Points clés
- Licence MIT — permissive, auto-hébergeable, sans restriction multi-tenant ni de logo
- Créé à l'origine par Logspace ; racheté par DataStax en avril 2024, puis IBM a racheté DataStax (finalisé le 28 mai 2025)
- Plus de 150 000 étoiles GitHub et un historique de commits actif, contrairement au dépôt archivé de Flowise
- Écrit en Python — plus proche du LangChain brut que la stack Node.js/TypeScript de Flowise
- Auto-hébergement via Docker, pip/uv ou l'application Langflow Desktop (Windows/macOS)
- Un palier cloud hébergé, DataStax Langflow, fonctionne sur la base vectorielle Astra DB d'IBM
- Une destination réaliste pour les utilisateurs de Flowise qui migrent depuis un outil archivé et non maintenu
📍 En une phrase
Langflow est un constructeur visuel open source sous licence MIT, écrit en Python, pour agents LangChain/LangGraph et pipelines RAG, propriété d'IBM depuis son rachat de DataStax en 2025, toujours activement développé.
💬 En termes simples
Plutôt que d'écrire du code LangChain à la main, Langflow offre une interface glisser-déposer pour relier un LLM, un chargeur de documents et une base vectorielle — et un grand groupe (IBM) continue de financer sa maintenance.
📌Note: Langflow et Flowise ne sont pas le même projet. Les deux génèrent visuellement des constructions LangChain/LangGraph, mais ce sont deux bases de code distinctes, portées par deux entreprises distinctes.
À qui appartient Langflow, et est-il encore maintenu ?
IBM est propriétaire de Langflow, et le projet est activement maintenu. Langflow a démarré comme projet open source de Logspace, que DataStax a racheté en avril 2024 pour étoffer ses outils d'application IA. IBM a ensuite annoncé le rachat de DataStax le 25 février 2025, finalisé le 28 mai 2025 — faisant de Langflow, ainsi que de la base vectorielle Astra DB de DataStax, une propriété d'IBM.
Cette chaîne de propriété compte pour la pérennité, d'une manière qui n'existait pas pour Flowise, maintenu par une petite entreprise indépendante (FlowiseAI) qui a cessé ses activités en 2026. IBM a intégré Langflow à son offre watsonx.ai comme couche low-code pour construire des agents au-dessus de ses modèles Granite et d'autres fournisseurs, ce qui lui donne une raison commerciale de continuer à financer le développement.
Logspace → DataStax
- Date:
- 2024-04
- Signification:
- Le créateur d'origine de Langflow est racheté ; DataStax devient l'entreprise responsable
Accord IBM-DataStax annoncé
- Date:
- 2025-02-25
- Signification:
- IBM annonce son intention de racheter DataStax, Langflow inclus
Rachat finalisé
- Date:
- 2025-05-28
- Signification:
- DataStax, et Langflow avec lui, devient formellement partie d'IBM
Intégration watsonx.ai
- Date:
- en cours
- Signification:
- IBM positionne Langflow comme middleware pour construire des agents dans watsonx.ai
📌Note: Le projet cœur sous licence MIT reste entièrement open source et auto-hébergeable, quel que soit le propriétaire de la marque — le même code fonctionne, que vous utilisiez ou non les produits hébergés d'IBM ou de DataStax.
Qu'est-ce que Langflow ?
Langflow est une plateforme open source (licence MIT, github.com/langflow-ai/langflow) low-code pour construire et déployer des agents IA et des applications RAG via une interface visuelle, à base de nœuds, développée en Python. Son slogan est « Drag. Drop. Deploy. », et le dépôt a dépassé les 150 000 étoiles GitHub.
- Interface visuelle pour assembler des flux LangChain et LangGraph sans écrire la logique de chaîne à la main
- Prise en charge des agents : les agents peuvent appeler d'autres composants de l'interface comme outils, avec orchestration multi-agents et mémoire de conversation
- Personnalisation Python : chaque nœud peut être modifié ou étendu en Python brut pour une logique non couverte par la bibliothèque visuelle
- Déploiement en tant que point d'accès API, flux JSON exporté, ou serveur MCP (Model Context Protocol)
- Playground interactif pour tester un flux étape par étape avant déploiement
- Intégrations d'observabilité avec LangSmith et LangFuse pour tracer l'exécution des agents
En quoi Langflow diffère-t-il de Flowise ?
