Quel CMS, quel pixel, quelle stack.
outsend ouvre chaque site web prospect, lit le HTML, inspecte les headers, repère les signatures JS, et te dit immédiatement sur quel CMS il tourne, quel pixel publicitaire il porte, quel CRM ou analytics il a installé. Ciblage tech aussi précis qu'un commercial qui aurait visité chaque site, en 0,8s par fiche.
Tu vends une solution qui s'intègre à WooCommerce, Shopify, Magento. Tu veux prospecter uniquement les e-commerçants qui utilisent l'une de ces trois plateformes, pas les milliers d'autres qui sont sur Wix ou Squarespace. Sans outil, tu visites chaque site, tu regardes le code source, tu déduis. Pour 200 entreprises, c'est une journée perdue à ouvrir des onglets et lire du HTML.
La détection de tech stack d'outsend.xyz automatise ce travail : pour chaque domaine que tu lui donnes, l'outil identifie les principales technologies utilisées (CMS, e-commerce, analytics, hébergeur, pixel publicitaire, CRM marketing, plateforme de support…) et te le remet en colonnes filtrables sur ta liste. Tu cibles ensuite par stack, pas par pifomètre.
Huit familles de technologies détectées
Ce que l'outil reconnaît à partir des signatures HTML, JS et headers HTTP d'un site web.
CMS / Front
Le moteur qui sert les pages.
E-commerce
La plateforme de vente en ligne.
Analytics
Le tracking de comportement visiteur.
Pixels publicitaires
Les tags de retargeting et conversion.
Hébergeur / CDN
Le couple infra et accélérateur.
Paiement
Le processeur de paiement intégré.
CRM / Marketing
L'outil de gestion contact et email.
Chat / Support
Le widget de discussion live.
Deux voies d'analyse, fusionnées
L'outil combine deux signaux pour éviter les faux positifs : lecture statique du HTML servi + scan des signaux JavaScript actifs. Si l'un confirme l'autre, la détection est solide.
Lecture HTML + headers
Lecture du HTML servi par le site : balises <meta>, <link>, classes CSS spécifiques d'un thème, URLs des assets externes, en-têtes HTTP du serveur. Indices structurels stables.
meta name="generator"
→ WordPress 6.4
link href="/wp-content/plugins/
woocommerce/..."
→ WooCommerce
Signaux JavaScript actifs
Repérage des appels fbq(), gtag(), _paq.push, Didomi.…, hbspt.…, Intercom(), OneTrustActive, Tawk_API. Rattrape les techs qui chargent leurs scripts en JS dynamique (SPA, consent-before-load).
window.fbq → Meta Pixel
window.gtag → Google Ads
_paq.push → Matomo
hbspt.cta → HubSpot CRM
Trois cas d'usage où la stack tranche
Filtrer une liste de 1 000 e-commerçants
Tu vends une intégration WooCommerce. Tu veux ne contacter que les 280 sites réellement sur WooCommerce. Sans détection, la moitié de tes emails partent à des prospects sur Shopify ou PrestaShop qui ne peuvent pas utiliser ta solution.
Audit tech de tes 20 concurrents
Une équipe marketing veut savoir quelles solutions d'analytics et de tracking utilisent ses concurrents directs. La détection automatique remonte le portrait technique en quelques minutes au lieu d'enquêter site par site.
Vérifier le claim « cloud-native »
Un VC qui audite une startup veut vérifier que le claim « infrastructure cloud-native » correspond bien à la réalité technique. La détection donne un cliché objectif rapide, croisable avec ce que la startup déclare en pitch.
Le marché : pricing à l'export, surtout en USD
Wappalyzer
Extension navigateur gratuite pour usage 1-à-1. Pour exporter en masse → plan API payant, calibrage US.
BuiltWith
Base historisée plus large (millions de sites). Idéal pour études macro, plus cher pour qualification continue.
SimilarTech
Calibrage international, suivi temporel intéressant. Pas optimisé pour la prospection FR mono-pays.
outsend
Détection intégrée au pipeline (extraction → tech stack → filtrage). FR-natif, candidature, pas d'export à crédit.
⚠ Ce que la détection tech stack ne fait pas
- Pas d'infrastructure invisible côté serveur (langage backend exact, base de données, k8s vs VM) — l'outil voit ce qui transite côté front uniquement
- Pas de scoring de « qualité technique » du site — il liste les techs, ne les juge pas
- Pas d'historique temporel (« utilise WordPress depuis X mois ») — pour ça, BuiltWith reste le mieux outillé
- Pas de détection des versions exactes en cas de masquage volontaire (header
Server:supprimé)
Filtrer ta liste par stack
Détection intégrée au pipeline outsend. Extraction → tech stack → filtrage en quelques clics, FR-natif, alpha gratuite sur candidature.
Demander un accès alpha gratuit →Questions fréquentes
Quelles technologies sont détectées exactement ?
Huit familles : CMS, e-commerce, analytics, pixels publicitaires, hébergeur/CDN, paiement, CRM marketing, chat/support. Chaque famille couvre les acteurs établis (Wappalyzer-équivalent) plus les acteurs FR/EU sous-détectés par les outils anglo-saxons (Brevo, Crisp, Klaviyo EU, OVH, etc.).
Combien de sites peut-on analyser en une session ?
En alpha, pas de plafond fixe. Compte ~0,8 à 1,5s par site (HTML jusqu'à 1,5 MB). Sur une liste de 1 000 domaines, la détection se fait en 15-25 minutes selon la taille moyenne des pages.
L'outil détecte-t-il aussi le tracking « consent-before-load » ?
Partiellement. Les sites SPA modernes avec CMP type Didomi/OneTrust en consent-before-load ne chargent les pixels qu'après acceptation cookies. La voie 2 (signaux JS) rattrape ce qui charge en différé, mais certaines détections restent sous-estimées pour ces cas — connu, V2 deep mode (Playwright + accept cookies) prévue plus tard.
Quelle différence avec le module ads_intelligence ?
La détection tech stack identifie quelles techs sont utilisées (CMS, analytics, e-commerce…). Le module ads_intelligence va plus loin sur l'axe marketing/publicitaire : intensité ads, score 0-100, catégorisation (retargeting, conversion, native, affiliation…), liste exhaustive des trackers détectés. Les deux sont complémentaires.
Les résultats sont-ils exportables en CSV ?
Oui — comme toutes les sorties outsend : CSV pour Excel/Sheets, JSON pour traitement programmatique, XLSX pour partage de feuille préformatée. La détection ajoute des colonnes nominatives (cms, ecommerce, analytics, pixel_meta, etc.) à ta liste existante.
Est-ce que l'analyse est consigne-friendly côté éthique ?
L'outil lit le HTML public servi par le site (comme un navigateur le ferait). Pas de tentative d'accéder à des zones authentifiées, pas de bypass de protection. La méthode est équivalente à une visite navigateur, juste automatisée.