Lancement de nouveau produit : Web Render API
All Posts

Présentation de Massive Web Render : le web, comme une API pour l'IA

Jason Grad
Jason Grad · Co-founder

Le web n'a pas été conçu pour les machines. Il a été conçu pour des humains qui cliquent sur des pages et lisent du HTML rendu. Aujourd'hui, les humains veulent que les machines fassent ce travail à leur place, et l'écart entre ce dont les agents IA ont besoin et ce que le web propose est le plus grand problème non résolu de l'infrastructure agentique.

Aujourd'hui, nous lançons Massive Web Render : trois endpoints qui transforment le web ouvert, les moteurs de recherche et les LLM de pointe en APIs propres pour les développeurs d'IA.

Ce que nous lançons

Web Render, c'est une seule API key avec trois endpoints :

/ai interroge ChatGPT, Gemini, Perplexity et Copilot de manière programmatique. Vous envoyez un prompt. Vous récupérez du JSON structuré avec la réponse, les sources et les sous-requêtes de fanout. Géociblez vers l'un des 195+ pays pour voir comment un LLM répond depuis Tokyo ou São Paulo. Émulez n'importe quel appareil. C'est l'endpoint que les startups AEO et GEO facturent entre 400 et 2 000 $ par mois. Chez nous, ça coûte quelques dollars.

/search extrait en temps réel les résultats de Google et Bing, y compris les AI Overviews et les réponses « People Also Ask ». Géociblé, paginé, sensible à la langue.

/browser rend n'importe quelle page web. Sortie en HTML rendu, HTML brut ou markdown prêt pour LLM.

Pourquoi nous l'avons construit

En février, nous avons lancé ClawPod. C'était une skill OpenClaw qui branchait les navigateurs des agents sur notre réseau de proxies résidentiels, pour que les 145 000 personnes qui exécutent leurs propres agents OpenClaw puissent réellement charger des pages web sans être bloquées.

ClawPod nous a appris ce dont les agents ont vraiment besoin.

Ce n'était pas seulement de la rotation d'IP. C'était de l'émulation complète de navigateur, de la résolution de captchas, de la gestion d'empreintes digitales et toutes les autres couches de déblocage qui se trouvent entre la requête d'un agent et des données propres et structurées. Les agents qui fonctionnaient le mieux n'étaient pas ceux qui contournaient les blocages. C'étaient ceux qui récupéraient des données prêtes à être traitées par un LLM.

Nous avons pris ces leçons et construit la version production.

Ce qu'il y a sous le capot : la couche de déblocage

La plupart des APIs qui prétendent « scraper n'importe quel site » s'arrêtent à l'IP. Web Render va plus loin parce que le web moderne l'exige.

Cloudflare, DataDome et PerimeterX bloquent les requêtes HTTP brutes. Ils vérifient les empreintes digitales, lancent des défis JavaScript, servent des captchas et limitent le débit de tout ce qui ressemble à un bot. Même les IP résidentielles échouent sans un vrai navigateur derrière.

Web Render gère toute la pile de déblocage :

  • Rendu avec un vrai navigateur et exécution complète de JavaScript
  • Résolution de captchas pour hCaptcha, reCAPTCHA et Cloudflare Turnstile
  • Contournement anti-bot pour Cloudflare, DataDome et PerimeterX
  • Réessais intelligents quand la première tentative est bloquée
  • Sessions persistantes pour les flux multi-pages

Jusqu'à 3 minutes par appel pour gérer les sites les plus difficiles. Si un site reste bloqué, contactez-nous et nous le ferons fonctionner sous 48 heures.

Vous ne gérez pas les sessions de navigateur, la rotation d'empreintes ou la logique de réessai. Vous envoyez une URL ou un prompt, et vous récupérez les données.

Pour qui c'est

Les développeurs d'agents IA qui ont besoin que leur agent charge de manière fiable le web ouvert. Les startups AEO et GEO qui suivent la visibilité de marque sur les LLM. Les équipes en entreprise qui exécutent des pipelines internes d'évaluation de LLM. Les outils de vente IA qui exécutent des flux d'enrichissement (un alpha tester vient de réduire son coût par enrichissement de 1 $ à moins de 0,01 $ en remplaçant un outil verrouillé par UI par notre API et un agent open source).

Si vous vous êtes déjà dit « on n'a qu'à le scraper nous-mêmes » et que vous vous êtes retrouvé avec un pipeline fragile qui casse à chaque mise à jour du site cible, voici l'alternative.

