Pipedream est une plateforme de workflows où une étape est du code Node.js, Python, Go ou Bash ordinaire, exécuté dans le cloud sans serveur à configurer. Chaque workflow commence par un déclencheur : un webhook HTTP, une planification, un e-mail entrant ou un événement d'une des plus de trois mille applications intégrées. La facturation suit le temps de calcul plutôt que le nombre d'étapes.
En quoi Pipedream diffère du reste du domaine de l'automatisation
La plupart des outils de cette catégorie ouvrent avec la question « que voulez-vous connecter » et vous remettent une liste de cases sur lesquelles cliquer. Le code y est autorisé à titre d'exception, dans un nœud séparé, généralement avec un runtime restreint et sans accès aux paquets tiers. Pipedream inverse cet ordre. L'unité principale est l'étape de code, et les actions prêtes à l'emploi du registre sont le raccourci que l'on prend quand on n'a pas envie d'écrire encore un appel à l'API de Slack.
La différence n'apparaît qu'autour du troisième ou du quatrième workflow. L'automatisation par cases est plus rapide pendant les vingt premières minutes et plus lente pour le reste du projet, car chaque transformation de données inhabituelle doit être contournée. Dans Pipedream, une transformation inhabituelle tient en trois lignes de JavaScript, et une intégration inhabituelle est un fetch vers l'URL dont vous avez besoin.
La deuxième caractéristique distinctive est moins visible depuis la page d'accueil. Pipedream vend deux produits sous une même marque : la plateforme publique de workflows, où vous construisez des automatisations pour vous-même, et Connect, une couche d'authentification et d'intégration que vous intégrez à votre propre application pour que vos utilisateurs relient leurs comptes Gmail ou Notion sans que vous écriviez un seul flux OAuth. Le second produit est ce qui a placé l'entreprise sur le radar de Workday.
Un premier workflow en pratique
Le scénario sensé le plus simple : accepter une requête HTTP, valider son contenu, écrire un enregistrement et répondre à l'expéditeur. Le déclencheur HTTP vous donne une adresse à laquelle vous pouvez envoyer n'importe quoi.
curl -X POST https://your-endpoint.m.pipedream.net \
-H "Content-Type: application/json" \
-d '{"email":"anna@example.com","plan":"pro"}'Le corps de la requête arrive dans steps.trigger.event.body, les en-têtes dans steps.trigger.event.headers. L'étape suivante est du code :
export default defineComponent({
async run({ steps, $ }) {
const { email, plan } = steps.trigger.event.body
if (!email || !email.includes("@")) {
$.respond({ status: 400, body: { error: "missing a valid address" } })
return $.flow.exit("rejected at validation")
}
$.export("normalized", { email: email.toLowerCase(), plan: plan ?? "free" })
},
})Deux éléments de cet extrait méritent une explication, car tous deux sont propres à la plateforme. $.respond renvoie une réponse à l'appelant du webhook, mais ne fonctionne que si le déclencheur est réglé en mode de réponse personnalisée. $.flow.exit met fin à tout le workflow plutôt qu'à l'étape en cours, donc les étapes suivantes ne s'exécutent jamais et ne consomment jamais de crédits.
Vous avez deux façons de passer des données en aval. Un simple return expose la valeur sous steps.step_name.$return_value, tandis que $.export("normalized", ...) crée un export nommé disponible sous steps.step_name.normalized. Les exports nommés se lisent mieux dans les workflows de plus de trois étapes et doivent être votre choix par défaut.
