Votre banque de workflows n8n.

Ce workflow n8n permet d'automatiser la recherche et le résumé de données web en utilisant des outils avancés tels que Perplexity, Gemini AI et Bright Data. Il est particulièrement utile pour les entreprises qui souhaitent extraire des informations pertinentes à partir de diverses sources en ligne et les résumer de manière concise. Par exemple, une équipe marketing peut l'utiliser pour recueillir des données sur la concurrence ou des tendances de marché sans avoir à le faire manuellement. Le processus commence par un déclencheur manuel qui active le workflow. Ensuite, le modèle de chat Google Gemini est utilisé pour traiter les données. Les informations sont chargées par le biais d'un chargeur de données par défaut, puis divisées en segments plus petits grâce à un diviseur de texte récursif. Une condition est ensuite vérifiée pour déterminer la suite des actions. Si les conditions sont remplies, un identifiant de snapshot est défini, et les données sont téléchargées. Le workflow continue par une vérification de l'état du snapshot et l'extraction des données pertinentes. Enfin, les résultats de recherche sont résumés et envoyés via un webhook, permettant ainsi une notification instantanée. Les bénéfices de cette automatisation incluent un gain de temps considérable, une réduction des erreurs humaines et la possibilité de prendre des décisions basées sur des données fiables et à jour.

Ce workflow n8n a pour objectif d'automatiser l'extraction de livres depuis une URL donnée, de nettoyer le HTML et de sauvegarder les informations dans Google Sheets, tout en envoyant le résultat sous forme de fichier CSV par email. Ce processus est particulièrement utile pour les librairies en ligne, les blogueurs littéraires ou toute entreprise souhaitant gérer efficacement des données de livres. En utilisant l'automatisation n8n, les utilisateurs peuvent gagner du temps et réduire les erreurs manuelles dans la collecte de données. Le workflow commence par un déclencheur Google Sheets qui surveille les nouvelles URL ajoutées dans une feuille de calcul. Lorsque qu'une nouvelle URL est détectée, le workflow utilise Dumpling AI pour extraire le contenu de la page web. Ensuite, les livres extraits sont triés par prix grâce à un noeud de tri. Chaque livre est ensuite traité individuellement pour extraire son prix. Les données sont ensuite converties en fichier CSV, prêtes à être envoyées par email. Le workflow se termine par l'envoi du fichier CSV à l'adresse email spécifiée, permettant ainsi une distribution rapide des informations collectées. Les bénéfices de cette automatisation sont multiples : réduction du temps de collecte de données, minimisation des erreurs humaines et amélioration de la productivité. En intégrant ce workflow dans leur processus, les entreprises peuvent se concentrer sur des tâches à plus forte valeur ajoutée tout en s'assurant que les données sont toujours à jour et facilement accessibles.

Ce workflow n8n a pour objectif d'automatiser l'extraction d'actualités à partir de pages web, en générant des résumés et des mots-clés pertinents. Il est particulièrement utile pour les entreprises qui souhaitent suivre les tendances du marché ou les actualités de leur secteur sans avoir à le faire manuellement. Grâce à cette automatisation, les utilisateurs peuvent gagner un temps précieux et se concentrer sur l'analyse des informations plutôt que sur leur collecte. Le processus débute par un déclencheur programmé qui active le workflow chaque semaine. Ensuite, le workflow utilise plusieurs nœuds pour extraire le contenu HTML des pages web ciblées. Les nœuds 'Extract the HTML with the right css class' et 'Retrieve the web page for further processing' sont essentiels pour obtenir les données brutes. Par la suite, les nœuds OpenAI sont utilisés pour créer des résumés et des mots-clés à partir de ces données. Les nœuds 'Summary' et 'Keywords' traitent ces informations, tandis que les nœuds 'Rename keywords' et 'Rename Summary' permettent de structurer les résultats. Les données extraites sont ensuite fusionnées à l'aide de nœuds de fusion pour créer un ensemble d'informations cohérent. Ce workflow n8n offre une valeur ajoutée significative en réduisant le temps consacré à la recherche d'informations et en fournissant des résumés clairs et concis, facilitant ainsi la prise de décision pour les équipes marketing et de communication.

Ce workflow n8n est conçu pour automatiser le processus de recherche et d'extraction de données à partir de la plateforme Tavily. Dans un contexte où les entreprises cherchent à optimiser leur collecte d'informations, ce template permet d'accélérer la recherche de sujets pertinents et d'extraire des contenus de manière efficace. Les cas d'usage incluent la veille concurrentielle, la recherche de tendances de marché et l'analyse de contenu web. Étape 1 : le déclencheur de ce workflow est un chat via l'interface de Langchain, permettant à l'utilisateur de fournir un sujet de recherche. Étape 2 : le noeud 'Tavily Search' effectue une requête HTTP pour rechercher des informations sur le sujet spécifié. Étape 3 : les résultats sont filtrés par le noeud 'Filter > 90%', garantissant que seules les informations les plus pertinentes sont retenues. Étape 4 : le noeud 'Tavily Extract' permet d'extraire les données des résultats obtenus. Enfin, le contenu est résumé à l'aide du noeud 'Summarize Web Page Content', utilisant le modèle OpenAI pour générer un résumé concis. Ce workflow offre une valeur ajoutée significative en réduisant le temps nécessaire pour collecter et analyser des données, tout en augmentant la précision des informations obtenues.

