Alternatives à Flowise après l’archivage du dépôt

Les alternatives maintenues à Flowise sont Dify, n8n et Langflow — et la raison de migrer est que le dépôt Flowise est archivé et en lecture seule, non que le logiciel a cessé de fonctionner. Les deux parties de cette phrase comptent, car l’arrêt progressif n’a pas tout interrompu d’un coup : le projet open source est terminé, les paquets publiés s’installent toujours sans avertissement et le Cloud hébergé publie toujours des prix sans date de fin associée. Lequel de ces trois faits s’applique à votre situation détermine s’il s’agit d’une migration urgente ou planifiée.

Deux homonymies à clarifier d’abord. flowise.io est une entreprise totalement différente — un cabinet de conseil en gestion du travail — ; tout tarif que vous y trouverez décrit donc cette activité. Et Langflow n’est pas Flowise : un nom presque identique, un canevas similaire, mais une structure de propriété, une licence et une histoire d’hébergement complètement différentes. N’attribuez pas à l’un un fait concernant l’autre.

Ce qui a réellement fermé, et ce qui ne l’a pas été

L’éditeur a publié un tableau d’étapes sur sa page d’arrêt progressif, et la raison indiquée mérite d’être citée plutôt que paraphrasée : « developers are increasingly relying on new coding agents such as Claude Code/OpenClaw to handle complex tasks. The typical rigid workflow low code approach quickly hits the limit when it comes to complexity. » Les étapes sont l’annonce et le gel du code le 29 juillet 2026, l’archivage du dépôt en août et la fin de la présence officielle de l’équipe principale le 31 août 2026.

La date d’archivage diffère selon deux sources officielles. Le tableau de la page d’arrêt progressif indique le 10 août 2026 ; le fil d’annonce « The Future of Flowise » et le dernier push du dépôt sont tous deux datés du 13 août 2026. Utilisez le 13 août dans vos propres archives et notez que la page de l’éditeur indique une autre date.

Une correction de licence avant que quiconque ne crée un fork. L’annonce indique que « the Apache 2.0 licensed code is yours to keep building on », mais LICENSE.md exclut tout ce qui se trouve sous packages/server/src/enterprise ainsi que les fichiers comportant une mention explicite de droits d’auteur ; ces éléments sont soumis à une licence commerciale exigeant un abonnement Enterprise valide pour une utilisation en production et interdisant la redistribution. Un fork est donc sous Apache 2.0 moins ce répertoire, provenant d’un éditeur qui arrête progressivement son activité. Aucun successeur n’est apparu sous le nom du projet : une recherche de dépôts GitHub limitée à ceux contenant « flowise » dans leur nom et ayant reçu un push depuis le 20 août 2026 ne renvoie rien au-dessus d’une étoile. Un fork renommé autrement n’apparaîtrait pas dans cette recherche ; interprétez donc cela comme « aucun successeur évident », et non comme la preuve qu’il n’en existe aucun.

Quelle alternative correspond à quel flux Flowise

Choisissez en fonction de la structure de ce que vous avez déjà construit, et non du nombre d’étoiles. Les trois projets ci-dessous ont été vérifiés le 19 septembre 2026 et sont tous actifs, avec des pushes le 18 septembre.

Langflow appelle à la même prudence que celle que Flowise vient d’imposer. Il a été racheté par DataStax en avril 2024, IBM a annoncé son intention de racheter DataStax en février 2025, et l’offre hébergée a déjà disparu — une note de version de DataStax datée du 9 avril 2026 indique : « DataStax Langflow a été retiré d’Astra. Vous pouvez utiliser Langflow OSS comme solution de remplacement. » Aujourd’hui, Langflow s’installe sous forme d’application de bureau, d’image Docker, de paquet Python ou à partir du code source, et la navigation de son site ne comporte aucune page de tarifs. Choisissez-le pour son code sous licence MIT, que vous hébergerez vous-même, et non pour acheter un service d’hébergement auprès d’un fournisseur.

