feat: DAG executor async + intégration IA/LLM dans le VWB

- DAGExecutor : exécution workflow par graphe de dépendances,
  étapes LLM parallèles, UI séquentielles, injection ${step.result}
- LLMActionHandler : analyze_text, translate, extract_data, generate_text
  via Ollama /api/chat (qwen3-vl:8b, temperature 0.1)
- VWB palette : catégorie "IA / LLM" avec 4 actions draggables
- VWB propriétés : éditeurs pour chaque action LLM (modèle, prompt, langue)
- VWB endpoint : POST /api/v3/workflow/<id>/execute-dag
- 37 tests unitaires DAG executor (tous passent)
- Fix log spam cache workflows (info → debug)

Co-Authored-By: Claude Opus 4.6 (1M context) <noreply@anthropic.com>

visual_workflow_builder/frontend_v4/src/components/PropertiesPanel.tsx

@@ -788,6 +788,194 @@ export default function PropertiesPanel({ step, onUpdateParams, onDelete }: Prop
           </>
         );
 
+      // === DAG LLM ===
+      case 'llm_analyze':
+        return (
+          <>
+            <div className="prop-section-title">
+              <span className="icon">🔬</span> Analyser texte (LLM)
+            </div>
+            <div className="prop-field">
+              <label>Texte à analyser</label>
+              <textarea
+                value={String(params.text || '')}
+                onChange={(e) => updateParam('text', e.target.value)}
+                rows={4}
+                placeholder={"Texte direct ou référence : ${etape_prec.result}"}
+              />
+              <small className="field-hint">Utilisez {'${step_id.result}'} pour injecter le résultat d'une étape précédente</small>
+            </div>
+            <div className="prop-field">
+              <label>Instruction</label>
+              <textarea
+                value={String(params.instruction || 'Analyse et résume ce texte.')}
+                onChange={(e) => updateParam('instruction', e.target.value)}
+                rows={2}
+                placeholder="Analyse et résume ce texte."
+              />
+            </div>
+            <div className="prop-field">
+              <label>Modèle Ollama (optionnel)</label>
+              <input
+                type="text"
+                value={String(params.model || '')}
+                onChange={(e) => updateParam('model', e.target.value)}
+                placeholder="Par défaut : qwen3-vl:8b"
+              />
+            </div>
+            <div className="prop-field">
+              <label>Température ({Number(params.temperature || 0.1).toFixed(1)})</label>
+              <input
+                type="range"
+                min="0"
+                max="1"
+                step="0.1"
+                value={Number(params.temperature || 0.1)}
+                onChange={(e) => updateParam('temperature', Number(e.target.value))}
+              />
+            </div>
+          </>
+        );
+
+      case 'llm_translate':
+        return (
+          <>
+            <div className="prop-section-title">
+              <span className="icon">🌐</span> Traduire (LLM)
+            </div>
+            <div className="prop-field">
+              <label>Texte à traduire</label>
+              <textarea
+                value={String(params.text || '')}
+                onChange={(e) => updateParam('text', e.target.value)}
+                rows={4}
+                placeholder={"Texte direct ou référence : ${etape_prec.result}"}
+              />
+              <small className="field-hint">Utilisez {'${step_id.result}'} pour injecter le résultat d'une étape précédente</small>
+            </div>
+            <div className="prop-field">
+              <label>Langue cible</label>
+              <select
+                value={String(params.target_lang || 'français')}
+                onChange={(e) => updateParam('target_lang', e.target.value)}
+              >
+                <option value="français">Français</option>
+                <option value="anglais">Anglais</option>
+                <option value="espagnol">Espagnol</option>
+                <option value="allemand">Allemand</option>
+                <option value="chinois">Chinois</option>
+                <option value="arabe">Arabe</option>
+                <option value="japonais">Japonais</option>
+              </select>
+            </div>
+            <div className="prop-field">
+              <label>Langue source (optionnel)</label>
+              <input
+                type="text"
