Workflows sans code (automatisation DAG)
Dernière mise à jour : 8 nov. 2026
Présentation
Les workflows vous permettent d'enchaîner des étapes dans un pipeline automatisé — un DAG (graphe orienté acyclique) de nœuds — sans écrire de code. Un workflow peut générer du contenu, appeler des capacités d'IA, interroger des API externes, créer des branchements, boucler, attendre, obtenir des approbations et publier des résultats. Chaque étape s'exécute avec ses propres délai d'expiration, budget et politique d'erreur, de sorte qu'une seule étape instable ne puisse pas s'emballer ni bloquer toute l'exécution.
Types de nœuds
Les workflows prennent en charge ces types d'étapes :
- Capability — appelle une capacité d'IA (chat, image, TTS, traduction, etc.)
- Tool — invoque un outil/une fonction enregistré
- HttpRequest — appelle un point de terminaison HTTP externe
- Branch — route selon une condition
- Loop — itère sur une collection
- FanOut / FanIn — parallélise et réunit
- Transform — définit/remodèle des variables
- ArtifactSave — persiste un actif transitoire sur votre CDN
- Publish — envoie vers un canal (webhook, artefact markdown, etc.)
- SubWorkflow — appelle un autre workflow en tant qu'étape
- HumanApproval — met en pause pour une approbation
- Wait — délai
- Webhook — POST vers un hook externe
Contrôles par étape
Chaque nœud comporte :
- Timeout — durée pendant laquelle l'étape peut s'exécuter avant d'être interrompue.
- Error policy — ce qui se passe en cas d'échec : faire échouer l'exécution, réessayer ou continuer/ignorer. Par exemple, configurez une étape de notification sur ignorer pour qu'une panne à cet endroit ne fasse pas échouer toute l'exécution, et configurez une étape de récupération sur réessayer pour les anomalies transitoires en amont.
Variables et artefacts
- Variables font circuler les données entre les étapes. Les étapes lisent les sorties précédentes avec l'interpolation
{{vars.name}}. - Artifacts sont les sorties que vous persistez — ArtifactSave réhéberge les URL transitoires du fournisseur en URL permanentes Bunny CDN afin que les liens n'expirent pas.
Coût
Il n'y a aucuns frais d'exécution de workflow distincts. Une exécution est facturée comme la somme du BillingRecord de chaque étape — exactement la même facturation par appel que l'exécution manuelle de chaque étape. Les étapes qui ne font aucun appel d'IA (HTTP, transform, wait, webhook) ne coûtent rien. Les coûts des sous-workflows sont cumulés dans le total de l'exécution parente.
Exécution et surveillance
Lancez une exécution, puis suivez-la sur la page des exécutions de workflow. Chaque exécution consigne ses étapes, leurs résultats et le coût total. Les étapes en échec font remonter leur erreur selon la politique d'erreur de l'étape.
Conseils
- Attribuez aux étapes externes/de notification une politique d'erreur indulgente (réessayer ou continuer) et aux étapes essentielles une politique stricte.
- Utilisez ArtifactSave pour tout média généré que vous souhaitez conserver — les URL du fournisseur expirent.
- Extrayez les sous-graphes réutilisables dans un SubWorkflow et appelez-le depuis plusieurs workflows parents.
- Testez un flux avec des étapes echo/transform peu coûteuses avant d'y intégrer des étapes de capacité d'IA onéreuses.
Découvrez comment ça marche
How AI workflows work: one form in, a finished video out
A workflow is a ready-made recipe of AI steps. You pick a template, fill in a short form, and every step runs on its own until a finished video comes out. Here we follow one bedtime story video from the form to the result.
Cette vidéo est en anglais.
What happens when you press Run? The anatomy of an AI workflow
Let's open one workflow and look inside. A workflow is a graph: each box is a step, the arrows set the order, and steps that don't depend on each other run side by side. Your answers flow into the steps, some steps check their own work and run again, some wait for your approval, and every AI call is recorded with its own cost.
Cette vidéo est en anglais.
The building blocks of an AI workflow
Every workflow, from a bedtime story to a research report, is built from the same few blocks. The AI step sends a prompt to a model and gets back text, an image, a voice, music or a video. Knowledge blocks bring in facts with their sources. Quality blocks check the work, and a human approval waits for you. Logic blocks shape the flow with branches and loops. Output blocks join everything into one video and save the result.
Cette vidéo est en anglais.