Ce qui migre, ce qui ne migre pas et comment revenir en arrière

Le code source de l’exportateur de Flowise définit exactement quinze types d’enregistrements : flux d’agents (des deux générations), quatre types d’assistants, flux de chat, messages de chat, retours sur les messages, modèles personnalisés, espaces de stockage de documents, segments de fichiers des espaces de stockage de documents, exécutions, outils et variables. Les routes exposent export, import et chatflow-messages comme points de terminaison POST soumis à des autorisations ; il est donc possible de scripter l’exportation de tout un espace de travail plutôt que de cliquer.

Trois limites déterminent la durée de cette opération.

• Les identifiants ne migrent pas. Le guide officiel de migration Cloud le dit directement — « Credentials are not exported. You will have to create new credentials and use those in the flows and assistants » — et l’exportateur le confirme : le mot credential apparaît zéro fois dans ce fichier. Chaque clé, mot de passe de base de données et jeton OAuth doit être saisi de nouveau manuellement.
• Les identifiants persistent, les URL changent. Le même guide indique que les identifiants exportés restent identiques ; une application qui appelle un flux par identifiant n’a donc besoin que de mettre à jour son URL de base. C’est le seul élément qui rend un déplacement de Flowise vers Flowise peu coûteux — et cela ne vous apporte rien pour une migration vers un autre produit.
• Aucun de ces trois dépôts ne lit le format. Une recherche de code GitHub dans langgenius/dify, n8n-io/n8n et langflow-ai/langflow ne renvoie aucune occurrence de « flowise » dans aucun d’eux ; aucun des trois ne fournit donc d’importateur ni de convertisseur. Cette recherche couvre la branche par défaut indexée, et non les plugins tiers. Utilisez l’export comme spécification écrite et reconstruisez chaque flux.

Avant tout cela, faites un instantané de l’état. Dans une installation auto-hébergée par défaut, la base de données est SQLite à ~/.flowise et le stockage d’objets binaires à ~/.flowise/storage, selon la référence des variables d’environnement — mais la clé de chiffrement des identifiants se trouve en dehors de la base de données et, sans elle, ces identifiants sont définitivement perdus.

# Default self-hosted layout: the SQLite database and the blob storage
# folder both live under one directory. Snapshot it before you touch anything.
cp -a ~/.flowise ~/flowise-backup-$(date +%F)

# The encryption key is NOT inside that database. If it does not travel with
# the data, every stored credential is unrecoverable.
#   SECRETKEY_STORAGE_TYPE  local | aws
#   SECRETKEY_PATH          default: Flowise/packages/server
#   FLOWISE_SECRETKEY_OVERWRITE  replaces the file-based key entirely

# Pin the final release rather than tracking a floating tag, so a future
# registry change cannot move the image under you.
docker pull flowiseai/flowise:3.1.4

Le retour en arrière est alors simple, ce qui justifie de commencer par là : gardez l’ancienne pile à l’arrêt plutôt que de la supprimer jusqu’à ce que la solution de remplacement ait traité votre trafic réel pendant un cycle complet de facturation, et ne faites tourner les clés détenues par l’ancienne pile qu’après sa mise hors service.

Ce que coûtent les remplaçants et où va réellement l’argent

Deux réserves concernant ce tableau. Dify et n8n affichent côté serveur uniquement leurs montants de facturation annuelle ; leurs sélecteurs mensuels sont côté client et ces montants n’ont pas été capturés, ne déduisez donc pas un prix mensuel de ces données. La ligne Flowise Cloud décrit le marché, et non une recommandation d’achat — il s’agit d’une offre tarifée sur un site dont la propre bannière annonce un arrêt progressif.

Chacun de ces prix achète le builder. Les jetons de modèle sont facturés séparément par le point de terminaison vers lequel vous les dirigez et, à volume réel, ils constituent l’essentiel du coût. Prenons comme référence le quota publié de l’offre Starter : 10,000 réponses par mois, chacune étant supposée envoyer 8,000 jetons d’entrée de prompt ainsi que le contexte récupéré, et renvoyer 600 jetons de sortie. Ces hypothèses sont illustratives et non mesurées ; les tarifs sont les prix en vigueur du catalogue Kunavo par million de jetons.

