RAGFlow : avis, prix, sécurité et alternatives

Ce que fait RAGFlow

RAGFlow appartient à la famille des données et rag : agents qui interrogent des bases de données et des documents d'entreprise pour répondre ou produire des analyses. Sur notre grille, il se classe premier des 15 projets de cette famille recensés dans l'annuaire.

On l'utilise depuis : application web, API et SDK pour développeurs. Modèles utilisables : GPT (OpenAI), Claude (Anthropic), Gemini (Google), DeepSeek, Qwen (Alibaba) et modèles locaux (Ollama, llama.cpp, vLLM…). Il peut tourner sur votre propre machine ou serveur.

Présentation du dépôt (en anglais) : « RAGFlow is a leading open-source Retrieval-Augmented Generation (RAG) engine that fuses cutting-edge RAG with Agent capabilities to create a superior context layer for LLMs »

Pour qui est fait RAGFlow ?

Il s'adresse aux équipes qui veulent faire répondre une IA à partir de leurs propres documents ou bases de données. Exemples de tâches qu'on lui confie :

• interroger une documentation interne en langage naturel
• poser des questions à une base de données sans SQL
• indexer et résumer de gros volumes de fichiers

C'est un bon candidat si vous préférez tout faire dans un navigateur, sans installation, vos données doivent rester sur vos machines et vous voulez pouvoir utiliser un modèle local, sans frais d'API.

Accès et contrôle humain

Sa documentation ne détaille pas les accès accordés à l'agent : vérifiez-les dans les réglages avant de le connecter à vos comptes.

Nous n'avons pas pu établir s'il demande une validation humaine avant les actions sensibles : testez-le d'abord sur un compte ou un dossier sans importance.

Prix de RAGFlow

Le code est gratuit, sous licence Apache-2.0.

Démarrer avec RAGFlow

1. Installez-le : le projet est distribué sous forme d'un binaire unique compilé en Go, à télécharger depuis les versions du dépôt. La commande exacte figure dans le README du dépôt.
2. Choisissez le modèle : une clé d'API chez un fournisseur, ou un modèle local si votre machine a assez de mémoire graphique (le calculateur de VRAM vous le dit).
3. Donnez-lui un premier terrain sans enjeu : un dossier de test, un compte secondaire ou un projet jetable. N'ouvrez l'accès à vos vrais comptes qu'après avoir vu comment il se comporte.
4. Confiez-lui une tâche courte et vérifiable, relisez le résultat et le journal de ses actions, puis augmentez progressivement la difficulté.

Sécurité : niveau de risque

Donnez-lui un accès en lecture seule et vérifiez les requêtes générées avant toute modification de données.

Trois réflexes : moindre privilège (droits minimaux, clés dédiées), validation humaine pour les actions irréversibles, bac à sable pour l'exécution de code. Le diagnostic de sécurité d'agent IA passe votre installation en revue en quelques minutes.

Activité du projet et versions

Créé le 12 décembre 2023, le dépôt infiniflow/ragflow totalise 92 807 étoiles, 11 100 copies (forks) et 931 tickets ouverts, pour 10 385 commits au total. Il a reçu des modifications ce mois-ci.

Sur les 52 dernières semaines : 7 866 commits, soit 151,3 par semaine en moyenne.

58 versions publiées au total ; 23 sur les douze derniers mois. Dernière version : v0.27.3, le 23 octobre 2026.

RAGFlow face aux autres données et rag

Étoiles GitHub des projets open source les mieux notés de la famille données et rag. Les étoiles mesurent l'attention reçue, pas la qualité : un projet très médiatisé en accumule vite, un outil spécialisé en aura peu.

RAGFlow et les autres données et rag en un tableau

Les 7 agents les mieux classés de la même famille, dont 7 open source. La note sur 100 ne concerne que les projets open source ; pour les services propriétaires, nous indiquons le prix d'entrée publié. Un tiret signale une information que la documentation ne précise pas.

Comment nous l'avons évalué

Note : 91/100, calculée uniquement à partir de données publiques et vérifiables, sans test subjectif ni partenariat :

• Adoption 36/40 : 92 807 étoiles sur une échelle logarithmique (40 points à partir d'environ 200 000).
• Activité 30/30 : dernier commit il y a moins d'un mois, 17 versions en six mois, 7 866 commits en un an.
• Cadre 25/30 : licence, validation humaine par défaut, auto-hébergement, choix du modèle et site de documentation.

La note ne dit pas si l'agent réussit vos tâches : elle mesure la solidité du projet. Le détail de la grille est sur la page méthode.