Apache Airflow est devenu la référence open source pour orchestrer des flux de données : extractions nocturnes, synchronisations entre logiciels, calculs d'indicateurs, alimentation d'un entrepôt ou d'un tableau de bord. Sa version 3.4, publiée le 6 novembre 2026, confirme sa maturité. Mais faut-il l'adopter dans une PME, et à quelle place à côté de vos outils d'automatisation habituels ?
Apache Airflow, c'est quoi exactement ?
Airflow est un orchestrateur de flux de travail : il ne transforme pas lui-même vos données, il décide quoi lancer, quand, dans quel ordre, et que faire en cas d'échec. Né chez Airbnb en 2014, devenu projet de premier niveau de la fondation Apache en 2019, il est distribué sous licence Apache 2.0, donc gratuit et sans dépendance à un éditeur.
Son principe tient en un mot : le DAG (graphe orienté acyclique). Un DAG décrit une chaîne de tâches et leurs dépendances : « extraire les commandes de l'ERP, puis les factures du logiciel comptable, puis rapprocher les deux, puis recalculer la marge, puis prévenir le contrôleur de gestion ». Ce DAG s'écrit en code, ce qui le rend versionnable, relisible et testable comme n'importe quel logiciel.
Autour de ce cœur, Airflow fournit :
- un planificateur qui déclenche les DAG à heure fixe ou à l'arrivée d'une nouvelle donnée ;
- des exécutants (workers) qui font tourner les tâches, éventuellement en parallèle ;
- une interface web qui montre l'historique de chaque exécution, les durées, les erreurs et permet de relancer une étape précise ;
- des centaines de connecteurs (bases de données, stockage cloud, API, messagerie) regroupés en paquets appelés providers.
Airflow ou n8n : deux métiers différents
Les deux outils « enchaînent des étapes », mais leurs vocations diffèrent nettement.
- n8n, Make ou Power Automate excellent dans l'automatisation de processus métier : un formulaire arrive, on crée le client dans le CRM, on envoie un e-mail, on prévient l'équipe. Les déclencheurs sont des événements unitaires, la configuration est visuelle, la mise en route se compte en heures.
- Apache Airflow excelle dans l'orchestration de traitements de données : des volumes plus importants, des dépendances nombreuses entre étapes, des reprises sur incident, des rattrapages d'historique (backfill) sur plusieurs mois, et une traçabilité fine de chaque exécution.
Les deux ne s'opposent pas. Dans bien des entreprises, l'outil configuré gère les flux du quotidien et Airflow pilote les traitements lourds de la nuit. Pour une PME qui a seulement besoin de synchroniser deux logiciels, un scénario n8n ou Make bien conçu reste souvent la solution la plus rapide et la plus économique.
Les signaux qui justifient Airflow dans une PME
Il est temps de passer à un véritable orchestrateur quand :
- vos rapports reposent sur une dizaine de scripts ou de tâches planifiées dispersés sur un serveur, et personne ne sait exactement lequel dépend de l'autre ;
- un échec nocturne n'est découvert que le lendemain, quand un tableau de bord affiche des chiffres faux ;
- vous alimentez un entrepôt de données (PostgreSQL, BigQuery, Snowflake) à partir de plusieurs sources : ERP, CRM, e-commerce, fichiers fournisseurs ;
- il faut régulièrement recalculer un historique après la correction d'une règle de gestion ;
- vos traitements intègrent désormais des étapes d'IA (classement, extraction, enrichissement) qu'il faut enchaîner, surveiller et rejouer proprement.
À l'inverse, si vos flux tiennent en trois ou quatre automatisations simples et sans dépendances, Airflow apporterait plus de complexité d'exploitation que de bénéfices.
Airflow 3 et la version 3.4 : ce qui change
La génération 3 d'Airflow, lancée en avril 2025, a modernisé l'outil en profondeur : interface entièrement refaite, versionnement des DAG, déclenchement par l'arrivée de données (les « assets ») et exécution des tâches isolée du cœur du système. La version 3.1, en septembre 2025, a ajouté les étapes de validation humaine au milieu d'un flux, utiles quand un résultat doit être contrôlé avant d'être diffusé.