+                value={String(params.source_lang || '')}
+                onChange={(e) => updateParam('source_lang', e.target.value)}
+                placeholder="Auto-détection"
+              />
+            </div>
+            <div className="prop-field">
+              <label>Modèle Ollama (optionnel)</label>
+              <input
+                type="text"
+                value={String(params.model || '')}
+                onChange={(e) => updateParam('model', e.target.value)}
+                placeholder="Par défaut : qwen3-vl:8b"
+              />
+            </div>
+          </>
+        );
+
+      case 'llm_extract_data':
+        return (
+          <>
+            <div className="prop-section-title">
+              <span className="icon">🗂️</span> Extraire données (LLM)
+            </div>
+            <div className="prop-field">
+              <label>Texte source</label>
+              <textarea
+                value={String(params.text || '')}
+                onChange={(e) => updateParam('text', e.target.value)}
+                rows={4}
+                placeholder={"Texte direct ou référence : ${etape_prec.result}"}
+              />
+              <small className="field-hint">Utilisez {'${step_id.result}'} pour injecter le résultat d'une étape précédente</small>
+            </div>
+            <div className="prop-field">
+              <label>Schéma d'extraction (JSON)</label>
+              <textarea
+                value={String(params.schema || '{\n  "nom": "Nom complet",\n  "date": "Date au format JJ/MM/AAAA"\n}')}
+                onChange={(e) => updateParam('schema', e.target.value)}
+                rows={5}
+                placeholder={'{\n  "nom": "Nom complet",\n  "date": "Date"\n}'}
+              />
+              <small className="field-hint">Clés = champs à extraire, valeurs = descriptions</small>
+            </div>
+            <div className="prop-field">
+              <label>Modèle Ollama (optionnel)</label>
+              <input
+                type="text"
+                value={String(params.model || '')}
+                onChange={(e) => updateParam('model', e.target.value)}
+                placeholder="Par défaut : qwen3-vl:8b"
+              />
+            </div>
+          </>
+        );
+
+      case 'llm_generate':
+        return (
+          <>
+            <div className="prop-section-title">
+              <span className="icon">✍️</span> Générer texte (LLM)
+            </div>
+            <div className="prop-field">
+              <label>Prompt de génération</label>
+              <textarea
+                value={String(params.prompt || '')}
+                onChange={(e) => updateParam('prompt', e.target.value)}
+                rows={4}
+                placeholder="Rédige un email de relance à partir des données suivantes..."
+              />
+            </div>
+            <div className="prop-field">
+              <label>Contexte (optionnel)</label>
+              <textarea
+                value={String(params.context || '')}
+                onChange={(e) => updateParam('context', e.target.value)}
+                rows={3}
+                placeholder={"Contexte additionnel ou référence : ${etape_prec.result}"}
+              />
+              <small className="field-hint">Utilisez {'${step_id.result}'} pour injecter le résultat d'une étape précédente</small>
+            </div>
+            <div className="prop-field">
+              <label>Modèle Ollama (optionnel)</label>
+              <input
+                type="text"
+                value={String(params.model || '')}
+                onChange={(e) => updateParam('model', e.target.value)}
+                placeholder="Par défaut : qwen3-vl:8b"
+              />
+            </div>
+            <div className="prop-field">
+              <label>Température ({Number(params.temperature || 0.1).toFixed(1)})</label>
+              <input
+                type="range"
+                min="0"
+                max="1"
+                step="0.1"
+                value={Number(params.temperature || 0.1)}
+                onChange={(e) => updateParam('temperature', Number(e.target.value))}
+              />
+              <small className="field-hint">0 = précis/déterministe, 1 = créatif/varié</small>
+            </div>
+          </>
+        );
+
       // === BDD ===
       case 'db_save_data':
         return (