Des paquets npm sans package.json
C'est une fonction difficile à apprécier avant d'avoir passé un après-midi à se battre avec les dépendances dans un autre outil. Dans une étape Pipedream, vous importez un paquet et c'est toute la procédure :
import axios from "axios@1.7.7"
import { parse } from "csv-parse/sync"
export default defineComponent({
async run({ steps, $ }) {
const { data } = await axios.get("https://example.com/report.csv")
return parse(data, { columns: true })
},
})Il n'y a ni fichier de manifeste, ni étape d'installation, ni cache à vider. La syntaxe name@version épingle une version précise, et elle vaut la peine d'être utilisée partout où un workflow doit se comporter de la même façon dans six mois. Un import non épinglé prend la dernière version disponible, ce qui est une bombe à retardement discrète pour les paquets qui changent d'API entre versions majeures. Le workflow tourne pendant des mois, puis se met à lever des TypeError à trois heures du matin parce que l'auteur d'une bibliothèque a changé la signature d'une fonction.
Python se comporte de la même façon, avec des imports résolus automatiquement, et trouve sa place surtout là où vous avez besoin d'une bibliothèque sans équivalent raisonnable en JavaScript. Pour le travail sur des données tabulaires ou les modèles de machine learning, c'est souvent le seul choix sensé.
Les crédits, ou ce que vous payez vraiment
Le modèle de facturation diffère de la concurrence, et c'est lui qui décide si la facture vous surprend. Vous ne payez ni par tâche ni par étape d'un workflow. Vous payez le temps de calcul multiplié par la mémoire allouée.
L'unité est un crédit : trente secondes d'exécution avec les 256 Mo de mémoire par défaut. Doubler la mémoire double le rythme de consommation des crédits. Une étape configurée à 1 Go consomme les crédits quatre fois plus vite que la même étape avec les valeurs par défaut, à durée d'exécution identique.
Cela donne le premier conseil pratique, qui fait économiser de l'argent d'une façon que la facture ne montre jamais : n'augmentez pas la mémoire par précaution. Le curseur de mémoire est tentant, car l'allocation de CPU augmente avec elle et le workflow se termine vraiment plus tôt. La facture en profite rarement, pourtant, car une accélération par deux pour un coût unitaire multiplié par quatre est un mauvais échange. N'augmentez la mémoire que quand une étape manipule vraiment de grandes structures en mémoire et plante autrement.
Le deuxième conseil concerne la structure des workflows. Comme le temps compte et que le nombre d'étapes ne compte pas, découper la logique en de nombreuses petites étapes lisibles ne coûte rien. C'est une situation rare dans cette catégorie, où chaque nœud supplémentaire entraîne généralement une facturation. Ici la lisibilité est gratuite, profitez-en.
Les limites à connaître avant de concevoir
| Limite | Valeur |
|---|---|
| Délai d'expiration par défaut, déclencheurs HTTP et e-mail | 30 secondes |
| Délai d'expiration par défaut, déclencheur de planification | 60 secondes |
| Délai d'expiration maximal, plan gratuit | 300 secondes |
| Délai d'expiration maximal, plans payants | 750 secondes |
| Mémoire par défaut et maximale | 256 Mo, jusqu'à 10 Go |
| Corps d'une requête HTTP | 512 Ko |
| E-mail pièces jointes comprises | 30 Mo |
| Logs, exports d'étapes et données d'événements cumulés | 6 Mo |
Espace disque dans /tmp | 2 Go |
| Requêtes vers un endpoint | 10 par seconde en moyenne, avec tolérance aux pics |
| Historique des événements, plan gratuit | 7 jours |
La limite de 512 Ko pour le corps est l'endroit où la plupart des premiers déploiements cassent. On ne peut pas poster un fichier via un webhook et le traiter dans une étape. La solution est d'envoyer l'adresse du fichier à la place et de le télécharger dans le workflow vers /tmp, où 2 Go sont disponibles. Ce même motif, passer un pointeur plutôt que le contenu, s'applique à toutes les plateformes de cette classe et revient dans Kestra et Prefect.
La limite cumulée de 6 Mo sur les logs et les exports est encore plus sournoise, car elle n'apparaît qu'en production. Une étape qui renvoyait vingt enregistrements en test en renvoie vingt mille en production, et tout le workflow meurt en essayant de persister l'export. Si une étape récupère des données paginées, traitez-les dans une boucle et exportez un résumé plutôt que la réponse brute.
