Automatisez vos tâches Dataiku DSS avec n8n : 3 cas d'usage pour fiabiliser votre plateforme data

Dataiku DSS est devenu la plateforme de référence de nombreuses équipes data pour préparer les données, entraîner des modèles et industrialiser des flux en production. Mais à mesure que les projets se multiplient, son exploitation quotidienne devient lourde : vérifier chaque matin que les scénarios de la nuit sont passés, suivre l'usage des licences, répondre aux questions des équipes métier sur l'état d'un dataset ou d'un traitement. Ces tâches répétitives mobilisent des data engineers qui devraient se concentrer sur des sujets à plus forte valeur.

L'automatisation avec n8n s'impose comme une réponse simple et efficace. n8n est une plateforme d'automatisation visuelle qui permet de créer des workflows sur mesure, avec ou sans code. En connectant Dataiku DSS à n8n, vous surveillez votre plateforme en continu, vous maîtrisez vos coûts de licences et vous rendez l'information accessible à tous, sans multiplier les sollicitations.

Chez Elevate, nous avons développé un nœud n8n dédié à Dataiku DSS, qui couvre plus de 380 opérations de l'API publique (projets, scénarios, datasets, sécurité, qualité des données). Il est open source et disponible sur le GitHub elevate-agency-data ainsi que sur npm.

n8n : l'automatisation visuelle au service de la donnée

n8n est une plateforme low-code offrant plus de 350 intégrations prêtes à l'emploi. Sa flexibilité et son hébergement possible sur vos propres serveurs en font l'outil idéal pour :

• Créer des workflows et des agents IA connectés directement aux APIs de Dataiku DSS.
• S'intégrer avec des modèles d'IA (OpenAI, Mistral, Gemini) pour interroger ou analyser l'état de vos projets.
• Centraliser les flux entre Dataiku et vos outils quotidiens (Slack, Gmail, Google Sheets, outils BI).

Pourquoi automatiser vos tâches Dataiku DSS ?

L'intégration de Dataiku DSS dans n8n répond à des enjeux concrets de fiabilité, de gouvernance et de productivité :

1. Fiabiliser le run de la plateforme : surveiller automatiquement les scénarios de tous les projets et alerter l'équipe data dès qu'un flux échoue, avant les utilisateurs métier.
2. Orchestrer Dataiku avec le reste du SI : déclencher un scénario à l'arrivée d'un fichier ou à la fin d'un traitement externe, puis enchaîner avec les outils BI, CRM ou d'activation.
3. Piloter la qualité des données : consolider les statuts Data Quality de chaque projet et diffuser un bilan régulier aux data owners.
4. Maîtriser la gouvernance et les coûts : identifier les licences inactives et auditer les connexions, les droits et les environnements de code.
5. Exploiter la puissance de l'IA : interroger l'état des projets, scénarios et datasets en langage naturel, et relancer un traitement sans ouvrir l'interface.

3 cas d'usage concrets avec n8n et Dataiku DSS

Nous vous présentons trois cas d'usage tirés de nos workflows pour illustrer comment n8n peut transformer l'exploitation de Dataiku DSS.

Cas d'usage 1 : Surveiller chaque matin les scénarios de tous vos projets

Contexte et objectif

Imaginez une équipe data qui exploite des dizaines de projets Dataiku en production : alimentation du datawarehouse, scoring CRM, préparation des données pour les tableaux de bord. Chaque matin, elle doit vérifier que les scénarios de la nuit se sont bien exécutés, identifier ceux qui ont échoué ou sont en warning, et prévenir les équipes métier si un reporting risque d'être faux.

Aujourd'hui, ce contrôle est manuel. Il faut ouvrir chaque projet et consulter l'onglet Scenarios un par un, sans vision consolidée. Résultat : certains échecs sont découverts par les utilisateurs eux-mêmes, quand les chiffres d'un tableau de bord ne sont pas à jour.

Objectif : automatiser chaque matin la récupération du dernier run de chaque scénario actif, historiser les statuts dans un Google Sheet de monitoring et envoyer une alerte Slack pour chaque scénario en échec.

Solution

Le workflow s'appuie sur les opérations Projects et Scenarios du nœud Dataiku DSS :

1. Déclenchement : un nœud Schedule Trigger lance le contrôle chaque jour à 7h.
2. Inventaire des projets : le nœud Dataiku DSS - List Projects récupère tous les projets de l'instance.
3. Liste des scénarios : pour chaque projet, le nœud Dataiku DSS - List Scenarios récupère les scénarios, puis un nœud Code ne conserve que les scénarios actifs.
4. Dernier run : le nœud Dataiku DSS - Get Last Runs récupère le résultat de la dernière exécution (succès, warning, échec, durée).
5. Historisation : les statuts consolidés sont ajoutés dans un Google Sheet de monitoring, qui garde l'historique jour après jour.
6. Alerte : un nœud IF isole les scénarios en échec et un message Slack est envoyé à l'équipe data avec le projet, le scénario et l'erreur.

