v2 · Modélisation de données visuelle, en direct dans ton navigateur

Modélisation de données visuelle, API en direct.
Des données réelles, servies dès l'enregistrement.

Esquisse tables et relations avec ton équipe sur un canevas partagé. Le modèle devient une API GraphQL en direct adossée à des données réelles — pas de fixtures, pas de JSON édité à la main.

01 Modifier l'attribut
Identifier: id
displayName
handle
avatarUrl
bio
role
verified
Add attribute
displayName
displayName
Use camelCase (e.g. firstName, createdAt)
STRING
Try it → rename this attribute or remap it to a different mock-dataset field. The JSON and avatars on the right respond live.
02 query users { … }
{
  "data": {
    "users": [
      {
        "id": "7f2a-…",
        "displayName": "Lena Hartmann",
        "handle": "lena.h",
        "role": "Designer",
        "verified": true
      },
      {
        "id": "a1c4-…",
        "displayName": "Tomás Iglesias",
        "handle": "tomas",
        "role": "Engineer",
        "verified": true
      },
      {
        "id": "b903-…",
        "displayName": "Yuki Tanabe",
        "handle": "yuki",
        "role": "Product",
        "verified": false
      }
    ]
  }
}
03 Rendu dans ton interface
LH
Lena Hartmann
@lena.h Designer
TI
Tomás Iglesias
@tomas Engineer
YT
Yuki Tanabe
@yuki Product
01 Le flux

Trois piliers. Un canevas.

Modélisation visuelle, collaboration en temps réel et une API en direct sur des données réelles — tout au même endroit.

01 Modéliser

Esquisse tables et relations sur un canevas partagé. Curseurs en direct, commentaires en fil, historique complet.

02 Mapper

Connecte chaque champ à une source de données réelles ou à un préréglage faker — au choix, par attribut.

03 Servir

Un endpoint GraphQL en direct démarre dès que tu enregistres. Adossé à des données réelles, interrogeable depuis ton app.

A new way to model

La modélisation de données,
enfin collaborative.

Le premier espace où ton équipe conçoit des schémas comme elle conçoit des produits — ensemble, sur un canevas en direct. Fini les fils Slack à propos d'une capture d'écran d'un cahier des charges.

  • Curseurs et présence en direct Vois qui se trouve où sur le canevas
  • Co-édition en temps réel Glisse, renomme, connecte — ensemble
  • Commentaires ancrés aux attributs Discute du modèle, pas de captures d'écran
  • Résolution des fils en ligne Les décisions restent avec le schéma
Modelling Board · acme · main
L T Y A
4 en cours d'édition
User
*id
*displayNameString
*handleString
avatarUrlString
Lena · editing
TeamMember
*id
*teamId
*userId
*roleEnum
joinedAtDT
#1 System Admin
Lena Hartmann · today, 11:54 LH
Are the values for this enum already reviewed?
02 Réaliste, à dessein

Des données qui ressemblent à de vrais utilisateurs, pas du Lorem ipsum.

Un catalogue de types de champs sélectionnés associe chaque attribut à des valeurs plausibles. Les noms correspondent aux locales. Les adresses correspondent aux pays. Les dates correspondent aux années de naissance. Les données passent le test de crédibilité dans ton interface.

Person 5 fields
Internet 4 fields
Location 4 fields
Commerce 4 fields
Lorem 3 fields
Custom 4 fields
Catalogue de champs
28 catégories · 240+ champs
Person name.full → “Lena Hartmann”
Internet internet.email → “l.hartmann@northvale.io”
Location address.street → “42 Rue de Bercy”
Custom regex.pattern → “/^USR-\d{4}-[A-Z]{3}$/”
Réponse exemple
200 OK · 6ms
{
“displayName” : "Lena Hartmann" ,
“email” : "lena.hartmann@northvale.io" ,
“address” : "42 Rue de Bercy, 75012 Paris" ,
“avatarUrl” : "https://cdn.mock/avatars/lena.png" ,
“role” : "engineering_manager"
}
03 Le pool, puis la sélection

Un seul pool, des milliers de colonnes.
Choisis celles qui correspondent à ton modèle.

Mockomat s'appuie sur un pool de données fictives vaste et profond qui couvre les contextes dont les développeurs ont réellement besoin — produits, personnes, lieux, finance, temps. Tu ne semes pas les données, tu les associes. Pointe un attribut vers une colonne et le moteur fait le reste. Les tenants Enterprise disposent de leur propre pool privé pour les structures propriétaires que les jeux de données publics ne peuvent pas couvrir.

Public pool 37 columns × 2.4M rows · shared
Synthetic Faker engine · 240+ field types
Private pool Bring your own data · enterprise
mockomat.pool / public · read-only · 2.4M rows
commerce person internet address business finance
product_name brand price_eur sku category_main description image_url stock_quantity rating_avg first_name last_name full_name email username avatar_url phone birthdate street city country_iso postal_code lat lng company job_title department salary_band tax_id iban currency transaction_id amount created_at updated_at expires_at tag locale
↓ 2,431,508 rows ↓
pool.full_name
pool.email
pool.avatar_url
map
map
map
UserProfile.displayName STRING
UserProfile.email STRING
UserProfile.avatarUrl STRING
Le pool est partagé. Les sélections sont les tiens. La structure est celle de ton modèle. Apporte ton propre pool
04 Un modèle, deux surfaces

Une API en direct pour ton code.
Un aperçu rendu pour tous les autres.

Le même modèle sert les deux — ton frontend interroge l'endpoint GraphQL tandis que le design, les chefs de projet et les parties prenantes voient les données rendues sous forme de cartes, tableaux et formulaires. Une seule source de vérité, deux audiences.

