Dagster

Dagster est un orchestrateur data moderne centré sur les assets plutôt que sur les tâches, permettant aux équipes de construire, observer et livrer des pipelines fiables. Son approche « asset-centric » suit automatiquement la traçabilité des données (lineage) et la qualité, montrant aux équipes ce qui a cassé, pourquoi et ce qui en dépend, bien au-delà du simple rapport de succès/échec de job. Dagster+ AI enrichit l'expérience en exploitant le contexte opérationnel (assets, runs, lineage, freshness) pour aider au diagnostic et à l'action plus confiante. La plateforme propose des déploiements en branches pour tester les changements de pipeline en toute sécurité, un modèle hybride (calcul local, contrôle-plane Dagster), et des intégrations natives avec dbt, Snowflake et Fivetran. Les tarifs oscillent entre Solo (10 $/mois + 0.04 $/crédit, 30j gratuit) et Starter (100 $/mois + 0.035 $/crédit, 30j gratuit), avec un plan Pro sur devis pour l'entreprise. Un crédit = une matérialisation d'asset ou une tâche exécutée ; compute serverless coûte 0.010 $/minute additionnel.

Dagster ne propose pas d'interface en français et reste exclusivement anglophone. L'API REST et l'écosystème de plugins permettent une intégration poussée avec les entrepôts de données et les pipelines ELT existants, particulièrement adaptée pour les stacks data modernes (dbt, Snowflake, Fivetran). Le modèle de facturation par crédit s'avère transparent et juste pour les pipelines de taille modérée, mais peut devenir coûteux pour des exécutions massives sans optimisation. La courbe d'apprentissage est modérée pour des data engineers confortables avec Python et les concepts de DAGs, mais demande une compréhension des patterns de data engineering modernes. La force majeure est la visibilité linéage et qualité qui dépasse les outils d'orchestration concurrents.