Entre Airflow, Dagster et Prefect, le choix se joue rarement sur la licence : tous sont gratuits en open source. Il se joue sur le coût d'exploitation réel, que la plupart des équipes data sous-estiment au moment de décider.
Le paysage de l'orchestration de workflows data a connu un bouleversement majeur en 2026. Prefect a annoncé le rachat de Dagster Labs en juillet 2026. L'opération combine les créateurs de Prefect et de Dagster, deux plateformes apparues comme des alternatives majeures à Apache Airflow, au sein d'une même organisation servant des milliers d'équipes d'ingénierie qui gèrent des pipelines de données en production.
Pour les équipes qui évaluent leur stack d'orchestration aujourd'hui, cette consolidation change la donne : il y a quelques mois encore, choisir entre Dagster et Prefect revenait à arbitrer entre deux concurrents ; aujourd'hui, c'est un choix entre deux produits d'un même propriétaire. Rassurant sur la pérennité des deux outils : Dagster+ continue sous sa propre marque, sans changement de contrat ni de support pour les clients existants. Les grilles tarifaires de Prefect Cloud et de Dagster+ restent inchangées après l'opération. Ce rapprochement ne doit cependant pas masquer l'essentiel pour un comité de pilotage data : le choix d'un orchestrateur reste d'abord une décision de coût d'exploitation, pas de licence.
Apache Airflow, Dagster et Prefect sont tous distribués sous licence Apache 2.0, donc gratuits en self-hosting. La différence se joue sur l'architecture et sur ce qu'elle implique en infrastructure et en temps d'ingénieur.
Airflow reste la référence du marché. Avec environ 46 800 étoiles GitHub et 30 millions de téléchargements mensuels sur PyPI, l'outil est utilisé par environ 80 000 organisations. La version majeure 3.0, sortie en avril 2025, a apporté une refonte architecturale significative : il s'agit de l'évolution la plus importante de la plateforme depuis Airflow 2.0, avec une architecture orientée services, des workflows événementiels, le versionnage des DAG et une orchestration consciente des assets.
Mais cette maturité se paie en exploitation. Le socle gratuit en self-hosted n'a pas de limite, mais le coût réel réside dans l'infrastructure du scheduler, du triggerer, du webserver, des workers et de la base de métadonnées, plus le temps d'ingénierie nécessaire pour les faire tourner. En version managée, les ordres de grandeur varient fortement selon le fournisseur : AWS MWAA démarre à 0,49 dollar de l'heure, soit environ 350 dollars par mois au minimum, tandis que Astronomer facture en moyenne entre 1 500 et 5 000 dollars par mois en production, avec des clusters dédiés à partir de 2,40 dollars de l'heure sur le plan Team. Un point souvent oublié des business cases : les offres managées comme MWAA ou Cloud Composer facturent le scheduler et le webserver en continu, même lorsqu'aucun pipeline ne tourne.
Dagster a construit sa proposition de valeur sur le modèle d'assets plutôt que de tâches. Avec une cinquantaine d'assets, le graphe de lineage de Dagster, déduit automatiquement des signatures de fonctions, devient une cartographie navigable de la plateforme de données sans que personne n'ait eu à la dessiner : Airflow et Prefect donnent un historique d'exécution, Dagster offre un catalogue de données gratuit.
Côté tarification, l'entrée de gamme est attractive : l'offre Solo de Dagster+ démarre à 10 dollars par mois plus 0,04 dollar par crédit consommé, avec un calcul de compute serverless à environ 0,01 dollar la minute, et une offre Starter à 100 dollars par mois plus 0,035 dollar par crédit. Le point de vigilance est précisément ce modèle à l'usage : le modèle de crédits peut devenir imprévisible pour des pipelines à forte fréquence de matérialisation, ce qui impose de budgéter avec soin si les pipelines enchaînent de nombreuses mises à jour d'assets courtes dans la journée.
Prefect mise sur l'expérience développeur et un modèle hybride où l'exécution reste chez le client. Le moteur Prefect 3.0 a ajouté le dynamic task mapping, l'exécution asynchrone native et un modèle cloud hybride où le plan d'orchestration tourne dans Prefect Cloud tandis que le code s'exécute sur l'infrastructure du client, de sorte que les données ne quittent jamais le VPC.
Le piège tarifaire est documenté et mérite d'être anticipé dans tout budget : le palier gratuit de Prefect est réellement utilisable, mais le premier palier payant est disproportionné : une équipe de quatre personnes passe de 0 à 400 dollars par mois, car l'offre Team est facturée 100 dollars par utilisateur.
Pour une organisation qui gère entre 100 et 300 pipelines, les ordres de grandeur publiés convergent vers une fourchette précise : Airflow managé coûte entre 500 et 2 000 dollars par mois, Prefect Cloud démarre à partir de 500 dollars par mois, et Dagster Cloud à partir de 400 dollars par mois.
