Réponse rapide
Qu'est-ce qu'une API de lecture web ?
Une API de lecture de pages web est un service qui prend une URL, charge la page et renvoie son contenu principal sous forme de texte propre, généralement en Markdown, avec des métadonnées comme le titre, l'auteur et la date. Les agents IA et les pipelines RAG l'utilisent à la place du HTML brut. WebReaderAPI en est une : un crédit par page, à partir de 0,07 $US/1K pages en octobre 2026, avec robots.txt respecté, sans KYC et paiement en crypto.
Une API de lecture de pages web en un tableau
| Entrée | L'URL d'une page web publique ou d'un PDF |
|---|---|
| Sortie | Du Markdown du contenu principal, ou du texte brut, avec titre, auteur, date et langue |
| Supprimé | Navigation, bannières de cookies, publicités, barres latérales, pieds de page, scripts et styles |
| Pages JavaScript | Rendu dans un navigateur headless quand le HTML brut contient trop peu de texte |
| Facturation typique | Par page ou par crédit ; certains fournisseurs facturent au token de sortie |
| Exemple de requête | GET https://webreaderapi.com/api/v1/read?url=https://example.com/post |
Que fait une API de lecture de pages web, étape par étape ?
Elle accomplit cinq tâches dont tout pipeline page-vers-texte a besoin, en un seul appel :
- Vérifier l'autorisation. Un lecteur soigneux consulte le robots.txt du site pour son propre nom et pour tous les robots avant de récupérer quoi que ce soit.
- Récupérer la page. Il télécharge le HTML, suit les redirections et s'arrête au bout d'un timeout.
- Faire le rendu si nécessaire. Si le HTML n'est qu'une coquille vide remplie par JavaScript, il charge la page dans un navigateur headless et lit le résultat.
- Extraire le contenu principal. Une étape de type readability identifie le corps de l'article ou de la documentation et écarte l'habillage autour.
- Convertir et décrire. Il écrit le contenu en Markdown et ajoute des métadonnées : titre, auteur, date de publication, langue et nombre de mots.
L'appelant reçoit un objet JSON contenant le Markdown. Un modèle peut le lire d'un coup, ou un pipeline peut le découper en chunks pour un vector store.
Pourquoi les modèles ont-ils besoin de Markdown plutôt que de HTML ?
Parce que l'essentiel d'une page HTML n'est pas du contenu. Les menus, les balises script, le code de suivi et le balisage de mise en page mobilisent des tokens que le modèle doit lire et que vous devez payer. Le Markdown conserve les parties porteuses de sens : titres, listes, tableaux, liens et emphase.
Cloudflare en a donné un exemple concret lors du lancement de sa fonctionnalité « Markdown for Agents » le 12 février 2026 : une page est passée de 16 180 tokens en HTML à 3 150 tokens en Markdown, soit environ 80 % de moins. Les résultats varient selon la page, mais la tendance est la même sur la plupart des articles et pages de documentation.
En quoi une API de lecture de pages web diffère-t-elle d'une API de scraping ?
Une API de scraping renvoie ce que le serveur a envoyé ; un lecteur renvoie ce qu'une personne lirait. Les API de scraping sont conçues pour récupérer des pages à grande échelle, souvent pour extraire des champs précis comme des prix ou des noms de produits, et elles renvoient généralement du HTML brut ou du JSON structuré que vous définissez.
Un lecteur de pages web est plus étroit et plus tranché. Il décide ce qu'est le contenu principal, supprime le reste et écrit du texte propre. C'est le bon outil quand le consommateur suivant est un modèle de langage, un index de recherche ou une personne qui lit un résumé. C'est le mauvais outil quand vous avez besoin de chaque champ d'une grille de produits ; pour cela, il vous faut le HTML complet ou une extraction basée sur un schéma.
En quoi diffère-t-elle d'une API de recherche ?
Une API de recherche répond à « quelles pages parlent de ceci ? » ; un lecteur répond à « que dit cette page ? ». La recherche renvoie une liste d'URL avec titres et extraits pour une requête. Un lecteur prend l'une de ces URL et renvoie son texte intégral.
Les agents enchaînent souvent les deux : recherche pour trouver des pages candidates, puis lecture des trois ou quatre meilleures pour répondre avec des citations. Garder les étapes séparées vous permet de choisir combien de pages lire, ce qui économise tokens et crédits.
Puis-je utiliser des outils open source au lieu d'une API ?
