L'écosystème des modules Drupal IA, cartographié

Le choix de modules Drupal IA commence par une question concrète: quelle tâche fera gagner du temps à votre équipe sans en créer ailleurs? Ce panorama des modules Drupal IA organise les briques disponibles, leur statut de release, leurs dépendances et leurs coûts d'exploitation afin que vous puissiez affiner votre liste restreinte.

Gardez une distinction à l'esprit. Aider les rédacteurs à résumer du contenu n'est pas la même chose que laisser un agent externe modifier ce contenu. La recherche sémantique implique à son tour d'autres dépendances et dépenses.

L'écosystème couvre toutes ces directions, mais les composants n'ont pas le même niveau de maturité. Cet état des lieux décrit les releases jusqu'au 13 octobre 2026 inclus, pas le reste du mois. Les mentions de release indiquent la disponibilité, pas une compatibilité vérifiée ni l'adéquation à votre site.

À jour en octobre 2026. Sources vérifiées pour la dernière fois le 13 octobre 2026.

Dans cet article:

• Commencer par l'architecture, pas par la liste de modules
• L'écosystème des modules Drupal IA en un coup d'œil
• Soutien rédactionnel: les rédacteurs gardent le contrôle
• Automatisation: retirer avec soin les étapes répétitives
• Recherche et retrieval: budgétiser toute la pipeline
• Traduction: séparer la création de brouillons et la validation
• Agents, contexte et accès externe
• Changements de paquets qui influencent les mises à jour
• Configuration des fournisseurs et contrôle des coûts
• Ce qui est prêt pour la production?
• Quels composants sont pertinents pour cette série?

Commencer par l'architecture, pas par la liste de modules

Vous pouvez éviter des dépendances inutiles en pensant l'écosystème en couches.

Le AI framework fournit les fondations communes et l'abstraction des fournisseurs. Les intégrations provider relient Drupal aux modèles et services. Les modules fonctionnels ajoutent des capacités concrètes, par exemple la traduction ou les suggestions dans les formulaires d'édition.

Les recipes regroupent la configuration pour un déploiement donné. Ils facilitent le démarrage, mais le nom ne dit pas si chaque dépendance sous-jacente dispose d'une release stable.

Les intégrations pour agents externes poursuivent un autre objectif: elles exposent des capacités Drupal à des logiciels qui s'exécutent en dehors du site.

L'initiative Drupal AI décrit cette distinction sous le nom Inside AI and Outside AI:

• Inside AI: les humains utilisent l'IA dans les interfaces et workflows Drupal.
• Outside AI: des clients IA externes interagissent avec Drupal via des capacités exposées.

Ces couches s'appuient sur les forces de Drupal. Champs, entités, taxonomies et métadonnées de langue donnent une structure cohérente au contenu. JSON:API, données structurées et autres formats de sortie peuvent rendre ces informations disponibles aux machines. Nous traitons la modélisation par champs dans Drupal Content Modeling pour l'answer coverage: champs, pas de prose.

Installer un module IA ne rend pas automatiquement un site plus facile à comprendre pour les assistants IA. Des modèles de contenu clairs et des pratiques de publication fiables continuent de faire une large part de ce travail.

L'écosystème des modules Drupal IA en un coup d'œil

Utilisez ce tableau pour repérer des candidats, puis vérifiez la release choisie et ses dépendances avant l'installation.

À lire aussi: Drupal AI: comment créer du contenu de site web en utilisant les modules IA de Drupal? comme entrée rédactionnelle concrète.

«Stable» décrit une release publiée. La couverture des advisories de sécurité et l'adéquation à votre déploiement nécessitent des vérifications distinctes. Les indications de dépendances ci-dessous nomment les briques centrales, pas l'intégralité des exigences Composer. «À vérifier» signifie: dans l'instantané de recherche, aucune contrainte Drupal core documentée.

