Extraire des annonces Vinted par marque et taille via API

Pour extraire des annonces Vinted filtrées par marque et par taille, il faut envoyer une requête à l'endpoint de recherche de l'API Vinted LeBonDeal avec les paramètres brand et size, puis parcourir la liste d'annonces renvoyée en JSON. La méthode la plus directe pour suivre un marché de niche sans naviguer manuellement.

Pourquoi filtrer par marque ET taille, pas juste par marque

Filtrer uniquement par marque sur Vinted noie les résultats pertinents dans du bruit : une recherche « Nike » remonte aussi bien des baskets en taille 36 que des vestes en XXL. Pour un cas d'usage type veille de prix ou sourcing achat-revente, croiser marque + taille (ou marque + catégorie + taille) réduit drastiquement le volume à traiter et améliore la pertinence des résultats.

Exemple de requête

curl -X GET "https://api.lebondeal-bot.fr/v1/vinted/search" \
  -H "Authorization: Bearer VOTRE_CLE_API" \
  -G \
  --data-urlencode "brand=Nike" \
  --data-urlencode "size=39" \
  --data-urlencode "category=chaussures"

Et l'équivalent en JavaScript (Node.js avec fetch) :

const params = new URLSearchParams({
  brand: "Nike",
  size: "39",
  category: "chaussures"
});

const response = await fetch(
  `https://api.lebondeal-bot.fr/v1/vinted/search?${params}`,
  { headers: { Authorization: "Bearer VOTRE_CLE_API" } }
);

const data = await response.json();
data.results.forEach(item => {
  console.log(item.title, item.price, item.condition);
});

Ci-dessous un aperçu du type de réponse renvoyée par l'API pour une recherche Vinted :

Combiner plusieurs tailles en une seule veille

Un cas fréquent : suivre une marque sur une plage de tailles plutôt qu'une seule (par exemple 38 à 41 pour des baskets). Le plus simple est de boucler côté client sur les valeurs de taille souhaitées :

import requests

API_URL = "https://api.lebondeal-bot.fr/v1/vinted/search"
HEADERS = {"Authorization": "Bearer VOTRE_CLE_API"}

sizes = ["38", "39", "40", "41"]
results = []

for size in sizes:
    params = {"brand": "Nike", "size": size, "category": "chaussures"}
    r = requests.get(API_URL, headers=HEADERS, params=params)
    r.raise_for_status()
    results.extend(r.json()["results"])

print(f"{len(results)} annonces trouvées sur la plage de tailles.")

Construire un suivi de prix moyen

Une fois les résultats récupérés, calculer un prix moyen ou médian par taille permet de repérer une bonne affaire (annonce nettement sous le prix du marché) :

from statistics import median

prix_par_taille = {}
for item in results:
    prix_par_taille.setdefault(item["size"], []).append(item["price"])

for taille, prix in prix_par_taille.items():
    print(f"Taille {taille} : prix médian = {median(prix)} €")

Ce type de calcul, exécuté à intervalle régulier, sert de base à un outil de veille tendances ou à une alerte « sous le prix du marché » construite par-dessus l'API.

FAQ

Articles liés