Endpoint GraphQL Pour ton code — requête depuis n'importe où
{
  "data": {
    "users": [
      {
        "displayName": "Lena Hartmann",
        "role": "Designer",
        "verified": true
      },
      {
        "displayName": "Tomás Iglesias",
        "role": "Engineer",
        "verified": true
      },
      {
        "displayName": "Yuki Tanabe",
        "role": "Product",
        "verified": false
      }
    ]
  }
}
LH
Lena Hartmann
@lena.h Designer
TI
Tomás Iglesias
@tomas Engineer
YT
Yuki Tanabe
@yuki Product
POST https://api.mockomat.com/s/abc-123/graphql
Aperçu rendu Pour tous les autres — visualise les données, sans Postman
LH
Lena Hartmann
@lena.h Designer
TI
Tomás Iglesias
@tomas Engineer
YT
Yuki Tanabe
@yuki Product
GET mockomat.com/s/abc-123/preview
05 Multi-tenant par défaut

Des espaces de travail pour l'équipe.
Des sessions pour l'instant.

Les espaces de travail persistants conservent tes vrais schémas et rôles. Les sessions jetables de 24 heures te permettent de créer un bac à sable pour partager un lien avec une partie prenante — sans inscription, sans nettoyage.

Rôles et permissions par espace de travail Propriétaire, éditeur, lecteur — invite par e-mail ou par lien
Sessions bac à sable jetables URL 24h · sans inscription · expiration auto · mise à niveau pour sauvegarder
SSO prêt (SAML, OIDC) — Plan Team Apporte ton IdP. Nous nous occupons du reste.
Espaces de travail 3 actifs
N
Northvale Studio 12 members
ACTIVE
A
Acme Inc. 5 members
L
Lena · Personnel 1 members
Session bac à sable expire dans 23h 12m · partage par lien
06 Intégration AI

Mockomat est aussi un prompt.

Dis à Claude, Cursor ou n'importe quel LLM de créer une API GraphQL fictive. Ils la construisent, tu regardes — comme un film. Toute l'équipe voit le schéma prendre forme sur le même tableau, en temps réel. Le temps que le modèle finisse sa phrase, le lien est dans ton presse-papiers.

Prompt Demande à n'importe quel LLM d'utiliser Mockomat.
MCP Utilisation native dans Claude, Cursor, Copilot.
OpenAPI Dépose une spec, obtiens un mock fonctionnel.
Découvrir l'intégration AI complète
claude · mockomat-mcp · session
LIVE
En observation →
POARDVC
Chef de produit, architecte, développeur — et Claude — sur le même tableau.
Chef de produit voit la structure de données dont les parties prenantes ont besoin
Architecte examine les relations et cardinalités en direct
Développeur interroge le mock dès qu'il est disponible
07 Sous le capot

Schema-first. Rejeu sans état.
À inspecter librement.

Ton modèle se compile en un schéma GraphQL déterministe. Chaque requête rejoue à partir du seed — même entrée, même sortie — pour que tes tests restent fiables. Auto-héberge le moteur quand tu es prêt.

Lire l'architecture
schema.graphql deterministic runtime stateless · seedable /graphql JSON /preview Rendered UI
08 Un point de départ

Des blueprints pour démarrer, pas pour rester bloqué.

Douze schémas soigneusement conçus, modélisés comme de vrais produits. Forke-en un, renomme-le, et tu as une longueur d'avance sur tous les tutoriels qui partent de zéro.

CRM Utilisateurs 8 entités · 24 attributs
E-commerce 12 entités · 38 attrs
Blog & Commentaires 5 entités · 14 attrs
Suivi de projet 9 entités · 31 attrs
Réservations & Événements 7 entités · 22 attrs
Fil social 6 entités · 18 attrs
Voir les blueprints
09 Tarifs

Commence gratuitement. Paye quand ton équipe livre.

Starter Gratuit Pour les développeurs individuels
  • 5 projets
  • 1 000 requêtes API / jour
  • Endpoint GraphQL
  • Intégration IA
Commencer
Business €31 par utilisateur / mois
  • Projets illimités
  • 250 000 requêtes / mois
  • Analyses d'endpoints
  • Support avec SLA
Commencer
Comparer toutes les fonctionnalités →
10 Questions

Ce que les gens nous demandent.

Can't find yours? Get in touch

Est-ce juste un autre outil de mock API ?
Non. Mockomat part d'un modèle ER collaboratif — des schémas que tu peux co-éditer, commenter et versionner. L'API fictive est le sous-produit, pas l'interface.
GraphQL uniquement, ou REST aussi ?
GraphQL aujourd'hui. Le modèle se compile en un schéma fortement typé avec pagination, filtres et relations. Les adaptateurs REST sont sur la feuille de route.
Les données sont-elles réalistes ?
Les noms de personnes correspondent aux locales, les adresses aux pays, les dates respectent les plages. Tu peux fixer des valeurs individuelles, fournir des enums ou attacher une regex pour des identifiants personnalisés.
Puis-je auto-héberger ?
Oui — avec le plan Team. Le moteur est un binaire unique ; déploie-le à côté de tes services et pointe ton modèle dessus.
Que devient une session bac à sable ?
Elle dure 24 heures, puis expire. Toute personne disposant du lien peut la modifier. Passe à un espace de travail pour la conserver indéfiniment, avec rôles et historique.
L'API prend-elle en charge l'authentification et les rôles personnalisés ?
Oui. Chaque modèle peut déclarer des règles d'authentification par requête. L'endpoint fictif les applique pour que ton frontend exerce les vrais chemins d'autorisation.