Lancement d'un nouveau produit : l'API Web Render
Tous les articles

Présentation de Massive Web Render : le Web, 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 les humains qui naviguent d'une page à l'autre et lisent du code HTML affiché. Aujourd'hui, les humains souhaitent que les machines se chargent de cette tâche à leur place, et l'écart entre les besoins des agents d'IA et ce que le Web offre constitue le principal problème non résolu dans le domaine des infrastructures d'agents.

Nous lançons aujourd’hui Massive Web Render : trois points de terminaison qui transforment le Web ouvert, la recherche Google et les grands modèles de langage (LLM) de pointe en API épurées destinées aux développeurs d’IA.

Ce que nous avons livré

Web Render est une clé API comportant trois points de terminaison :

/ai Interrogez ChatGPT, Gemini, Perplexity et Copilot par programmation. Vous envoyez une requête. Vous recevez en retour un JSON structuré contenant la réponse, les sources et les sous-requêtes de fanout. Ciblez géographiquement l'un des plus de 195 pays pour voir comment un LLM répond depuis Tokyo par rapport à São Paulo. Émulez n'importe quel appareil. Il s'agit du point de terminaison pour lequel les startups AEO et GEO facturent entre 400 et 2 000 dollars par mois. Chez nous, cela ne coûte que quelques dollars.

/recherche extrait les résultats Google en temps réel, y compris les résumés générés par l'IA et les réponses de la rubrique « Les internautes ont également demandé ». Fonctionnalité de ciblage géographique, de pagination et de prise en charge multilingue.

/navigateur affiche n'importe quelle page Web. Le résultat peut être fourni au format HTML affiché, HTML brut ou Markdown compatible avec les modèles de langage de grande envergure (LLM).

Pourquoi nous l'avons créé

En février, nous avons lancé ClawPod. Il s'agissait d'une fonctionnalité d'OpenClaw qui connectait les navigateurs des agents à notre réseau de proxys résidentiels, permettant ainsi aux 145 000 utilisateurs qui exécutaient leurs propres agents OpenClaw de charger des pages Web sans être bloqués.

ClawPod nous a permis de comprendre ce dont les agents ont réellement besoin.

Il ne s'agissait pas seulement d'une rotation d'adresses IP. Il s'agissait d'une émulation complète du navigateur, de la résolution de captchas, de la gestion des empreintes numériques et de toutes les autres étapes de déblocage qui se situent entre la requête d'un agent et l'obtention de données propres et structurées. Les agents les plus performants n'étaient pas ceux qui contournaient les blocages. C'étaient ceux qui renvoyaient des données prêtes à être analysées par un modèle de langage (LLM).

Nous avons mis à profit ces enseignements pour développer la version de série.

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

La plupart des API qui prétendent « extraire n'importe quel site » s'arrêtent à l'adresse IP. Web Render va plus loin, car le Web moderne l'exige.

Cloudflare, DataDome et PerimeterX bloquent les requêtes HTTP brutes. Ils vérifient les empreintes numériques, effectuent des tests JavaScript, affichent des captchas et limitent le débit de tout ce qui ressemble à un bot. Même les adresses IP résidentielles sont bloquées si elles ne sont pas associées à un véritable navigateur.

Web Render gère l'ensemble de la pile de déblocage :

  • Rendu en temps réel dans un navigateur avec exécution complète de JavaScript
  • Résolution de captchas pour hCaptcha, reCAPTCHA et Cloudflare Turnstile
  • Contournement des mesures anti-bot pour Cloudflare, DataDome et PerimeterX
  • Le système effectue des tentatives supplémentaires de manière intelligente lorsque la première tentative est contestée
  • Sessions persistantes pour les flux multipages

Jusqu'à 3 minutes par appel pour traiter les sites les plus complexes. Si un site reste bloqué, contactez-nous et nous le rendrons accessible dans les 48 heures.

Vous ne gérez pas les sessions de navigateur, la rotation des empreintes numériques ni la logique de nouvelle tentative. Vous envoyez une URL ou une requête et recevez des données en retour.

À qui s'adresse ce document ?

Les développeurs d'agents IA qui ont besoin que leur agent puisse charger de manière fiable le Web ouvert. Les startups spécialisées dans l'AEO et le GEO qui suivent la visibilité de leur marque sur les grands modèles de langage (LLM). Les équipes d'entreprise qui exploitent des pipelines d'évaluation interne de grands modèles de langage (LLM). Des outils de vente basés sur l'IA exécutant des workflows d'enrichissement (un testeur alpha vient de réduire son coût par enrichissement de 1 $ à moins de 0,01 $ en remplaçant un outil verrouillé par une interface utilisateur par notre API et un agent open source).

Si vous vous êtes déjà dit « on va simplement extraire les données nous-mêmes » et que vous vous êtes retrouvé avec un pipeline fragile qui tombe en panne à chaque mise à jour du site cible, voici une alternative.

Une vision d'ensemble

Salesforce vient de passer au mode « headless ». Tous les grands acteurs du SaaS suivront d'ici 18 mois. Les agents ne cliquent pas sur des boutons ; c'est pourquoi l'ensemble de la pile logicielle est en cours de refonte pour eux.

Le Web ouvert prend une direction opposée. Les sites Web se protègent derrière des systèmes anti-bots, tandis que les utilisateurs demandent de plus en plus souvent aux machines de faire le travail à leur place. Il n'existe pas de solution Headless 360 pour le Web ouvert. Cette infrastructure doit encore être mise en place.

C'est la couche que nous sommes en train de créer.

Commencer

Essayez la démo : une seule requête, trois grands modèles de langage de pointe, comparés côte à côte, avec une géolocalisation pour n'importe quelle ville du monde.

Les 100 premières personnes à s'inscrire recevront un crédit de 50 $.

Essayez par vous-même

Les trois mêmes grands modèles de langage (LLM) de pointe utilisés dans les requêtes de démonstration sont accessibles en un seul appel HTTP. Inscrivez-vous sur dashboard.joinmassive.com pour obtenir une clé API, procédez comme suit :

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))
}

Une commande que vous pouvez copier-coller dans n'importe quel agent

Fonctionne avec Claude, ChatGPT, Gemini ou votre propre boucle d'agent. Remplacez « Replit » par votre marque et « meilleur assistant de codage IA » par la requête que vos clients pourraient formuler.

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 pas d'avance — Massive MCP

Nous avons expédié un Serveur Model Context Protocol sur npm afin que les agents puissent appeler Web Render directement. Installez-le une seule fois :

bash
npm install -g @joinmassive/mcp-server

Ensuite, entrez cette commande 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. C'est nous qui avons développé la couche API qui lui permet de fonctionner comme si c'était le cas.

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