Il s’agit d’une arithmétique des jetons, et non du coût mesuré d’une tâche ni d’un plafond de facturation. Ce qu’il faut retenir : selon ces hypothèses, le coût des modèles va d’environ $77 à $231 par mois, contre un abonnement à la plateforme de 35 $, de sorte que « quel builder est le moins cher ? » est rarement la première question à poser. Le choix du modèle et la taille du prompt font davantage varier la facture que la plateforme. Un autre poste à budgéter séparément : une application de récupération intègre les documents lors de l’ingestion et les interroge lors de la lecture, et Kunavo ne fournit pas de modèle d’embeddings — cette étape s’exécute localement ou auprès d’un fournisseur externe et y est facturée, pas ici.

Le montant du catalogue Kunavo constitue un plancher de facturation plutôt qu’un plafond : lorsque l’amont communique son coût, la facture correspond au plus élevé entre le coût du catalogue et le coût amont multiplié par la majoration applicable. Le rechargement minimum est de $10 de crédit prépayé, ce qui constitue un minimum de financement et non des frais de tâche ou un abonnement — consultez les détails de la facturation. Une fois le builder choisi, créez un compte Kunavo et consultez la référence des chat-completions pour connaître l’URL de base et le format de la clé. Pour le schéma général utilisé par les trois builders, consultez l’API compatible OpenAI ; pour la partie récupération, l’implémentation RAG.

Si vous restez sur Flowise pour l’instant, corrigez d’abord la liste des modèles

La route compatible OpenAI de Flowise est toujours présente dans la version finale et, dans le code source, elle ne comporte aucun contrôle de licence ou d’offre : le nœud ChatOpenAI est fourni dans l’arborescence Apache 2.0 packages/components, en dehors de l’exception packages/server/src/enterprise. Dans le nœud ChatOpenAI, ouvrez Additional Parameters et définissez Base Path (nom du champ basepath, décrit comme un remplacement de l’URL de base par défaut) et, facultativement, Base Options, un objet JSON d’en-têtes par défaut. Dans le code source du nœud, ces paramètres sont directement associés au client sous les noms baseURL et defaultHeaders. La clé API est un identifiant ChatOpenAI ordinaire.

Le piège est le nom du modèle. Dans le nœud ChatOpenAI standard, il s’agit d’un champ d’options asynchrone chargé par une méthode listModels qui lit un fichier models.json — jamais votre propre GET /v1/models de point de terminaison. La source par défaut est un fichier brut sur la branche principale du dépôt archivé ; cette liste déroulante est donc désormais figée : consultée le 19 septembre 2026, elle s’arrête à claude-opus-4-7 pour Anthropic et à gpt-5.5 pour OpenAI, et n’accueillera jamais de nom plus récent. Définir uniquement Base Path vous laisse choisir dans une liste qui n’évolue plus depuis août.

Deux solutions documentées. Utilisez le nœud distinct ChatOpenAI Custom, dont Model Name est un champ de texte libre et qui possède les mêmes paramètres Base Path et Base Options ; ou définissez MODEL_LIST_CONFIG_JSON sur votre propre fichier ou URL, ce qui remplace globalement la source de la liste déroulante.

{
  "chat": [
    {
      "name": "chatOpenAI",
      "models": [
        {
          "label": "claude-sonnet-4-6",
          "name": "claude-sonnet-4-6",
          "input_cost": 0.0000021000,
          "output_cost": 0.0000105000
        },
        {
          "label": "claude-haiku-4-5",
          "name": "claude-haiku-4-5",
          "input_cost": 0.0000007000,
          "output_cost": 0.0000035000
        }
      ]
    }
  ]
}