Module	Rôle	Release & core	Dépendances & coût
AI framework	Fondation IA commune et abstraction des fournisseurs	1.5.0 stable; branche de développement 2.0 Core: ^10.5 ou ^11.2	Intégration provider et identifiants pour les opérations choisies Coût d'exploitation: requêtes fournisseur ou infrastructure de modèles auto-hébergée; maintenance de l'intégration
AI Automators, au sein du AI framework	Traitement IA automatisé, y compris workflows basés sur les champs	Sous-module du framework; évaluer dans la release AI choisie Core: suivre la release du framework choisie	Framework, fournisseur configuré, configuration de workflow pertinente Coût d'exploitation: appels par entrée, opérations enchaînées, nouvelles tentatives et traitement en masse
AI Content Suggestions	Suggestions dans les formulaires d'édition	1.5.2 stable; 1.6.0-alpha2 également disponible Core: À vérifier	AI framework et fournisseur configuré; vérifier les exigences de la release Coût d'exploitation: suggestions par session d'édition, taille du prompt et sortie générée
AI Content Review	Revues configurables, résultats documentés et suggestions de modification	1.0.0-alpha3; pas de release stable prise en charge Core: ^10.5 ou ^11.2	AI ^1.3, Entity API ^1.6; le critère par défaut basé sur des agents nécessite aussi AI Agents ^1.2 et un fournisseur Coût d'exploitation: critères de revue, longueur du contenu, revues répétées et appels d'agents
AI Image Alt Text	Générer des suggestions de texte alternatif pour les images	1.0.3 stable Core: ^10.2 ou ^11	Fournisseur compatible images configuré; vérifier les dépendances de la release choisie Coût d'exploitation: requêtes de traitement d'image et relecture humaine
AI Integration - ECA	Étapes IA dans les workflows Event/Condition/Action	1.0.1 stable Core: À vérifier	ECA, AI framework et configuration provider pertinente Coût d'exploitation: fréquence des événements, actions par événement, nouvelles tentatives et files d'attente
AI Search	Intégration Search API, embeddings, recherche vectorielle et Retrieval-Augmented Generation	2.0.0-alpha2 et 1.3.0-alpha5; pas de release stable prise en charge Core: À vérifier selon la branche	Search API et les intégrations embedding/vecteur du déploiement choisi Coût d'exploitation: indexation initiale, réindexation, stockage vectoriel, retrieval et génération de réponse
AI Translate	Traduire le contenu via des fournisseurs IA configurés	1.4.2 stable; la branche de développement 2.0 est décrite comme pré-alpha Core: ^10.4 ou ^11	AI framework, fournisseur et configuration de traduction Drupal pertinente Coût d'exploitation: volume source, langues cibles, régénération et relecture linguistique
AI Agents	Agents appelant des outils pour le contenu ou la configuration Drupal	1.3.5 stable; 1.4.0-beta1 également disponible Core: ^10.3 ou ^11	AI framework, fournisseur adapté et outils requis pour la tâche Coût d'exploitation: appels modèle multi-étapes, exécution d'outils, nouvelles tentatives et supervision
AI Dashboard	Configuration et découverte des fonctionnalités	1.0.3 stable Core: ^10.4 ou ^11.1	Vérifier les exigences pour la release et les fonctionnalités choisies Coût d'exploitation: mise en place et maintenance; coût des fonctionnalités activées via le tableau de bord
AI Metering	Suivi d'usage, estimations de coût et quotas	1.0.2 stable Core: ^10.5 ou ^11.2	Vérifier la couverture pour le framework, les fournisseurs et les chemins de requête utilisés Coût d'exploitation: journalisation, stockage, maintenance et configuration
Context Control Center	Gérer le contexte organisationnel pour l'IA	1.0.0-rc1; pas de release stable prise en charge Core: À vérifier	Intégrations IA et configuration de contexte pertinentes Coût d'exploitation: maintenance du contexte et livraison jointe aux requêtes
Tool API	Définir des capacités Drupal réutilisables pour divers appelants	1.0.0-beta11; pas de release stable prise en charge Core: À vérifier	Implémentations des outils exposés Coût d'exploitation: exécution d'outils, contrôles d'accès, maintenance et coûts liés aux appelants
MCP Server	Exposer des capacités Drupal à des clients IA externes	2.0.0-beta5; pas de release stable prise en charge Core: À vérifier	Déploiement serveur/client compatible et capacités exposées; vérifier les exigences de branche Coût d'exploitation: hébergement, authentification, supervision, exécution d'outils et usage modèle côté client

La compatibilité core à elle seule ne décide pas de l'installation. Un module peut prendre en charge une version Drupal plus ancienne alors qu'une autre dépendance de votre stack impose une version plus récente.

Vérifiez aussi la source des releases. Le AI Dashboard ecosystem directory aide à la découverte, mais dans la fiche consultée figurait AI Agents 1.2.7, alors que la page projet indiquait stable 1.3.5 et bêta 1.4.0. Utilisez les pages projet et release pour choisir les versions.

Soutien rédactionnel: les rédacteurs gardent le contrôle

Le soutien rédactionnel est souvent un point d'entrée maîtrisable, car une personne peut relire la sortie avant publication. Gardez le périmètre réduit.

AI Content Suggestions sert le moment de l'édition: un rédacteur demande une suggestion pendant qu'il travaille sur le contenu. AI Content Review prend en charge un processus de revue plus large avec des critères configurables, des résultats documentés et des suggestions de modification.