Langflow et Flowise résolvent le même problème — l'orchestration visuelle LangChain/LangGraph — avec des bases de code différentes, des langages différents, et désormais des perspectives de maintenance très différentes. Langflow est écrit en Python et reste proche de la sémantique LangChain brute ; Flowise était écrit en Node.js/TypeScript et, en 2026, est archivé et non maintenu.
Langflow prend-il en charge le RAG et les agents IA ?
Oui — le RAG et l'orchestration d'agents sont les cas d'usage centraux de Langflow, pas des ajouts. La plateforme fournit des catégories de composants dédiées aux deux, et la maison mère d'IBM, DataStax, intègre sa propre base vectorielle (Astra DB) directement dans la bibliothèque de composants.
- RAG : un modèle Vector Store RAG sépare l'ingestion et la requête en deux flux — l'un charge et découpe un fichier, l'embedde et l'indexe ; l'autre embedde une requête utilisateur et récupère les correspondances les plus proches
- Bases vectorielles : composants dédiés pour Astra DB (le produit maison de DataStax/IBM) ainsi que pour d'autres bases vectorielles courantes, pour ne pas verrouiller les pipelines RAG sur un seul backend
- Agents : tout composant de l'interface peut être exposé comme outil qu'un agent appelle, avec orchestration multi-agents et mémoire de conversation conservée entre les échanges
- Déploiement : un flux terminé devient une API appelable, un fichier JSON exportable, ou un serveur MCP auquel d'autres clients IA peuvent se connecter
Comment auto-héberger Langflow ?
Auto-héberger Langflow ne nécessite aucun compte IBM ou DataStax — le paquet open source fonctionne entièrement sur votre propre matériel. Docker est le chemin le plus rapide ; pip/uv et l'application desktop sont les alternatives.
- 1Vérifiez que votre machine répond aux exigences minimales : un CPU double cœur et 2 Go de RAM (4 Go+ et un CPU multi-cœur recommandés), plus un navigateur basé sur Chromium si vous n'utilisez pas l'application desktop.
- 2Pour Docker : exécutez
docker run -p 7860:7860 langflowai/langflow:latestpuis ouvrez http://localhost:7860 une fois le conteneur démarré. - 3Pour pip/uv : installez Python 3.10–3.14, puis exécutez
uv pip install langflow -Usuivi deuv run langflow runpour démarrer le serveur local. - 4Vous pouvez aussi installer Langflow Desktop (Windows, ou macOS 13+) pour une application packagée qui gère ses propres dépendances — notez qu'elle se prive du Shareable Playground et du mode vocal disponibles dans la version navigateur.
- 5Construisez un flux en glissant des composants sur l'interface : un nœud LLM, un prompt et, pour le RAG, un chargeur de documents, un modèle d'embedding et un composant de base vectorielle, tous reliés entre eux.
- 6Déployez le flux terminé comme point d'accès API, exportez-le en JSON pour le contrôle de version, ou exposez-le comme serveur MCP appelable par d'autres outils IA.
Ai-je besoin d'un compte DataStax ou IBM pour auto-héberger Langflow ?
Non. Le paquet open source langflow, disponible sur GitHub et PyPI, fonctionne indépendamment de tout compte cloud DataStax ou IBM. Un compte n'est nécessaire que pour le produit hébergé DataStax Langflow ou pour utiliser Astra DB comme base vectorielle gérée.
Quelles sont les exigences matérielles minimales pour Langflow ?
Le minimum documenté est un CPU double cœur et 2 Go de RAM, avec un CPU multi-cœur et au moins 4 Go de RAM recommandés pour des charges de travail réelles. Python 3.10 à 3.14 est requis pour l'installation via pip/uv.
Pour qui Langflow est-il fait ?
Langflow convient aux développeurs qui veulent une couche visuelle au-dessus de LangChain sans abandonner Python, et constitue une option crédible pour quiconque quitte Flowise. Il convient moins aux équipes qui ont besoin, d'emblée, d'un hébergement SaaS multi-tenant lourd.
