Notre avis : Choisissez Tangle si votre équipe veut assembler des pipelines ML conteneurisés dans un éditeur par glisser-déposer, réutiliser des composants Kubeflow ou Vertex AI, et éviter de réexécuter les étapes inchangées grâce au cache global.
Principale limite : Aucune page de tarifs ni offre commerciale n'est documentée, et l'application hébergée est décrite comme expérimentale ; l'auto-hébergement exige une infrastructure de conteneurs.
Par la rédaction d'AI Tool Atlas.
D'après la documentation officielle de l'éditeur ; nous n'avons pas testé ce produit en pratique. Ce que signifie « aperçu documenté »
Tangle est-il fait pour vous ?
Choisissez Tangle si votre équipe veut assembler des pipelines ML conteneurisés dans un éditeur par glisser-déposer, réutiliser des composants Kubeflow ou Vertex AI, et éviter de réexécuter les étapes inchangées grâce au cache global. D'après la documentation de l'éditeur, absent d'un test pratique.
Idéal pour : Ingénieurs ML qui construisent des pipelines
Convient aussi pour
Équipes data qui veulent un éditeur de workflows visuel
Équipes qui utilisent déjà Kubeflow ou Vertex AI
Choisissez un autre outil si aucune page de tarifs officielle ni offre commerciale documentée
Ou si
L'auto-hébergement exige une infrastructure de conteneurs
La version hébergée est présentée comme expérimentale
Tarifs et limites d'utilisation de Tangle
Prix vérifiés le Oct 1, 2026 sur la page de tarifs officielle américaine. Les prix et limites changent souvent.
Page tarifaire de l'éditeur revérifiée automatiquement il y a 12 jours : aucun changement détecté.
Accès gratuit et conditions d'essai
La documentation indique qu'aucune inscription n'est requise pour expérimenter ; le code est public sur GitHub. Le coût du service hébergé n'est pas précisé.
Aucun.
Offres payantes : ce qui change quand vous passez à l'offre supérieure
Open source and hosted playground Web app / self-hosted
Pour : ML teams that can self-host or just want to prototype
Limites
Hosted new version is labeled experimental
Comprend
Visual pipeline editor
Backend and frontend code on GitHub
1 plus
No registration needed to experiment
Plafonds d'usage, crédits et coûts supplémentaires
Calcul et infrastructure de conteneurs en cas d'auto-hébergement ; non tarifés par le fournisseur.
Sans objet.
Qu'est-ce que Tangle et comment ça marche ?
Tangle est un outil open source et indépendant de la plateforme pour construire des pipelines de machine learning et de données dans un éditeur visuel par glisser-déposer. Les utilisateurs connectent des composants, configurent des arguments et exécutent des workflows sans mettre en place d'environnement de développement local ; chaque tâche s'exécute dans un conteneur isolé aux interfaces définies.
Les composants sont indépendants du langage (Python, Java, Shell, Ruby, C++, JS/TS) et compatibles avec les composants de pipelines Kubeflow et Vertex AI existants. Un cache fondé sur le contenu, partagé entre tous les pipelines, évite de réexécuter des étapes identiques. Le projet est développé par des ingénieurs ML de Shopify et propose un terrain de jeu hébergé expérimental sur Hugging Face Spaces ainsi que des dépôts GitHub pour l'auto-hébergement.
Site officiel de Tangle : comment le produit se présente. tangleml.com, relevé Oct 1, 2026
Ce que vous fournissez et ce que vous obtenez
Ce que vous donnez à Tangle et ce que vous obtenez, d'après sa documentation
Ce que vous fournissez
Composants de pipeline (programmes conteneurisés avec ComponentSpec)
Arguments et données d'entrée des tâches
Composants Kubeflow ou Vertex AI existants
Ce que vous obtenez
Exécutions de pipelines avec graphes, journaux et métadonnées d'artefacts
Artefacts intermédiaires mis en cache
Exécutions clonables
Où vous pouvez l'utiliser
Plateformes
Web
Compte
Obligatoire
Langages pour les composants
Python, Java, Shell, Ruby, C++, JS/TS
Exécution
Conteneurs isolés par tâche
Cache
Fondé sur le contenu, global entre les pipelines
Origine
Développé par des ingénieurs ML de Shopify ; basé sur le Pipeline Editor de Cloud Pipelines
Dépôts
tangleml/tangle, tangleml/tangle-ui
Où Tangle est le plus utile
Les scénarios sont élaborés par nos éditeurs à partir de la documentation ; le résultat réel dépend de votre saisie et de votre offre.