Ce workflow n8n a pour objectif d'automatiser l'extraction de données en masse à l'aide de Bright Data, un outil puissant pour le scraping web. Dans un contexte où la collecte d'informations précises et à jour est cruciale pour les entreprises, ce workflow permet de récupérer des données structurées efficacement. Les cas d'usage incluent la veille concurrentielle, l'analyse de marché et la recherche de leads, offrant ainsi une valeur ajoutée significative aux équipes marketing et commerciales. Étape 1 : le processus commence par un déclencheur manuel, permettant à l'utilisateur de tester le workflow à tout moment. Étape 2 : une condition est vérifiée pour déterminer la suite du processus. Étape 3 : le workflow définit un identifiant de snapshot, suivi par le téléchargement des données via une requête HTTP. Étape 4 : une attente est introduite pour s'assurer que le téléchargement est terminé. Étape 5 : une vérification des erreurs est effectuée, suivie d'une vérification du statut du snapshot. Étape 6 : une notification webhook est initiée pour informer l'utilisateur des résultats. Étape 7 : les réponses JSON sont agrégées pour une analyse simplifiée. Étape 8 : les données sont ensuite enregistrées sur le disque. Ce workflow permet ainsi de gagner du temps et d'améliorer la précision des données collectées, réduisant les risques d'erreurs manuelles et augmentant l'efficacité opérationnelle.

Ce workflow n8n a pour objectif d'automatiser l'extraction et l'analyse d'images à partir de fichiers PDF stockés sur Google Drive. Dans un contexte où les entreprises manipulent régulièrement des documents PDF, ce processus permet de gagner un temps précieux en automatisant les tâches manuelles d'extraction et d'analyse d'images. Les cas d'usage incluent la gestion de documents, la création de rapports visuels et l'analyse de contenu visuel pour des présentations ou des études de marché. Le workflow commence par un déclencheur manuel, permettant à l'utilisateur de tester le flux à la demande. Ensuite, il récupère le fichier PDF depuis Google Drive grâce à un nœud dédié. Une fois le fichier obtenu, le workflow extrait les images contenues dans le PDF via une requête HTTP. Les images sont ensuite analysées à l'aide de l'API OpenAI, qui fournit des insights et des résumés basés sur le contenu visuel. Les résultats de cette analyse sont intégrés dans un contenu consolidé, qui est finalement exporté sous forme de fichier texte. Les bénéfices business de cette automatisation incluent une réduction significative du temps consacré à l'extraction manuelle des images et à leur analyse, tout en minimisant les risques d'erreurs humaines. En utilisant ce workflow, les équipes peuvent se concentrer sur des tâches à plus forte valeur ajoutée, améliorant ainsi leur efficacité opérationnelle.

Ce workflow n8n a pour objectif d'extraire et de structurer les offres d'emploi publiées sur Hacker News (HN). Il s'adresse aux recruteurs et aux entreprises souhaitant automatiser la collecte d'informations sur les opportunités d'embauche. Grâce à cette automatisation n8n, vous pouvez récupérer les annonces d'emploi pertinentes et les organiser de manière efficace. Le processus commence par un déclencheur manuel qui permet de tester le workflow. Ensuite, le flux effectue une requête HTTP pour rechercher les publications d'offres d'emploi sur HN. Une fois les données récupérées, elles sont traitées et nettoyées à l'aide de divers nœuds, notamment des nœuds de transformation et d'extraction de texte. Les résultats sont ensuite formatés en données structurées grâce à l'intégration de modèles de langage OpenAI, permettant une meilleure compréhension et analyse des informations. Enfin, les résultats peuvent être écrits dans une base Airtable pour un accès facile et une gestion efficace. En utilisant ce workflow, les entreprises peuvent gagner un temps précieux dans la recherche d'offres d'emploi tout en réduisant les risques d'erreurs humaines dans le traitement des données.

Ce workflow n8n a pour objectif d'automatiser l'extraction des résultats de recherche Google en utilisant l'outil Bright Data. Dans un contexte où les entreprises cherchent à optimiser leur stratégie de contenu et à surveiller leur visibilité en ligne, ce workflow permet de récupérer des données précieuses directement depuis les résultats de recherche Google. Les cas d'usage incluent l'analyse de la concurrence, le suivi des mots-clés et l'optimisation des campagnes marketing. Étape 1 : le workflow se déclenche manuellement via un nœud de type 'manualTrigger'. Étape 2 : il utilise le modèle de chat Google Gemini pour formuler des requêtes de recherche. Étape 3 : les résultats sont ensuite résumés à l'aide d'une chaîne de résumé, permettant de condenser les informations pertinentes. Étape 4 : le workflow effectue une requête HTTP pour récupérer les données de recherche, suivie d'une extraction d'informations spécifiques à partir des résultats. Enfin, le modèle d'agent AI de Google Search est utilisé pour analyser et interpréter les données extraites. En intégrant ce workflow dans votre stratégie d'automatisation n8n, vous bénéficiez d'une collecte de données efficace, réduisant ainsi le temps consacré à la recherche manuelle et augmentant la précision des informations obtenues.