Mais la licence ou l'abonnement cloud n'est jamais le poste de coût dominant. Le coût le plus important reste le temps d'ingénierie : Airflow demande 1 à 2 jours par mois d'exploitation de plateforme, contre 0,5 à 1 jour pour Prefect et Dagster. Rapporté à un coût chargé d'ingénieur data en France, cet écart représente plusieurs dizaines de milliers d'euros par an sur une seule plateforme, bien au-delà de la différence de facture cloud entre les trois outils.
À volume d'exécution comparable, pour une équipe de taille moyenne traitant de l'ordre de 50 000 exécutions de tâches par mois, les estimations de marché situent le coût mensuel entre 350 et 800 dollars pour Airflow managé, entre 250 et 600 dollars pour Prefect Cloud, et entre 399 et 900 dollars pour Dagster Cloud. Ces chiffres doivent être pris comme des ordres de grandeur indicatifs, chaque fournisseur ajustant régulièrement ses grilles.
Le retour d'expérience le plus constant dans les projets d'orchestration concerne la tentation de migrer vers un outil « plus moderne » sans avoir chiffré le coût réel de la bascule. Changer d'orchestrateur n'est jamais un simple exercice de reconfiguration : c'est une réécriture.
Le constat est sans appel pour les organisations déjà équipées d'Airflow à l'échelle : migrer d'Airflow vers Prefect implique de réécrire les DAG en flows, sans chemin de migration automatisé, et pour des équipes avec plus de 200 DAG existants, cela représente un projet de plusieurs mois. Même constat côté Dagster, nuancé par une option de transition progressive : Dagster peut lire les DAG Airflow via dagster-airflow, ce qui permet d'importer les DAG existants comme des jobs Dagster pendant qu'on les réécrit progressivement en assets déclaratifs, en migrant domaine par domaine plutôt qu'en big bang.
Le retour de terrain documenté par plusieurs cabinets spécialisés est éloquent sur le résultat concret de ces migrations mal calibrées : des équipes ont migré d'Airflow vers Dagster, passé trois mois à tout reconstruire, et terminé avec à peu près la même fiabilité de pipeline qu'avant, moins trois mois de développement de fonctionnalités. Si Airflow fonctionne, mieux vaut continuer à l'utiliser.
Cette règle de prudence revient dans la quasi-totalité des analyses récentes. Le seuil de 50 pipelines fait consensus comme ligne de démarcation : au-delà de 50 DAG déjà en production sur Airflow, il vaut mieux rester sur Airflow, car le coût de migration dépasse le bénéfice attendu. Et pour les très grands parcs applicatifs, l'ordre de grandeur se compte en trimestres : pour une organisation qui gère un millier de DAG existants, migrer vers Dagster ou Prefect est un projet de plusieurs trimestres, et le coût de migration ne se rentabilise presque jamais pour une charge de travail stable existante.
Au-delà du coût, chaque architecture répond à une logique métier différente. Pour une équipe qui standardise sur le modèle de lineage et la gouvernance de la donnée, l'approche par assets de Dagster facilite nativement la traçabilité, un critère de plus en plus déterminant dans les secteurs soumis à des exigences réglementaires fortes — voir notre page secteurs pour les enjeux propres à chaque industrie. Pour une équipe qui privilégie l'itération rapide en Python sans surcharge d'infrastructure, Prefect reste le chemin le plus court entre un script et une production fiable. Pour une organisation qui opère déjà à grande échelle avec un existant conséquent, la stabilité et l'écosystème d'Airflow pèsent plus lourd que le confort de développement d'un outil plus récent.
La bonne méthode de décision tient en trois étapes : chiffrer le coût d'exploitation actuel (temps d'ingénieur, infrastructure, incidents), estimer précisément le coût de réécriture pipeline par pipeline avant toute décision de bascule, puis ne migrer que les domaines où le gain de fiabilité ou de gouvernance justifie l'investissement. C'est un exercice d'audit technique et financier que nous menons régulièrement avec les équipes data de nos clients, dans le cadre de nos missions de conseil en architecture data.
Aucun des trois orchestrateurs n'est universellement supérieur en 2026. Airflow domine par sa maturité et son écosystème, au prix d'une charge d'exploitation plus lourde. Dagster séduit les projets greenfield orientés lineage et gouvernance, avec un modèle de facturation à l'usage qui demande un pilotage rigoureux. Prefect offre la vélocité la plus élevée pour les équipes Python, avec un palier tarifaire à surveiller dès que l'équipe dépasse quelques utilisateurs. Le rachat de Dagster par Prefect en juillet 2026 réduit le risque de pari technologique sur l'un ou l'autre de ces deux outils, sans pour autant dispenser une direction data de chiffrer, avant toute décision, le véritable coût d'exploitation et de migration propre à son parc de pipelines.
Nous utilisons des cookies de mesure d'audience et de suivi publicitaire pour comprendre la fréquentation du site et l'efficacité de nos annonces. Rien n'est déposé sans votre accord. En savoir plus