Dify : construire des apps LLM (RAG, agents, workflows) sans coder — la plateforme visuelle open-source

TL;DR — Dify en une minute

• Ce que c’est : Dify (langgenius, ~153 000 étoiles) est une plateforme open-source pour construire des applications LLM — agents, pipelines RAG, workflows — avec un builder visuel no-code/low-code.
• Ce qu’il apporte : 100+ LLM (dont Claude), un prompt IDE, un pipeline RAG, 50+ outils d’agent, du monitoring LLMOps, et des API backend.
• Le vrai atout : passer d’une idée à une appli IA fonctionnelle sans repartir de zéro en code.
• Le catch : self-host = Docker/Kubernetes ; licence open-core (Apache 2.0 + conditions, fonctions entreprise à part) ; complexité qui monte sur les setups avancés.
• Notre verdict : à tester — un excellent raccourci pour prototyper et déployer des apps LLM.

Construire une vraie appli IA — un agent, un chatbot RAG sur tes docs, un workflow LLM — sans tout coder from scratch. C’est la promesse de Dify : une plateforme visuelle open-source, 153 000 étoiles, compatible Claude.

Le problème : entre le prototype et la prod, il y a un gouffre

Faire une démo IA dans un notebook, c’est facile. En faire une appli utilisable — avec de la mémoire, du RAG sur tes documents, des outils, du monitoring, des API — c’est un vrai chantier de dev. Beaucoup d’idées meurent dans ce gouffre entre le prototype et la production. C’est ce trou que Dify comble.

Ce que fait Dify

Dify est une usine à apps LLM, visuelle :

• Builder de workflows : tu assembles ton appli (agent, RAG, chaîne de traitement) dans une interface, sans coder.
• 100+ modèles branchables, dont Claude : tu choisis le moteur.
• Pipeline RAG intégré : tu connectes tes documents, Dify gère l’indexation et la recherche.
• 50+ outils d’agent, un prompt IDE, du monitoring (LLMOps) et des API backend pour brancher ton appli ailleurs.

En clair : de la démo à l’appli déployable, avec une interface pour itérer vite.

Le catch honnête

• Self-host = infra. Le cœur est open source et auto-hébergeable, mais un déploiement sérieux demande Docker/Kubernetes et de l’administration. Une version cloud existe pour éviter ça.
• Open-core. La licence est une « Dify Open Source License » (basée sur Apache 2.0, avec conditions), et certaines fonctions entreprise sont à part. Pour un usage interne, aucun souci ; si tu comptes l’exposer comme service, lis la licence.
• La complexité monte. Le no-code simplifie le début, mais les setups avancés (agents complexes, RAG fin) demandent de comprendre ce que tu assembles.

Pour qui c’est vraiment utile

• Tu veux prototyper et déployer une appli IA (chatbot RAG, agent métier) sans construire toute la plomberie : Dify accélère énormément.
• Tu veux une interface pour itérer (tester des prompts, brancher des outils, monitorer) : le workspace visuel est fait pour ça.
• Tu veux garder le choix du modèle (Claude et 100+ autres) : c’est ouvert.

À l’inverse : pour un besoin ultra-simple, un script suffit ; et pour un produit très spécifique, coder ta propre stack peut rester plus souple.

Notre verdict : à tester

Dify est l’un des meilleurs raccourcis pour transformer une idée IA en appli réelle : builder visuel, RAG intégré, 100+ modèles dont Claude, monitoring. Pour qui veut livrer vite sans réinventer la plomberie, c’est un vrai accélérateur.

La seule chose à cadrer, c’est l’infra (self-host = Docker/K8s) et la licence open-core si tu vises un service commercial. Vu comme l’usine à apps LLM open-source, Dify tient largement sa promesse.

Points de vigilance

• Self-host : Docker/Kubernetes et administration ; sinon la version cloud.
• Licence : open-core (Apache 2.0 + conditions) — à lire si tu l’exposes comme service.
• Complexité : le no-code aide au début, les setups avancés demandent de la maîtrise.
• Choix : idéal pour prototyper/déployer ; pour du très simple ou très spécifique, pèse le pour/contre.