> For the complete documentation index, see [llms.txt](https://cleyrop.gitbook.io/docs/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://cleyrop.gitbook.io/docs/v-4.5/projet-data-and-ia/dataflow/creer-un-dataflow/nettoyer-ou-supprimer-un-dataflow.md).

# Nettoyer ou supprimer un Dataflow

Cleyrop vous permet de supprimer un Dataflow devenu obsolète tout en conservant les traces d’exécution nécessaires à l’audit.

Avant toute suppression, il est recommandé de vérifier les dépendances (datasets produits, Dataflows liés, planifications actives).

***

## Supprimer un Dataflow

Depuis la liste des Dataflow, sélectionnez le bouton <i class="fa-pen">:pen:</i> `Informations` ou depuis le Dataflow cliquez sur <i class="fa-gear">:gear:</i> `Informations`, puis `Supprimer`. Confirmez la suppression lorsque la fenêtre de validation s’affiche.

#### Effets de la suppression

* Le Dataflow (et son graphe de transformations) est supprimé de l’espace projet.
* Les datasets produits ne sont pas supprimés automatiquement. S'ils ont été référencés dans la bibliothèque du projet, ils deviennent orphelins mais restent disponibles dans la bibliothèque de datasets.
* Vous pouvez les consulter, supprimer ou réutiliser comme n’importe quel autre dataset.
* L’historique d’exécution et les logs restent consultables à des fins d’audit et de traçabilité.

{% hint style="success" %}
Cela garantit qu’aucune donnée n’est perdue et que vous pouvez retracer les traitements effectués, même après la suppression d’un Dataflow.
{% endhint %}

### Nettoyer les datasets orphelins

Après la suppression d’un Dataflow, il est conseillé de vérifier les datasets produits qui ne sont plus liés à aucun flux actif.

1. Accédez à la bibliothèque de datasets.
2. Utilisez le filtre Origin : *Dataflow*
3. Supprimez ou archivez les datasets qui ne sont plus utilisés. Ceux issus d'un Dataflow supprimé porteront la mention "Supprimé"

### Recommandations avant suppression

* Vérifiez que le Dataflow n’est pas référencé dans d’autres Dataflows en dépendance.
* Désactivez les planifications automatiques avant suppression.
* Prévenez les utilisateurs concernés pour éviter la suppression d’un flux encore utilisé par erreur.

***

## Bonnes pratiques

* Supprimez régulièrement les Dataflows de test ou obsolètes pour garder un espace clair.
* Nettoyez les datasets orphelins au moins une fois par trimestre.