Ils répondent à des besoins différents. Le projet Suggestions oriente le développement des workflows de revue vers Content Review, ce qui ne signifie pas que Suggestions est abandonné. La maturité diffère aussi: Suggestions dispose dans cet instantané d'une release stable, Content Review reste en alpha.

Supposons que votre équipe souhaite de l'aide pour raccourcir des résumés. Une suggestion directement dans le formulaire peut suffire. Si vous voulez examiner chaque article selon plusieurs critères rédactionnels et consigner les résultats, évaluez plutôt un workflow de revue.

AI Image Alt Text traite une autre tâche récurrente. Les descriptions générées peuvent donner un point de départ aux rédacteurs, mais la page environnante compte. Une image peut expliquer un processus, renvoyer vers une autre page ou être purement décorative. Le rédacteur doit juger l'intention avant d'adopter le texte.

Pour ces cas d'usage, conservez le contenu d'origine et rendez l'adoption explicite. Les rédacteurs perdent moins de temps à corriger des surprises lorsque la génération fournit un brouillon et n'écrase pas immédiatement.

Automatisisation: retirer avec soin les étapes répétitives

L'automatisation apporte des gains de temps plus importants lorsque les équipes répètent la même tâche sur de nombreux enregistrements. Elle multiplie aussi plus vite les erreurs et les coûts.

Deux briques méritent votre liste restreinte:

• AI Automators vit dans le AI framework et prend en charge le traitement automatisé.
• AI Integration - ECA ajoute des étapes IA aux workflows Event/Condition/Action.

Choisissez selon le workflow à exprimer. Une tâche de traitement de champ et une séquence pilotée par événements peuvent exiger des configurations différentes, même si les deux appellent le même modèle.

Supposons qu'un import de contenu nécessite des résumés brouillon pour les articles sans ce texte. Un workflow limité ne traite que ces enregistrements, enregistre le résultat pour relecture et journalise les erreurs. Un workflow à chaque enregistrement pourrait régénérer des résumés en boucle et consommer des tokens.

Avant un traitement en masse, définissez ce qui déclenche le traitement, ce qui compte comme travail terminé et comment les rédacteurs relancent un enregistrement en échec. Utilisez une file d'attente quand cela a du sens, et testez si une nouvelle exécution duplique des modifications ou des appels fournisseur.

Recherche et retrieval: budgétiser toute la pipeline

Les projets de recherche peuvent absorber plus d'infrastructure et de temps d'ingénierie que ne le laisse supposer l'appel au modèle.

AI Search relie plusieurs sujets: Search API, embeddings, recherche vectorielle et Retrieval-Augmented Generation, souvent abrégé RAG. Dans un workflow RAG typique, le système récupère du contenu pertinent et l'envoie comme contexte à un modèle pour la réponse.

Chaque étape a ses propres coûts:

1. Préparer le contenu: choisir les champs, nettoyer le texte et le découper en segments pertinents.
2. Produire les embeddings: traiter le stock initial puis les modifications ultérieures.
3. Stocker et interroger les vecteurs: exploiter le backend choisi.
4. Générer les réponses: payer pour les prompts, le contexte récupéré et la sortie.
5. Maintenir l'index: gérer mises à jour, suppressions, changements de langue et modifications d'accès.

Dans cet instantané, le projet AI Search autonome n'a pas de release stable prise en charge. Ses branches alpha exigent une évaluation technique et un plan clair pour gérer les changements.

Commencez par le problème de retrieval. Si les utilisateurs ont besoin de codes produit exacts ou de filtres prévisibles, la recherche Search API classique peut déjà suffire. Le retrieval sémantique devient plus pertinent lorsque les requêtes utilisent d'autres formulations que le contenu source.

Les limites d'accès méritent une attention particulière. Testez le contenu restreint avec des utilisateurs aux permissions différentes, et vérifiez que le retrieval exclut le matériel non autorisé avant qu'il n'atteigne le modèle. Une réponse citée divulgue des informations si le segment sous-jacent était privé. Les vocabulaires contrôlés influencent la pertinence au retrieval; voir Cartographie taxonomique intelligente pour les systèmes Drupal alimentés par l'IA: un guide.

Traduction: séparer la création de brouillons et la validation

AI Translate dispose dans cet instantané d'une release stable 1.4.2. La branche de développement 2.0 est considérée comme pré-alpha; traitez donc les branches comme des options d'évaluation distinctes.

La traduction peut réduire le travail répétitif de brouillon, surtout si votre contenu est déjà structuré dans des champs bien définis. Le budget augmente toutefois avec le volume source, le nombre de langues cibles et la fréquence de régénération.