Prototyper visuellement des pipelines d'entraînement ML
Qui
Ingénieurs ML et non-ingénieurs qui prototypent des flux d'entraînement
Ce que vous fournissez
Composants glissés sur le canevas et connectés, plus valeurs d'arguments
Résultat attendu
Un pipeline d'entraînement exécutable sans écrire de code d'orchestration
Présentation des fonctionnalités sur le site officiel. tangleml.com, relevé Oct 1, 2026
Éditeur de pipelines par glisser-déposer
Un canevas où l'on connecte des composants, règle des arguments et passe de la vue visuelle au code. Permet aux non-ingénieurs de construire et aux ingénieurs d'itérer plus vite.
Chaque tâche s'exécute dans un conteneur isolé dont l'interface en ligne de commande est le contrat avec votre code ; ce sont donc des programmes, et non des fonctions en mémoire, qui sont orchestrés. Évite les conflits de dépendances entre étapes.
Cache fondé sur le contenu entre tous les pipelines
Les résultats sont indexés par contenu et partagés globalement entre tous les pipelines, et même les exécutions en cours peuvent être réutilisées. Économise du calcul et du temps par rapport au cache fondé sur la lignée de Kubeflow ou Vertex.
Les composants utilisent le format ComponentSpec de KFP v1 et peuvent encapsuler du code Python, Java, Shell, Ruby, C++ ou JS/TS dans un conteneur via l'éditeur intégré. Les composants Kubeflow et Vertex AI existants sont réutilisables.
Open source sans dépendance à un fournisseur Vous pouvez l'héberger sur votre portable, sur site ou sur n'importe quel cloud et garder vos données.documentésource (s'ouvre dans un nouvel onglet)
Fonctionne sur n'importe quel cloud ou en local Les pipelines ne sont pas liés à Google Cloud ni à une pile exclusivement Kubernetes.documentésource (s'ouvre dans un nouvel onglet)
Le terrain de jeu hébergé ne demande aucune inscription L'évaluation prend quelques minutes puisque vous pouvez construire un premier pipeline sans compte.documentésource (s'ouvre dans un nouvel onglet)
Compatible avec les composants Kubeflow/Vertex AI existants Les investissements déjà faits dans les composants sont conservés au lieu d'être réécrits.documentésource (s'ouvre dans un nouvel onglet)
À vérifier avant de payer pour Tangle
Aucune page de tarifs officielle ni offre commerciale documentée Budgéter un déploiement en équipe n'est pas possible à partir du seul site web.documentésource (s'ouvre dans un nouvel onglet)
L'auto-hébergement exige une infrastructure de conteneurs Vous devez exécuter et maintenir vous-même les conteneurs et le stockage.documentésource (s'ouvre dans un nouvel onglet)
La version hébergée est présentée comme expérimentale Un usage en production de la nouvelle version hébergée comporte un risque de stabilité.documentésource (s'ouvre dans un nouvel onglet)
Aucune application de bureau, mobile ni API publique documentée L'automatisation en dehors de l'interface est floue, donc les intégrations peuvent nécessiter les dépôts GitHub.documentésource (s'ouvre dans un nouvel onglet)
Comment utiliser Tangle pour construire un pipeline ML visuel
Documentation Tangle : d'où viennent les étapes ci-dessous. tangleml.com, relevé Oct 1, 2026
Configurer Tangle
Ouvrez tangleml.com et cliquez sur « Start Building » (aucune inscription nécessaire pour expérimenter).
Choisissez « Try Example Pipelines » pour charger un exemple dans l'éditeur.