Connect, l'authentification comme produit
Si vous construisez une application où les utilisateurs relient leurs propres comptes dans des services tiers, vous savez combien de travail demande l'écriture et la maintenance d'une douzaine de flux OAuth. Le renouvellement des tokens, le consentement révoqué, les différences d'implémentation entre fournisseurs, le stockage des secrets. Connect déplace tout cela du côté de Pipedream et expose une interface où vous demandez le compte d'un utilisateur et recevez soit des identifiants fonctionnels, soit un lien d'autorisation.
En pratique, votre application émet un token limité à un utilisateur précis, qui parcourt ensuite un court chemin d'autorisation dans une fenêtre de navigateur. Votre backend ne voit jamais un mot de passe et ne stocke jamais de refresh token.
const response = await fetch("https://api.pipedream.com/v1/connect/tokens", {
method: "POST",
headers: {
"Content-Type": "application/json",
Authorization: `Bearer ${accessToken}`,
},
body: JSON.stringify({
external_user_id: user.id,
allowed_origins: ["https://your-application.com"],
}),
})Le champ external_user_id mérite l'attention. C'est l'identifiant de votre utilisateur, pas un identifiant du système de Pipedream, et il lie les comptes connectés à une personne dans votre base. Choisir ici quelque chose de modifiable, une adresse e-mail plutôt qu'une clé primaire par exemple, fait perdre ces liens la première fois qu'un utilisateur change d'adresse.
Le serveur MCP et les agents
Le Model Context Protocol a changé la façon dont les outils atteignent les modèles de langage, et Pipedream expose ses intégrations exactement sous cette forme. Le serveur distant tourne sur https://remote.mcp.pipedream.net/v3 et prend en charge SSE comme le HTTP streamable, en choisissant le transport tout seul.
L'échelle est l'argument principal ici : plus de trois mille API et plus de dix mille outils disponibles sans que vous écriviez un seul wrapper. Une requête est routée par des en-têtes qui nomment le projet, l'environnement, l'utilisateur et l'application cible :
curl https://remote.mcp.pipedream.net/v3 \
-H "Authorization: Bearer $TOKEN" \
-H "x-pd-project-id: proj_abc123" \
-H "x-pd-environment: production" \
-H "x-pd-external-user-id: user_42" \
-H "x-pd-app-slug: linear"Le mécanisme de compte manquant est la partie intéressante. Quand un utilisateur n'a pas encore connecté Linear, le serveur ne renvoie pas une erreur mais une URL de Connect Link que vous pouvez lui montrer. L'agent ne reste pas bloqué sur une permission manquante, il reçoit une porte de sortie. Cette petite décision de conception économise pas mal de code dans la couche de l'agent et se lit mieux que la plupart de ce que j'ai vu dans le registre de serveurs MCP.
L'authentification côté développeur passe par les identifiants client OAuth, avec un token récupéré depuis https://api.pipedream.com/v1/oauth/token. Le token a une durée de vie limitée, donc le code de production a besoin d'une couche de renouvellement plutôt que d'une valeur fixe dans une variable d'environnement.
Pipedream face aux alternatives
| Fonction | Pipedream | n8n | Zapier | Make |
|---|---|---|---|---|
| Unité principale | étape de code | nœud visuel | action d'une liste | module sur un scénario |
| Facturation | temps de calcul et mémoire | tâches ou auto-hébergement | tâches | opérations |
| Auto-hébergement | non | oui, licence fair code | non | non |
| Paquets tiers | tout ce qui est sur npm et PyPI | limité dans le cloud | aucun | aucun |
| Couche intégrée pour les utilisateurs finaux | oui, Connect | non | partielle | non |
| Barrière d'entrée pour un non-développeur | élevée | moyenne | faible | moyenne |
Le choix entre ces quatre porte rarement sur les fonctions, car la plupart des tâches courantes sont à la portée de tous. Le vrai critère est de savoir qui maintiendra ces workflows l'année prochaine. Si c'est une équipe non technique, Pipedream est le mauvais choix et il est inutile de prétendre le contraire : l'interface suppose que vous savez lire du code, et ses erreurs sont des erreurs d'exécution et non des conseils aimables.