Un workflow exploitable documente quelle révision source a produit chaque brouillon. Lorsque la source change, les relecteurs savent quelles traductions nécessitent une attention, au lieu de parcourir à nouveau chaque langue.

Donnez aux relecteurs la terminologie dont ils ont besoin. Noms de produits, formulations contractuelles, unités et expressions régionales exigent une gestion cohérente, et la relecture linguistique reste une part des coûts d'exploitation.

Si vous utilisez déjà un workflow de gestion de traduction, évaluez comment les brouillons IA s'intègrent au processus de validation existant avant d'en introduire un parallèle. Voir Sites Drupal multilingues: comment l'IA réduit la charge de traduction tout en laissant votre équipe aux commandes.

Agents, contexte et accès externe

Les agents peuvent passer d'une suggestion à l'exécution d'une étape. Cela modifie l'évaluation des risques.

AI Agents a une release stable, mais l'adéquation à la production dépend des outils et permissions de chaque agent. Lire un article publié est une capacité différente de modifier la configuration du site.

Commencez par des capacités étroites. La lecture est plus simple à évaluer; l'écriture exige des limites claires, des points de relecture et un moyen d'annuler les modifications indésirables.

Tool API vise à rendre les capacités Drupal réutilisables pour divers appelants. MCP Server expose des capacités à des clients externes via le Model Context Protocol. Les deux restent en pré-release dans cet instantané, et Tool API avertit que les API peuvent changer entre les bêtas.

Context Control Center traite un problème voisin: maintenir disponible le contexte organisationnel pour les intégrations IA. Son statut release candidate justifie une évaluation, et le contexte a besoin d'un responsable. Des règles produit obsolètes dans un prompt partagé peuvent propager des erreurs sur plusieurs workflows.

Le compte rendu officiel de Rotterdam du 2 octobre décrit une démo intégrée utilisable. Il qualifie explicitement l'approche PHP basée sur les attributs pour l'exposition de capacités de prototype. Le Rosetta Sprint apparaît comme point de feuille de route.

Ces distinctions comptent. Une démo qui fonctionne montre une direction; un prototype ou un point de feuille de route n'est pas une dépendance publiée sur laquelle planifier avec la même confiance.

Changements de paquets qui influencent les mises à jour

D'anciennes listes de modules peuvent orienter les équipes vers des frontières de paquets obsolètes.

Les notes de release AI 1.5.0 déprécient explicitement les composants groupés AI Search et AI CKEditor. AI Translate est un projet distinct depuis AI 1.4.0.

Sur une installation existante, recensez d'abord les sous-modules activés sur votre site et la configuration qui les référence. Vérifiez ensuite la route de migration documentée pour les versions concernées.

Ne supposez pas qu'un paquet autonome migre automatiquement la configuration. Le remplacement et le chemin de migration pour AI CKEditor doivent être confirmés avant de planifier la mise à niveau.

Pour un nouveau travail, choisissez les composants sur les pages projet actuelles, plutôt que de copier une ancienne procédure d'installation. Cette petite vérification peut éviter plus tard un effort de mise à niveau inutile.

Configuration des fournisseurs et contrôle des coûts

L'abstraction des fournisseurs maintient les intégrations ordonnées. Elle ne rend pas chaque fournisseur interchangeable.

Vérifiez les opérations dont votre workflow a réellement besoin: génération de texte, embeddings, entrée image, appel d'outils ou réponses structurées. Validez la prise en charge dans la combinaison adaptateur et modèle concrète, y compris les limites qui touchent votre charge.

Vérifiez ensuite où partent les contenus. Pour du matériel confidentiel: rétention, lieux de traitement et conditions contractuelles du fournisseur, avant que les données ne quittent votre environnement. Tenez les identifiants hors de la configuration exportée et utilisez des identifiants séparés pour développement et production lorsque c'est pris en charge.

Rendre visibles les dépenses en tokens

Les dépenses en tokens surprennent souvent les équipes, car une action utilisateur peut déclencher plusieurs requêtes. Un agent peut enchaîner plusieurs étapes; une revue peut vérifier plusieurs critères; un job de traduction peut traiter de nombreuses langues.

Le contexte long s'additionne. Les nouvelles tentatives aussi.

Suivez l'usage par fonctionnalité ou workflow lorsque c'est possible, plutôt que de vous fier uniquement à la facture du fournisseur. Un journal utile relie la requête au modèle, à l'usage entrée et sortie, au statut et au job déclencheur, sans stocker inutilement du contenu sensible.