Trois limites concernent cette route, toutes vérifiées dans le code source le 19 septembre 2026. Le nœud Custom effectue un contrôle par liste de refus sur le chemin de base, et la liste de refus par défaut bloque notamment localhost, 127.0.0.0/8, 10.0.0.0/8, 172.16.0.0/12, 192.168.0.0/16, 169.254.0.0/16, ::1 et fc00::/7 avec « Access to this host is denied by policy » — un point de terminaison HTTPS public n’est pas concerné, contrairement à un proxy sur localhost ou une adresse LAN, et HTTP_SECURITY_CHECK et HTTP_DENY_LIST contrôlent ce comportement. Le nœud ChatOpenAI standard n’effectue pas ce contrôle. En outre, le protocole Anthropic-Messages ne possède aucun champ d’URL de base sur le nœud qui le prend en charge : le répertoire des nœuds de modèles de chat contient un nœud Anthropic-Messages, ChatAnthropic, dont le code source ne déclare aucune entrée base-URL, base-path ou API-URL. Ainsi, un point de terminaison Anthropic-Messages n’est pas adressable via ce nœud et doit être utilisé via la route compatible OpenAI — consultez la documentation de l’URL de base Anthropic pour savoir où ce protocole est disponible. Une particularité documentaire à garder à l’esprit : la page officielle intitulée « ChatOpenAI » est servie depuis un slug d’URL contenant « azure » ; il s’agit de la référence canonique de Base Path pour le nœud standard, et non d’une documentation Azure.

Précision concernant tout ce qui précède, formulée comme dans le répertoire des API d’agents IA : Kunavo n’a pas testé Flowise, Dify, n8n ou Langflow en conditions réelles avec son point de terminaison. Chaque affirmation de configuration ici est transcrite depuis la documentation des fournisseurs et le code source des dépôts, et non mesurée de bout en bout. Conservez une route fonctionnelle, exécutez une tâche délimitée et consultez le montant enregistré par votre propre compte.

Une migration progressive et réversible

1. Faites une copie du répertoire de données et de la clé de chiffrement, comme ci-dessus, et épinglez l’image sur 3.1.4.
2. Exportez dès maintenant chaque espace de travail, tant que l’instance est active. Si votre déploiement est Cloud, faites-le en premier — aucune date limite d’export n’est publiée, ce qui ne signifie pas qu’il n’y en a pas.
3. Notez chaque identifiant et son usage avant d’en faire tourner un quelconque. Aucun ne sera transféré.
4. Recréez manuellement un flux représentatif dans la cible, et un seul. C’est ainsi que vous découvrirez ce que la cible ne peut pas exprimer.
5. Exécutez les deux piles avec les mêmes entrées et comparez les sorties pendant une période définie à l’avance.
6. Basculez le trafic. Gardez l’ancienne pile inactive, mais non supprimée, pendant un cycle complet de facturation.
7. Décommissionnez-la, puis faites tourner les clés qu’elle détenait.

Si la conclusion de l’étape 4 est que vous n’avez pas besoin d’un builder visuel — ce qui est la raison invoquée par le fournisseur lui-même pour mettre fin au produit — alors la comparaison utile est celle entre passerelle IA et optimisation des coûts IA, plutôt qu’un autre canevas.

Questions fréquentes

Lecture directe pour cette page le 19 septembre 2026 : le README de Flowise, models.json, LICENSE.md, les sources des nœuds ChatOpenAI, ChatOpenAI Custom et ChatAnthropic, la source du service d’export-import, le document du registre npm, le document du dépôt Docker Hub, flowiseai.com et flowiseai.com/sunset. Nouvelle vérification le 21 septembre 2026 : le marquage d’archivage et la date du dernier push, le fil d’annonce, l’état des dépôts Dify, n8n et Langflow, leurs versions et licences, les pages tarifaires de Dify et n8n, la note de version de DataStax Astra, les conditions d’utilisation de Flowise et les définitions des identifiants ou composants Anthropic dans n8n, Dify et Langflow. Les nombres d’étoiles ont été relevés le 19 septembre et évoluent quotidiennement. Les tarifs des jetons Kunavo proviennent du catalogue en vigueur, et chaque montant en dollars de l’exemple détaillé correspond à une arithmétique illustrative des jetons.