Si un développeur écrit les workflows, la situation s'inverse. Les cases commencent à gêner, et la possibilité d'écrire quatre lignes au lieu de chercher le bon nœud fait gagner plus de temps que l'intuition ne le suggère. Un cas distinct est l'exigence de garder les données en interne. Pipedream n'a pas d'édition à installer soi-même, et dans les projets avec des exigences strictes de résidence des données, cela clôt la discussion.
Le rachat par Workday et ce que l'on sait
Le 19 novembre 2025, Workday a annoncé un accord définitif pour acquérir Pipedream, et la transaction s'est conclue en décembre de la même année, avant le calendrier initial. La logique de l'acheteur, ce sont les intégrations d'agents : Workday veut que ses agents atteignent des systèmes externes, et Pipedream a déjà les connexions.
Le billet de Pipedream était bref et ne contenait aucun engagement sur le produit. Pas un mot sur le sort du plan gratuit, sur les prix, ni sur la question de savoir si la plateforme publique de workflows reste une priorité à côté de la couche Connect intégrée. Plus de six mois se sont écoulés depuis la conclusion et ces engagements n'ont toujours pas paru, donc pour un produit commercial bâti sur cette plateforme il vaut la peine de garder un plan de repli et de surveiller les annonces de l'éditeur plutôt que de supposer la continuité.
Voyez cela comme un risque de planification plutôt qu'une raison de partir. Les workflows de Pipedream sont du code Node.js ou Python ordinaire, donc déplacer la logique ailleurs est faisable, contrairement aux plateformes où toute la valeur réside dans un graphe fait à la souris. La couche difficile à reproduire est Connect et le catalogue d'intégrations, et c'est là qu'un plan de contingence vaut la peine si vous bâtissez dessus un produit commercial.
Tarifs et ce qui ne peut pas être confirmé aujourd'hui
Pipedream propose un plan gratuit avec un plafond quotidien de crédits, un nombre limité de workflows actifs et de comptes connectés, et des plans payants qui relèvent le délai d'expiration d'exécution à 750 secondes et allongent la rétention de l'historique des événements. La documentation décrit en détail la mécanique de ces limites mais n'indique pas de montants.
Les prix précis des plans sont ici volontairement absents. Les sources tierces qui les citent se contredisent sur les montants mensuels comme sur la taille du quota de crédits gratuits, et la page officielle des tarifs s'affiche dans le navigateur et ne peut pas être citée de façon fiable. Publier un chiffre invérifiable serait pire que de n'en publier aucun, surtout dans un texte que l'on relit six mois plus tard.
Faites plutôt le calcul vous-même, car avec un modèle fondé sur le calcul c'est la seule méthode qui ait un sens. Exécutez le workflow cible dix fois sur des données réelles, lisez le temps d'exécution, multipliez par le volume quotidien attendu et divisez par trente secondes. Cela vous donne la consommation quotidienne de crédits à comparer avec la page des tarifs le jour où vous déciderez.
Erreurs courantes et limites
La première est d'omettre la sûreté des nouvelles tentatives dans votre propre logique. Un workflow qui insère un enregistrement l'insérera deux fois lors d'une nouvelle tentative, sauf si vous fournissez une clé d'idempotence. Les nouvelles tentatives automatiques sont une fonction de la plateforme, tandis que la sûreté de ces nouvelles tentatives est de votre responsabilité.
La deuxième est de conserver un état entre les exécutions dans des variables. Chaque exécution démarre à neuf, donc un compteur incrémenté dans une variable globale ne survit pas. L'état durable appartient au data store ou à une base externe comme Redis.