visual_workflow_builder/frontend_v4/src/components/StepNode.tsx

@@ -45,6 +45,23 @@ function StepNode({ data, selected }: StepNodeProps) {
         </div>
       )}
 
+      {/* Aperçu des paramètres LLM DAG */}
+      {step.action_type === 'llm_translate' && step.parameters?.target_lang && (
+        <div className="step-node-params">
+          {`→ ${step.parameters.target_lang}`}
+        </div>
+      )}
+      {step.action_type === 'llm_generate' && typeof step.parameters?.prompt === 'string' && step.parameters.prompt.length > 0 && (
+        <div className="step-node-params">
+          {`"${step.parameters.prompt.slice(0, 25)}${step.parameters.prompt.length > 25 ? '...' : ''}"`}
+        </div>
+      )}
+      {step.action_type === 'llm_analyze' && typeof step.parameters?.instruction === 'string' && step.parameters.instruction.length > 0 && (
+        <div className="step-node-params">
+          {`"${step.parameters.instruction.slice(0, 25)}${step.parameters.instruction.length > 25 ? '...' : ''}"`}
+        </div>
+      )}
+
       {!step.anchor_id && action?.needsAnchor && (
         <div className="step-node-warning">
           Ancre requise

visual_workflow_builder/frontend_v4/src/services/api.ts

@@ -260,3 +260,49 @@ export async function submitReview(
 }> {
   return request('POST', `/workflow/${workflowId}/review`, { status, feedback });
 }
+
+// DAG Execution — Exécution parallèle avec étapes LLM
+export interface DAGEdge {
+  source: string;
+  target: string;
+}
+
+export interface DAGExecutionResult {
+  success: boolean;
+  steps: Record<string, {
+    step_id: string;
+    step_type: string;
+    status: string;
+    result: unknown;
+    error: string | null;
+    duration: number | null;
+  }>;
+  results: Record<string, unknown>;
+  errors: string[];
+  duration_seconds: number;
+}
+
+export async function executeDag(
+  workflowId: string,
+  edges: DAGEdge[],
+  options?: {
+    timeout?: number;
+    model?: string;
+    ollama_endpoint?: string;
+  }
+): Promise<{ execution: DAGExecutionResult }> {
+  return request('POST', `/workflow/${workflowId}/execute-dag`, {
+    edges,
+    ...options,
+  });
+}
+
+export async function getDagStatus(
+  workflowId: string
+): Promise<{
+  completed: boolean;
+  status: DAGExecutionResult | null;
+  message?: string;
+}> {
+  return request('GET', `/workflow/${workflowId}/dag-status`);
+}

visual_workflow_builder/frontend_v4/src/types.ts

@@ -48,13 +48,18 @@ export type ActionType =
   | 'db_save_data'
   | 'db_read_data'
   | 'verify_element_exists'
-  | 'verify_text_content';
+  | 'verify_text_content'
+  // === DAG LLM — étapes IA exécutées via le DAGExecutor ===
+  | 'llm_analyze'
+  | 'llm_translate'
+  | 'llm_extract_data'
+  | 'llm_generate';
 
 export interface ActionDefinition {
   type: ActionType;
   label: string;
   icon: string;
-  category: 'mouse' | 'keyboard' | 'wait' | 'data' | 'logic' | 'ai' | 'validation';
+  category: 'mouse' | 'keyboard' | 'wait' | 'data' | 'logic' | 'ai' | 'llm' | 'validation';
   needsAnchor: boolean;
   params: string[];
 }
@@ -99,6 +104,12 @@ export const ACTIONS: ActionDefinition[] = [
   { type: 'db_save_data', label: 'Sauvegarder en BDD', icon: '💿', category: 'data', needsAnchor: false, params: ['table', 'data'] },
   { type: 'db_read_data', label: 'Lire depuis BDD', icon: '📖', category: 'data', needsAnchor: false, params: ['query', 'variable_name'] },
 
+  // === DAG LLM — Actions IA via DAGExecutor (parallèle, Ollama) ===
+  { type: 'llm_analyze', label: 'Analyser texte', icon: '🔬', category: 'llm', needsAnchor: false, params: ['text', 'instruction', 'model'] },
+  { type: 'llm_translate', label: 'Traduire', icon: '🌐', category: 'llm', needsAnchor: false, params: ['text', 'target_lang', 'model'] },
+  { type: 'llm_extract_data', label: 'Extraire données', icon: '🗂️', category: 'llm', needsAnchor: false, params: ['text', 'schema', 'model'] },
+  { type: 'llm_generate', label: 'Générer texte', icon: '✍️', category: 'llm', needsAnchor: false, params: ['prompt', 'context', 'model'] },
+
   // === VALIDATION ===
   { type: 'verify_element_exists', label: 'Vérifier présence', icon: '✅', category: 'validation', needsAnchor: true, params: ['timeout_ms'] },
   { type: 'verify_text_content', label: 'Vérifier texte', icon: '🔍', category: 'validation', needsAnchor: true, params: ['expected_text'] },
@@ -111,6 +122,7 @@ export const ACTION_CATEGORIES = {
   data: { label: 'Données', icon: '📊' },
   logic: { label: 'Logique', icon: '🔀' },
   ai: { label: 'IA', icon: '🤖' },
+  llm: { label: 'IA / LLM', icon: '🧪' },
   validation: { label: 'Validation', icon: '✅' },
 };