La version 3.4 du 6 novembre 2026 apporte notamment, d'après les notes de version officielles :
- les boucles de tâches : un groupe de tâches peut être répété un nombre de fois décidé à l'exécution, jusqu'à ce qu'une condition soit remplie, avec un plafond d'itérations ;
- l'écriture de DAG dans d'autres langages que Python, grâce à un mécanisme d'import extensible ;
- un état de mise en pause progressive (draining) : plus aucune nouvelle exécution planifiée, mais celles en cours se terminent proprement, pratique avant une maintenance ;
- l'exigence de Python 3.11 ou plus récent, Python 3.10 arrivant en fin de vie en octobre 2026.
Point d'attention : la branche Airflow 2 a atteint sa fin de vie le 22 avril 2026. Elle ne reçoit plus de correctifs, y compris de sécurité. Si une ancienne installation tourne encore chez vous, la migration vers Airflow 3 mérite d'être planifiée : certaines API internes ont changé et les DAG doivent être relus avant la bascule.
Héberger Airflow : auto-hébergé ou service managé
L'auto-hébergement
Airflow s'installe sur vos serveurs ou sur un cloud, classiquement avec une base PostgreSQL pour ses métadonnées. Le fichier Docker Compose fourni par le projet est parfait pour tester, mais la documentation précise qu'il n'est pas destiné à la production ; on s'oriente alors vers un déploiement Kubernetes avec la charte Helm officielle, ou vers un serveur dédié bien configuré. Vous gardez la maîtrise des données et des coûts, en échange d'une exploitation à assurer : mises à jour, sauvegardes, supervision.
Les offres managées
Google Cloud Composer, Amazon MWAA ou Astronomer proposent Airflow clé en main : l'infrastructure, les mises à jour et la haute disponibilité sont prises en charge. La facture est plus élevée et suit l'usage, et il faut vérifier la région d'hébergement au regard de vos obligations RGPD.
Les bonnes pratiques qui évitent les mauvaises surprises
Un orchestrateur ne vaut que par la qualité des flux qu'il pilote :
- Des tâches idempotentes : relancer une tâche deux fois doit produire le même résultat, sans doublon. C'est la condition pour pouvoir rejouer sereinement.
- Pas de données lourdes entre tâches : Airflow transmet des références (un chemin de fichier, un identifiant de table), pas des millions de lignes.
- Des secrets hors du code : identifiants et clés d'API dans les connexions Airflow ou un coffre-fort de secrets, jamais en clair dans un DAG.
- Des DAG testés et versionnés dans Git, déployés par une chaîne d'intégration continue plutôt que copiés à la main sur le serveur.
Comment nous abordons un projet d'orchestration
Chez Pulsar Forge, nous commençons toujours par le besoin, pas par l'outil. Si un scénario n8n, Make ou Power Automate configuré proprement suffit, nous le déployons : c'est rapide et économique. Lorsque vos flux de données deviennent un vrai système, avec des dépendances, des volumes et des enjeux de fiabilité, nous travaillons en mode Forward Deployed Engineer : un ingénieur déployé au plus près de vos équipes, qui cartographie vos sources réelles, construit les premiers DAG dans votre environnement et livre un premier flux de bout en bout, mesurable, avant d'étendre le périmètre.
Découvrez aussi notre approche de l'automatisation des tâches métiers.
Questions fréquentes
Apache Airflow est-il gratuit ?
Oui, Apache Airflow est un logiciel open source sous licence Apache 2.0, sans coût de licence. Les coûts viennent de l'hébergement, de l'exploitation et du développement des flux, ou de l'abonnement si vous choisissez une offre managée.
Faut-il savoir programmer pour utiliser Airflow ?
Oui, les flux s'écrivent en code, principalement en Python. C'est ce qui les rend versionnables et testables, mais cela suppose un développeur pour les concevoir et les maintenir, contrairement à n8n ou Make qui se configurent visuellement.
Airflow peut-il remplacer n8n ou Make ?
Rarement, car ils ne visent pas le même usage. n8n et Make automatisent des processus métier déclenchés par des événements, Airflow orchestre des traitements de données planifiés et dépendants les uns des autres. Les deux cohabitent très bien.
Que faire si nous utilisons encore Airflow 2 ?
Airflow 2 est en fin de vie depuis le 22 avril 2026 et ne reçoit plus de correctifs de sécurité. Il est conseillé de planifier la migration vers Airflow 3 en inventoriant et en relisant les DAG, puis en les testant sur un environnement séparé avant la bascule.
Vos traitements de données reposent sur des scripts fragiles ou des tâches planifiées que personne n'ose toucher ? Parlons de votre projet : nous vous aidons à choisir entre un outil configuré et un orchestrateur, puis à livrer un premier flux fiable.