Premier échange gratuit de 15 minutes, directement avec nos experts.
Apache Airflow est une plateforme open source qui permet aux développeurs de définir des pipelines de données sous forme de code, de les exécuter selon un planning et de les surveiller. Pour les boutiques Shopware, en France comme ailleurs, elle devient pertinente lorsque les imports, synchronisations et analyses deviennent trop complexes pour de simples cronjobs.
Airflow décrit les processus sous forme de DAG (graphes orientés acycliques) : chaque nœud est une tâche, et les arêtes fixent l’ordre et les dépendances. Les DAG sont écrits en Python ; un scheduler les lance selon un planning ou sur déclencheur, des workers exécutent les tâches, et une interface web affiche les exécutions, leurs durées, les erreurs et les logs. Les nouvelles tentatives en cas d’erreur, les notifications et le rattrapage des créneaux manqués sont intégrés.
Né chez Airbnb, Airflow est aujourd’hui un projet Apache et un outil de référence dans les équipes de data engineering. Des versions managées sont proposées par Astronomer, AWS (MWAA) et Google Cloud (Cloud Composer).
Pour les tâches récurrentes, Shopware propose le mécanisme des Scheduled Tasks et la Message Queue ; pour les événements, le Flow Builder. Airflow devient intéressant lorsque les processus dépassent le cadre de Shopware et impliquent plusieurs systèmes dans un ordre défini :
Pour des processus isolés et simples, Airflow est surdimensionné ; le Flow Builder, une Scheduled Task dans un plugin ou une plateforme comme n8n suffisent alors.
Airflow communique avec Shopware via l’Admin API. Voici une synchronisation des stocks typique, sous forme simplifiée :
from airflow import DAG
from airflow.operators.python import PythonOperator
from datetime import datetime, timedelta
def charger_stocks(): ... # Récupérer les stocks depuis l’ERP
def nettoyer(): ... # Vérifier les références, supprimer les doublons
def ecrire_shopware(): ... # POST /api/_action/sync par lots de 500 articles
with DAG("shopware_synchro_stocks", start_date=datetime(2026, 1, 1),
schedule="*/15 * * * *", catchup=False,
default_args={"retries": 3, "retry_delay": timedelta(minutes=5)}) as dag:
charger = PythonOperator(task_id="charger", python_callable=charger_stocks)
verifier = PythonOperator(task_id="verifier", python_callable=nettoyer)
ecrire = PythonOperator(task_id="ecrire", python_callable=ecrire_shopware)
charger >> verifier >> ecrire
Le DAG s’exécute toutes les 15 minutes, relance trois fois les tâches en échec et affiche chaque exécution dans l’interface. Les identifiants d’accès à Shopware sont stockés dans les Connections Airflow ou dans un secret backend, jamais dans le code.
Apache Airflow est le bon choix lorsque les traitements de données autour de Shopware deviennent complexes, multi-étapes et critiques pour l’activité, et qu’une équipe souhaite les maintenir sous forme de code. Pour les petites boutiques, l’exploitation est trop lourde ; les outils intégrés de Shopware ou une plateforme no-code suffisent. Nous accompagnons les boutiques en ligne en France dans ce choix et développons la connexion à l’Admin API, voir développement de plugins Shopware. D’autres termes sont expliqués dans notre glossaire Shopware.