‍

Bénéfices

• Réactivité : l'équipe data est prévenue avant que les utilisateurs métier ne constatent le problème.
• Vision consolidée : un seul tableau pour suivre la santé de tous les projets et repérer les scénarios fragiles dans le temps.

‍

Cas d'usage 2 : Identifier les licences inactives chaque mois

Contexte et objectif

Imaginez une DSI ou un CDO qui gère un parc de licences Dataiku réparties entre data scientists, analystes et utilisateurs métier. Chaque licence a un coût significatif et les besoins évoluent au fil des projets. Chaque mois, l'équipe doit identifier les utilisateurs qui ne se connectent plus, préparer la liste des comptes à désactiver ou réaffecter et garder une trace des décisions pour le renouvellement du contrat.

Aujourd'hui, cette revue est manuelle : extraction depuis l'administration DSS, calcul à la main des jours d'inactivité, et une revue souvent repoussée faute de temps. Des licences restent payées sans être utilisées.

Objectif : automatiser chaque mois la récupération de la dernière activité de chaque utilisateur, historiser les résultats dans un Google Sheet et envoyer à l'administrateur la liste des comptes inactifs depuis plus de 60 jours.

Solution

1. Déclenchement : un nœud Schedule Trigger lance la revue le 1er de chaque mois.
2. Dernière activité : le nœud Dataiku DSS - Get All Users Last Activity (ressource Security) récupère la date de dernière connexion de chaque utilisateur.
3. Calcul de l'inactivité : un nœud Code calcule le nombre de jours d'inactivité de chaque compte.
4. Historisation : le résultat est ajouté dans un Google Sheet, qui sert de registre pour le renouvellement du contrat.
5. Sélection et envoi : un nœud IF garde les comptes inactifs depuis 60 jours ou plus, puis un email récapitulatif est envoyé à l'administrateur DSS via Gmail.

‍

Bénéfices

• Maîtrise des coûts : les licences non utilisées sont identifiées et réaffectées chaque mois.
• Traçabilité : l'historique d'activité documente les décisions lors des négociations de renouvellement.

‍

Cas d'usage 3 : Déployer un agent IA copilote de votre plateforme Dataiku

Contexte et objectif

Dans les équipes data et métier, les questions sur l'état de la plateforme sont quotidiennes : "Le scénario de mise à jour du CRM est-il passé cette nuit ?", "Quelles colonnes contient le dataset ventes_clean ?", "Les contrôles qualité du projet Marketing sont-ils au vert ?" ou encore "Peux-tu relancer le scénario de scoring ?"

Aujourd'hui, ces demandes impliquent de connaître le bon projet et le bon scénario, de naviguer dans plusieurs écrans de Dataiku, de lire les logs et bien souvent de solliciter un data engineer pour une simple vérification. Dans les organisations où Dataiku alimente de nombreux usages, ces sollicitations deviennent un goulot d'étranglement.

Objectif : utiliser un agent IA connecté à l'API Dataiku DSS pour permettre aux équipes de suivre les scénarios, consulter les datasets et leurs contrôles qualité, et relancer un traitement après confirmation, en langage naturel.

Solution

L'automatisation repose sur les capacités agentiques de n8n :

1. Réception de la question : un nœud Chat Trigger reçoit la question de l'utilisateur.
2. Agent IA : le nœud AI Agent orchestre la réflexion. Il s'appuie sur un modèle OpenAI et sur une mémoire (Window Buffer Memory) pour garder le contexte de la conversation.
3. Outils Dataiku : l'agent dispose de sept outils basés sur le nœud Dataiku DSS : List Projects, List Scenarios, Get Last Runs, Run Scenario, List Datasets, Get Dataset Schema et Get Data Quality Project Status.
4. Garde-fou : le prompt de l'agent impose une confirmation explicite de l'utilisateur avant de lancer un scénario.
5. Réponse : l'agent restitue une réponse claire, par exemple la cause d'un échec et l'heure du dernier run réussi.

‍

Bénéfices

• Autonomie des équipes métier : une question en langage naturel suffit pour connaître l'état d'un traitement ou la structure d'un dataset.
• Moins de sollicitations : les data engineers se concentrent sur les incidents réels et les nouveaux projets.
• Actions maîtrisées : les relances de scénarios restent soumises à confirmation et sont tracées dans n8n.

‍

Conclusion : une plateforme Dataiku plus fiable et plus accessible

L'automatisation de Dataiku DSS via n8n transforme la façon dont les équipes exploitent leur plateforme data. Surveillance continue des scénarios, maîtrise des licences ou agent IA capable de répondre aux questions des métiers : chaque workflow libère du temps et réduit le risque de voir une erreur passer inaperçue.

Associée à l'intelligence artificielle, cette approche rend Dataiku plus transparent et plus simple à piloter, tout en gardant la main sur chaque action grâce à des workflows visibles et traçables.

Nos experts sont à votre disposition pour imaginer ou déployer ces nouveaux nœuds et créer des agents IA au service de vos enjeux business.