La troisième est une vision trop optimiste du délai d'expiration de trente secondes par défaut. Un appel de modèle de langage avec un contexte plus long le dépasse régulièrement, et l'erreur qui en résulte ressemble à un problème d'API alors que c'est simplement un délai dépassé. Quand vous travaillez avec des modèles, relevez la limite et diffusez la réponse en streaming là où la plateforme cible le permet.
La quatrième concerne les tests. Les exécutions de test ne consomment pas de crédits, ce qui est pratique mais entretient l'illusion qu'un workflow est peu coûteux. Le coût n'apparaît qu'après l'avoir activé en production et avoir passé une première journée de trafic réel.
La cinquième est de s'appuyer sur des versions non épinglées. Je l'ai mentionné plus haut à propos des imports et j'y reviens, car c'est la cause la plus courante de pannes dans des workflows qui tournaient sans être touchés depuis des mois.
Le brancher dans une stack Next.js
Un montage typique dans un projet Next.js fait exposer à l'application une route d'API qui transmet l'événement à Pipedream, le travail de longue durée se déroulant en dehors du cycle de la requête. L'utilisateur obtient une réponse immédiate et le traitement prend le temps qu'il prend.
export async function POST(request: Request) {
const payload = await request.json()
await fetch(process.env.PIPEDREAM_ENDPOINT!, {
method: "POST",
headers: {
"Content-Type": "application/json",
"x-signature": sign(payload),
},
body: JSON.stringify(payload),
})
return Response.json({ accepted: true }, { status: 202 })
}L'en-tête de signature n'est pas de la décoration. L'adresse d'un déclencheur HTTP est publique, et quiconque l'apprend peut y poster des données arbitraires. La première étape du workflow doit vérifier la signature et sortir en cas de discordance, avant que quoi que ce soit n'atteigne une base de données. Les types partagés entre l'application et les étapes du workflow valent la peine d'être gardés en un seul endroit et exportés sous forme de paquet, ce qui, dans un projet TypeScript, coûte un quart d'heure et évite toute une classe de bugs causés par des formes de données qui divergent.
FAQ
Pipedream peut-il tourner sur mon propre serveur ?
Non. Pipedream fonctionne uniquement comme un service cloud, sans édition officielle à installer soi-même. Si les exigences du projet obligent à garder les données sur votre propre infrastructure, n8n est l'alternative sensée, avec sa licence fair code et sa variante auto-hébergée.
Combien coûte une exécution de workflow ?
Le coût se compte en crédits, un crédit étant trente secondes d'exécution avec 256 Mo de mémoire. Un workflow qui se termine en cinq secondes avec les valeurs par défaut consomme une fraction de crédit, et le même workflow à 1 Go en consomme quatre fois plus. Le nombre d'étapes n'a aucun effet sur la facture.
En quoi Connect diffère-t-il des workflows ordinaires ?
Les workflows ordinaires sont construits pour vous-même, avec vos propres comptes connectés à l'intérieur. Connect existe pour que vos utilisateurs puissent relier leurs comptes depuis votre application, sans que vous implémentiez séparément les flux OAuth de chaque fournisseur. Ce sont deux produits distincts qui partagent un seul catalogue d'intégrations.
Puis-je utiliser n'importe quel paquet npm ?
Oui, importez-le dans une étape, sans fichier de manifeste ni installation. Épinglez la version avec la syntaxe package@version, car un import non épinglé récupère la dernière version et un workflow peut casser après un changement de version majeure d'une bibliothèque.
Que devient Pipedream après le rachat par Workday ?
Workday a signé l'accord d'acquisition le 19 novembre 2025 et la transaction s'est conclue en décembre de la même année. Pipedream n'a annoncé à l'époque aucun changement du produit, des prix ou du plan gratuit et ne l'a pas fait dans les mois qui ont suivi. Tant que des déclarations officielles ne paraissent pas, considérez l'avenir de la plateforme publique comme incertain et gardez un plan de contingence pour tout produit commercial bâti dessus.
Le détail des limites et la syntaxe des étapes sont décrits dans la documentation de Pipedream, et l'annonce du rachat se trouve sur la salle de presse de Workday.