Langflow vs. alternatives
Langflow rivalise avec d'autres outils visuels et code-first pour construire des agents de type LangChain et des pipelines RAG. Le statut de maintenance est la différence la plus nette face à Flowise en particulier.
| Outil | Interface | Licence | Soutien | Maintenance |
|---|---|---|---|---|
| Langflow | Visuelle, basée Python | MIT | IBM (via DataStax) | Active |
| Flowise | Visuelle, glisser-déposer | Apache 2.0 | Indépendant (FlowiseAI) | Archivé / aucune |
| Dify | Visuelle + backend | Apache 2.0 + restrictions | Indépendant (LangGenius) | Active |
| LlamaIndex | Code Python / TS | MIT | Indépendant (LlamaIndex Inc.) | Active |
| n8n | Visuelle, glisser-déposer | Fair-code / Sustainable Use | Indépendant (n8n GmbH) | Active |
Erreurs fréquentes dans l'évaluation de Langflow
Ces erreurs viennent de la confusion entre Langflow et Flowise, ou de l'idée qu'une propriété d'entreprise signifie toujours une moins bonne offre open source.
Questions fréquentes
À qui appartient Langflow ?
IBM est propriétaire de Langflow. Créé à l'origine par Logspace, racheté par DataStax en avril 2024, DataStax a ensuite été racheté par IBM dans un accord finalisé le 28 mai 2025.
Langflow est-il open source ?
Oui. Langflow est publié sous licence MIT permissive sur GitHub (langflow-ai/langflow), sans restriction multi-tenant ni de logo, contrairement à certains outils concurrents.
Langflow est-il encore activement maintenu ?
Oui. Contrairement à Flowise, que FlowiseAI a fermé en 2026, Langflow affiche un historique de commits actif et est positionné par IBM comme middleware de construction d'agents pour sa plateforme watsonx.ai.
En quoi Langflow diffère-t-il de Flowise ?
Langflow est écrit en Python et développé par une équipe désormais soutenue par IBM ; Flowise était écrit en Node.js/TypeScript, développé par l'entreprise indépendante FlowiseAI, et est désormais archivé et non maintenu. Les deux génèrent visuellement des constructions de type LangChain/LangGraph, mais ce sont des bases de code distinctes.
Puis-je auto-héberger Langflow sans compte IBM ou DataStax ?
Oui. Le paquet open source langflow s'installe via Docker, pip/uv ou l'application Langflow Desktop et fonctionne entièrement sur votre propre matériel. Un compte IBM ou DataStax n'est nécessaire que pour le produit hébergé DataStax Langflow ou Astra DB géré.
Langflow prend-il en charge la génération augmentée par récupération (RAG) ?
Oui. Un modèle Vector Store RAG sépare l'ingestion (charger, découper, embedder, indexer un document) et la requête (embedder une question, récupérer les correspondances les plus proches) en deux flux, avec des composants de base vectorielle interchangeables, dont Astra DB.
Langflow prend-il en charge les systèmes multi-agents ?
Oui. Tout composant de l'interface peut être exposé comme outil qu'un agent appelle, et Langflow prend en charge l'orchestration multi-agents avec une mémoire de conversation conservée entre les échanges.
Quelles sont les exigences système minimales pour Langflow ?
Un CPU double cœur et 2 Go de RAM au minimum, avec un CPU multi-cœur et au moins 4 Go de RAM recommandés pour des charges de travail réelles. L'installation via pip/uv nécessite Python 3.10 à 3.14.
Qu'est-ce que DataStax Langflow, et diffère-t-il de Langflow open source ?
DataStax Langflow est la version cloud hébergée par IBM/DataStax du même projet open source, intégrée à la base vectorielle Astra DB. Il fait tourner exactement le même logiciel cœur que la version auto-hébergée — la différence est qu'IBM gère l'hébergement et le connecte par défaut à Astra DB.
Langflow est-il une bonne alternative pour les utilisateurs qui quittent Flowise ?
Oui, avec une réserve : les concepts sous-jacents (flux visuels LangChain/LangGraph, composants RAG, outils d'agents) sont assez proches pour faire de Langflow une cible de migration raisonnable, mais il n'existe pas d'import automatisé — prévoyez de reconstruire manuellement vos flux.
Langflow peut-il être déployé comme serveur MCP ?
Oui. Un flux Langflow terminé peut être exposé comme serveur Model Context Protocol (MCP), permettant à d'autres clients IA compatibles MCP de l'appeler comme un outil, en plus d'un déploiement en simple point d'accès API ou d'un export en JSON.