La vue d'ensemble

Salesforce vient de passer en headless. Tous les grands SaaS suivront dans les 18 prochains mois. Les agents ne cliquent pas sur des boutons, donc toute la pile logicielle est en train d'être reconstruite pour eux.

Le web ouvert va dans la direction opposée. Les sites web se ferment derrière des systèmes anti-bot pendant que les humains demandent de plus en plus aux machines de faire leur travail à leur place. Il n'y a pas de Headless 360 pour le web ouvert. Cette infrastructure doit être construite.

C'est la couche que nous construisons.

Commencez maintenant

Essayez la démo : un prompt, trois LLM de pointe, côte à côte, géociblés vers n'importe quelle ville dans le monde.

Les 100 premiers inscrits reçoivent 50 $ de crédit.

Essayez vous-même

Les trois mêmes LLM de pointe interrogés par la démo sont à un appel HTTP de distance. Inscrivez-vous sur dashboard.joinmassive.com pour obtenir une API key, puis :

bash
curl -H "Authorization: Bearer $MASSIVE_TOKEN" \
  'https://render.joinmassive.com/ai?prompt=best+ai+coding+assistant&country=us&city=New+York&model=chatgpt'
python
import os, asyncio, httpx


PROMPT  = "best ai coding assistant"   # ← swap for your "best [category]"
CITY    = "New York"
MODELS  = ["chatgpt", "gemini", "perplexity"]


async def query(client, model):
    r = await client.get(
        "https://render.joinmassive.com/ai",
        headers={"Authorization": f"Bearer {os.environ['MASSIVE_TOKEN']}"},
        params={"prompt": PROMPT, "country": "us", "city": CITY, "model": model},
        timeout=180,
    )
    return model, r.json()


async def main():
    async with httpx.AsyncClient() as c:
        for model, data in await asyncio.gather(*(query(c, m) for m in MODELS)):
            print(f"--- {model} ---")
            print(data.get("completion", "")[:300])


asyncio.run(main())
typescript
const PROMPT = 'best ai coding assistant'   // ← swap for your "best [category]"
const CITY   = 'New York'
const MODELS = ['chatgpt', 'gemini', 'perplexity'] as const


const results = await Promise.all(
  MODELS.map(async (model) => {
    const url = new URL('https://render.joinmassive.com/ai')
    url.searchParams.set('prompt', PROMPT)
    url.searchParams.set('country', 'us')
    url.searchParams.set('city', CITY)
    url.searchParams.set('model', model)
    const res = await fetch(url, {
      headers: { Authorization: `Bearer ${process.env.MASSIVE_TOKEN}` },
    })
    return { model, data: await res.json() }
  }),
)
for (const { model, data } of results) {
  console.log(`--- ${model} ---`, data.completion?.slice(0, 300))
}

Un prompt à coller dans n'importe quel agent

Fonctionne dans Claude, ChatGPT, Gemini ou votre propre boucle d'agent. Remplacez « Replit » par votre marque et « best AI coding assistant » par la requête que poseraient vos clients.

markdown
Use Massive Web Render's /ai endpoint to query "best AI coding assistant" across
ChatGPT, Gemini, and Perplexity — geo-targeted to NYC, London, and SF.


For each (model × city), capture the top recommendations, sources cited, and the
position of "Replit" in each answer.


Aggregate into a single visibility report:
  • avg rank of Replit per model
  • avg rank of each competitor (Cursor, Windsurf, Copilot, etc.)
  • cities where Replit doesn't appear at all
  • which sources LLMs cite most often (so I know where to invest)


Then give me 5 concrete actions to improve Replit's visibility for
"best AI coding assistant", ranked by likely lift.

Un cran plus rapide — Massive MCP

Nous avons publié un serveur Model Context Protocol sur npm pour que les agents puissent appeler Web Render directement. Installez-le une fois :

bash
npm install -g @joinmassive/mcp-server

Puis collez ce prompt dans votre agent compatible MCP :

markdown
Use Massive MCP to search "best AI coding assistant" across Google
(organic + AI Overview), ChatGPT, Perplexity, and Gemini — geo-targeted
to NYC, London, and SF. List competitors by avg rank and build me a
visibility report for Replit. Then propose 5 concrete actions to improve
my ranking, ranked by likely lift.

Le web n'a pas été conçu pour les agents IA. Nous avons construit la couche d'API qui le fait fonctionner comme s'il l'avait été.