisible pour des scénarios contrôlés.

Le README présente Android avec ADB pour appareils physiques ou émulateurs. Le démarrage Docker rapide est indiqué comme Android uniquement. Pour iOS, le point à retenir est précis : la section de configuration manuelle liste les simulateurs iOS sur macOS et indique que les appareils iOS physiques ne sont pas encore pris en charge. Toute formulation marketing plus large doit donc être vérifiée contre l’environnement réel que vous comptez utiliser.

mobile-use est moins adapté aux apps où l’arbre d’accessibilité ne donne pas assez d’information, notamment certains jeux ou interfaces très personnalisées. Vérifiez aussi le fournisseur de modèle, la licence Apache-2.0 du dépôt et le coût d’exécution des tâches répétées avant de l’intégrer dans un workflow produit.

Tester une tâche réversible et inspecter les échecs

Évaluez ces frameworks avec une tâche réversible, jamais avec une action engageante dès le premier essai. Exemple : ouvrir une application de notes de test, lire un élément visible, créer une note temporaire, puis vérifier que la note existe avant de la supprimer manuellement. Le but est d’observer la boucle complète : perception, plan, action, trace, résultat et récupération.

1. Préparez le même appareil ou émulateur pour chaque framework.
2. Utilisez le même modèle ou documentez clairement le fournisseur choisi.
3. Donnez une tâche courte, réversible et sans données sensibles.
4. Conservez captures, arbres d’accessibilité, logs et traces disponibles.
5. Interrompez une étape pour voir si l’agent signale l’échec ou continue à tort.
6. Vérifiez l’état final dans l’application cible, pas seulement la réponse du modèle.

Inspectez surtout les échecs. Un bon framework de téléphone doit montrer pourquoi il s’est trompé : écran inattendu, élément inaccessible, modèle confus, permission manquante, timeout ou action non confirmée. Pour formaliser cette évaluation, le guide Benchmark d’agents Android : évaluer un agent téléphonique en 2026 propose une grille plus complète sans transformer une démonstration en classement artificiel.

Si votre question porte plutôt sur le modèle à brancher derrière le framework, séparez cette décision. Le guide Meilleurs modèles IA pour agents Android : six choix selon la tâche traite les modèles, les appels d’outils et les coûts sans les confondre avec l’exécuteur mobile.

Choisir plutôt une voie Android prête à l’emploi

Un framework open source est pertinent si vous voulez développer, instrumenter et maintenir l’agent mobile vous-même. Si votre besoin est d’utiliser un agent Android sans gérer ADB, Portal, WebDriverAgent, appareils cloud, traces et serveurs de modèle, une voie produit peut être plus adaptée.

FoneClaw est notre application Android prête à l’emploi, distincte d’un framework de développement open source. Elle propose un modèle gratuit par défaut, des routes de modèle compatibles, des outils Android gouvernés, des permissions et des validations visibles. Elle peut ouvrir des apps prises en charge, aider à lire un contexte d’écran, résumer des SMS disponibles avec autorisation ou créer des mémos visibles, dans les limites des outils pris en charge et de l’état réel du téléphone.

Cette distinction compte : un framework donne de la liberté d’ingénierie ; FoneClaw donne une route utilisateur pour agir sur Android avec contrôle. Pour comprendre les garde-fous autour de l’intention, de la confirmation et du résultat visible, consultez Contrôler un téléphone Android avec un agent IA : intention, confirmation et vérification. La page fonctionnalités FoneClaw présente les capacités disponibles sans les confondre avec une intégration open source à maintenir soi-même.