AI Metering est une option pour le suivi d'usage, les estimations de coût et les quotas. Testez la couverture dans votre stack. Sa seule présence ne prouve pas que chaque chemin de requête dispose d'une protection des coûts applicable.

Combinez plusieurs leviers:

• Fixez des limites d'entrée et de sortie adaptées à chaque tâche.
• Encadrez la taille des lots, les étapes d'agent et les nouvelles tentatives.
• Évitez de régénérer du contenu inchangé.
• Configurez des budgets ou rate limits côté fournisseur lorsque disponibles.
• Alertez l'équipe lorsque l'usage s'écarte des attentes.

L'auto-hébergement modifie la structure des coûts sans les supprimer. Puissance de calcul, stockage, supervision, maintenance des modèles et support opérationnel continuent d'exiger un budget.

Ce qui est prêt pour la production?

Il n'existe pas de verdict production à l'échelle de l'écosystème. Au 13 octobre 2026, plusieurs composants ont des releases stables, d'autres restent en alpha, bêta ou release candidate.

La liste restreinte en release stable comprend AI framework, AI Agents, AI Content Suggestions, AI Image Alt Text, AI Integration - ECA, AI Translate, AI Dashboard et AI Metering.

AI Content Review, AI Search autonome, Context Control Center, Tool API et MCP Server nécessitent une décision d'adoption anticipée. Cela peut avoir du sens pour un pilote limité, mais exige une capacité de maintenance explicite et l'acceptation des changements.

Pour un premier déploiement à moindre risque, une fonctionnalité rédactionnelle avec relecture humaine est souvent plus simple à cadrer qu'un agent avec accès en écriture à la configuration.

Avant le déploiement, testez la stack choisie sur quelques questions pratiques:

Point de contrôle	Ce que vous voulez déterminer
Installer les dépendances	La combinaison Composer exacte s'installe-t-elle et vos tests applicatifs passent-ils?
Maintenance de la release	La release choisie a-t-elle la couverture de support et d'advisories de sécurité dont votre organisation a besoin?
Permissions	Chaque utilisateur ou agent peut-il uniquement lire et modifier le contenu prévu?
Traitement du contenu	Les champs privés, le contenu non publié et les données sensibles restent-ils dans les limites approuvées?
Relecture humaine	Les relecteurs peuvent-ils voir les modifications avant publication et restaurer la version précédente?
Comportement en cas d'erreur	Que se passe-t-il en cas de timeouts, rate limits, réponses invalides et nouvelles tentatives?
Coûts d'exploitation	Pouvez-vous mesurer une charge représentative et arrêter un traitement non contrôlé?

Il s'agit de contrôles de mise en œuvre, pas de garanties liées à un numéro de version. Vérifiez à nouveau les releases et les files d'issues pertinentes avant le déploiement.

Quels composants sont pertinents pour cette série?

Pour une série sur Drupal à l'ère des LLM, la distinction la plus utile est entre rendre le contenu exploitable par les machines et utiliser l'IA pour travailler sur ce contenu.

Champs structurés, taxonomies, URL stables, métadonnées de langue, JSON-LD et API forment le socle de publication. Un site peut avoir besoin d'améliorations là avant d'avoir besoin d'intégration de modèle. Ce socle influence aussi la façon dont les assistants lisent votre site, comme nous le décrivons dans Pourquoi les sites Drupal sont lus et cités par l'IA et Au-delà du SEO: ce que nous vérifions dans un audit Drupal AI readability.

À partir de ce socle:

• Le soutien rédactionnel et la traduction peuvent aider les équipes à maintenir un contenu structuré et à jour, avec des humains qui relisent la sortie.
• L'automatisation peut réduire le travail répétitif sur de grands volumes de contenu, lorsque les déclencheurs et les nouvelles tentatives ont des limites claires.
• La recherche et le retrieval peuvent aider visiteurs ou utilisateurs internes à trouver des informations formulées autrement, à condition que le retrieval respecte les règles d'accès.
• Tool API et les intégrations MCP sont pertinents lorsque des agents externes ont besoin d'une interaction contrôlée avec Drupal, en tenant compte du statut de pré-release dans le plan.

Vous n'avez pas besoin de toute la stack. Choisissez une tâche mesurable, testez-la avec du contenu représentatif, et vérifiez la sortie et la facture avant d'étendre.

Vous planifiez la prochaine étape? Partagez avec Droptica un workflow de contenu, un problème de recherche ou une intégration d'agents que vous envisagez. Nous pouvons comparer les modules pertinents, repérer les risques de dépendances et esquisser un pilote qui donne à votre équipe des enseignements solides avant un déploiement plus large. En savoir plus sur nos prestations de développement IA pour Drupal.