Ouvrez la bibliothèque de composants pour choisir des modules réutilisables, ou encapsulez votre propre code dans un conteneur avec l'éditeur intégré.
Pour l'auto-hébergement, clonez github.com/tangleml/tangle (backend) et github.com/tangleml/tangle-ui (frontend).
Exemple : construire un pipeline ML visuel
Glissez des composants sur le canevas et connectez les sorties aux entrées.
Configurez les arguments de chaque tâche dans le panneau latéral.
Exécutez le pipeline et ouvrez le graphe d'exécution pour suivre les tâches.
Modifiez un composant et réexécutez pour voir les tâches inchangées servies depuis le cache.
Vérifier et exporter le résultat
Ouvrez les journaux de l'exécution et les métadonnées d'artefacts de chaque tâche.
Vérifiez que les tâches inchangées sont marquées comme mises en cache après la deuxième exécution.
Clonez l'exécution et comparez les résultats pour confirmer la reproductibilité.
Tangle API
Documentation Tangle (suite). tangleml.com, relevé Oct 1, 2026
Accès à l'API et facturation séparée
Tangle n'a pas d'API publique dans sa documentation officielle. Aucune API publique documentée dans les pages consultées Documentation de l'API ↗
Confidentialité, usage des données et droits commerciaux
Résumé des politiques actuelles de l'éditeur ; ce n'est pas un avis juridique et le badge d'un éditeur n'est pas un audit indépendant.
Comment vos entrées et sorties sont traitées
Les définitions de pipelines, journaux et artefacts sont stockés par le système que vous exécutez ; l'auto-hébergement garde les données sur votre infrastructure.
Les données intermédiaires sont immuables et jamais écrasées.
Autres outils à envisager à la place de Tangle
« Mieux adapté » repose sur les fonctionnalités et les tarifs documentés, pas sur un test comparatif direct.
Non. La documentation indique qu'aucune inscription n'est requise pour expérimenter la construction de pipelines dans l'application hébergée. source (s'ouvre dans un nouvel onglet)
En quoi le cache de Tangle diffère-t-il de Kubeflow Pipelines
Tangle met en cache par contenu, globalement entre tous les pipelines, et peut réutiliser des exécutions en cours, alors que Kubeflow ne met en cache que les exécutions réussies au sein de chaque pipeline. source (s'ouvre dans un nouvel onglet)
Tangle exige-t-il Kubernetes
Non. La page de comparaison indique que Kubeflow a besoin de Kubernetes alors que Tangle peut fonctionner en local ou chez n'importe quel fournisseur cloud. source (s'ouvre dans un nouvel onglet)
Puis-je réutiliser mes composants Kubeflow ou Vertex AI dans Tangle
Oui. Tangle utilise le même format ComponentSpec que KFP v1 et est décrit comme compatible avec les composants Kubeflow et Vertex AI. source (s'ouvre dans un nouvel onglet)
Tangle est-il gratuit
Le code est open source sur GitHub, mais le site n'a pas de page de tarifs (404), donc le coût d'un éventuel service hébergé n'est pas précisé. source (s'ouvre dans un nouvel onglet)
Non vérifié : Tarifs du service hébergé; Politique de confidentialité (/privacy en 404); API publique; Emplacement des données sur le terrain de jeu hébergé.
Comment nous avons documenté et maintenons cette page
Chaque information sur Tangle ci-dessus provient des 2 pages officiels listés ici, comparés pour la dernière fois le Oct 1, 2026 ; nous n'avons pas testé Tangle nous-mêmes, il n'a donc pas de note éditoriale. Comment nous vérifions et revérifions les pages.
Article mis à jour Oct 10, 2026; prix vérifiés Oct 1, 2026. Les liens sortants vers les éditeurs sont de simples liens ; nous ne touchons aucune commission. Comment nous évaluons · Signaler une erreur
(ouvrir en taille réelle dans un nouvel onglet)
(ouvrir en taille réelle dans un nouvel onglet)
(ouvrir en taille réelle dans un nouvel onglet)
(ouvrir en taille réelle dans un nouvel onglet)
(ouvrir en taille réelle dans un nouvel onglet)