Oui, et beaucoup d'équipes commencent ainsi. Readability de Mozilla extrait le contenu principal d'une page dans un contexte de navigateur ; Trafilatura fait l'extraction en Python ; MarkItDown de Microsoft convertit des documents, y compris des PDF, en Markdown ; Crawl4AI combine crawl et sortie Markdown.
La bibliothèque est la partie facile. L'exploiter en production implique d'héberger des navigateurs headless pour les pages JavaScript, de vérifier robots.txt, de gérer les timeouts, les redirections et les jeux de caractères, de convertir les PDF et de maintenir le tout à jour. Une API vaut le coup quand vous préférez payer à la page plutôt que d'exploiter cette mécanique ; une bibliothèque vaut le coup quand les volumes sont stables et que vous avez le temps de l'opérer.
Comment les API de lecture de pages web facturent-elles ?
Trois modèles de facturation sont courants en 2026. Les offres à crédits facturent un nombre fixe de crédits par page : la page de tarifs de Firecrawl, consultée le 22 octobre 2026, compte 1 crédit par page scrapée et 4 crédits supplémentaires par page pour son format JSON. La facturation au token facture le texte renvoyé : Jina Reader applique ce modèle depuis le 6 mai 2025 et offre 10 millions de tokens gratuits à chaque nouvelle clé. Les offres mensuelles remettent leurs crédits à zéro à chaque cycle, tandis que les packs prépayés les conservent.
WebReaderAPI utilise des crédits prépayés qui n'expirent jamais : 1 crédit = 1 page lue sans navigateur ; 2 crédits quand la page nécessite un navigateur pour exécuter JavaScript. Une requête qui échoue, ou qu'un robots.txt de site refuse, n'est pas facturée. 10 000 pages coûtent 3,75 $US et le tarif descend à 0,07 $US/1K pages sur 5 000 000 pages, en octobre 2026.
Que vérifier avant de choisir une API de lecture de pages web ?
Testez-la sur vingt de vos propres URL et regardez six points :
- Qualité d'extraction. Le Markdown conserve-t-il l'article et écarte-t-il le reste, y compris les tableaux et les blocs de code ?
- JavaScript. Les pages construites dans le navigateur reviennent-elles avec du texte, et combien coûte le rendu ?
- PDF. Sont-ils pris en charge, et comment les pages sont-elles comptées ?
- Choix des propriétaires de sites. Le service respecte-t-il robots.txt et les préférences IA déclarées, et le dit-il dans sa documentation ?
- Échecs. Les pages en échec et refusées sont-elles facturées ?
- Contrôle du budget. Pouvez-vous plafonner la longueur de chaque page, et les crédits expirent-ils ?
Notre comparaison des prix des API de lecture de pages web met les principaux fournisseurs côte à côte, avec les dates.
API de lecture de pages web : questions fréquentes
Une API de lecture de pages web, est-ce la même chose que le mode lecture d'un navigateur ?
C'est la même idée, garder l'article et écarter le superflu, mais elle tourne sur un serveur, renvoie du Markdown et des métadonnées en JSON, et fonctionne pour des milliers d'URL. Le mode lecture est fait pour une personne qui lit une page.
Une API de lecture de pages web peut-elle lire n'importe quel site ?
Non. Elle lit les pages publiques qui l'autorisent. Un service soigneux évite les pages que robots.txt interdit et renvoie la réponse du site quand celui-ci refuse. Les pages derrière un login ou un paywall sont hors de portée par conception.
Un lecteur de page web conserve-t-il les images ?
En général non par défaut, car les modèles ont surtout besoin du texte. Avec WebReaderAPI, include_images=true conserve les images sous forme de liens d'image Markdown avec leur texte alternatif.
Combien de temps prend la lecture d'une page ?
Cela dépend du site et du fait que la page nécessite un navigateur ou non. Nous ne publions pas de temps de réponse tant que nous ne les avons pas mesurés sur un échantillon public ; prévoyez vos timeouts en fonction du paramètre timeout, qui va jusqu'à 60 secondes.
Ai-je besoin d'un compte avec une pièce d'identité pour utiliser WebReaderAPI ?
Non. WebReaderAPI ne demande ni pièce d'identité, ni selfie, ni document. Votre identifiant est un numéro de compte, et le paiement se fait en BTC, USDT, USDC, ETH, SOL, LTC.
Sources (3)
- Présentation de Markdown for Agents — Cloudflare (2026-02-12)
- Tarifs de Firecrawl — Firecrawl (read 2026-10-22)
- Reader API — Jina AI (Elastic) (read 2026-10-22)