Ce workflow n8n a pour objectif d'extraire des informations sur les produits électroniques les mieux classés sur Amazon en utilisant Bright Data et Google Gemini. Dans un contexte de commerce en ligne, ce type d'automatisation n8n est particulièrement utile pour les entreprises qui souhaitent surveiller les tendances du marché et optimiser leur offre produit. En intégrant des données précises sur les meilleures ventes, les équipes marketing peuvent prendre des décisions éclairées et ajuster leurs stratégies de vente. Le workflow commence par un déclencheur manuel qui permet à l'utilisateur de tester le flux. Ensuite, il utilise le modèle de chat Google Gemini pour générer des requêtes pertinentes. Après cela, une requête HTTP est effectuée pour récupérer les produits électroniques les mieux classés sur Amazon. Les données brutes sont ensuite traitées par un extracteur d'informations structuré qui organise les données selon un schéma prédéfini. Enfin, un webhook notifie l'utilisateur des résultats de l'extraction. Les bénéfices de ce workflow sont multiples : il permet d'économiser du temps en automatisant la collecte de données, réduit les erreurs humaines et offre une vue d'ensemble des tendances du marché. En intégrant ces données dans leur stratégie, les entreprises peuvent améliorer leur positionnement sur le marché et augmenter leur chiffre d'affaires.

Ce workflow n8n a pour objectif d'automatiser l'extraction de texte à partir de fichiers PDF et d'images en utilisant l'intelligence artificielle de Vertex AI (Gemini) et de les convertir en fichiers CSV. Cela s'avère particulièrement utile pour les entreprises qui manipulent régulièrement des documents numériques et qui souhaitent gagner du temps en automatisant le processus d'extraction de données. En intégrant ce workflow, les utilisateurs peuvent facilement extraire des informations précieuses sans intervention manuelle, ce qui réduit les erreurs et améliore l'efficacité opérationnelle. Le processus commence par un déclencheur qui surveille un dossier Google Drive pour de nouveaux fichiers PDF ou images. Lorsque des fichiers sont détectés, le workflow les télécharge et les traite. Selon le type de fichier, il utilise le modèle de chat Google Gemini pour extraire le texte. Ensuite, les données extraites sont envoyées à l'API de Vertex AI pour un traitement avancé. Les résultats sont ensuite convertis en format CSV et téléchargés à nouveau sur Google Drive, permettant un accès facile et structuré aux données. Les bénéfices de cette automatisation n8n incluent une réduction significative du temps consacré à l'extraction manuelle des données, une amélioration de la précision des informations collectées et une meilleure organisation des fichiers. En intégrant ce workflow, les entreprises peuvent se concentrer sur des tâches à plus forte valeur ajoutée tout en optimisant leurs processus de gestion documentaire.

Ce workflow n8n a pour objectif d'automatiser l'extraction des détails de dépenses à partir d'invoices et de paiements reçus par email. Dans un contexte où la gestion des finances est cruciale pour les entreprises, ce processus permet de gagner du temps et d'éviter les erreurs manuelles lors de la saisie des données. Les cas d'usage incluent la comptabilité automatisée et le suivi des dépenses en temps réel. Le workflow débute par un déclencheur de type 'Gmail Trigger' qui récupère les invoices et les paiements. Ensuite, les fichiers sont extraits à l'aide de n8n, en utilisant les noeuds 'Extract From File' pour les invoices et les paiements. Les données sont ensuite traitées par des noeuds de type 'HTML' et 'Split Out' pour structurer les informations. Un modèle de langage, comme 'Google Gemini Chat Model', est utilisé pour analyser et interpréter les données extraites. Les résultats sont ensuite envoyés vers Google Sheets via des noeuds 'Send', permettant une mise à jour automatique des tableaux de bord financiers. Ce workflow offre une valeur ajoutée significative en réduisant le temps de traitement des données et en minimisant les erreurs humaines, ce qui est essentiel pour une gestion financière efficace.

Ce workflow n8n a pour objectif d'extraire des données personnelles à partir de messages reçus dans un chat, en utilisant un modèle de langage auto-hébergé, Mistral NeMo. Dans un contexte où la gestion des données personnelles est cruciale, ce type d'automatisation n8n permet aux entreprises de traiter efficacement les informations tout en respectant les normes de confidentialité. Les cas d'usage incluent le support client automatisé, la collecte de feedbacks et l'analyse des interactions utilisateurs. Étape 1 : le déclencheur 'When chat message received' active le workflow dès qu'un message est reçu. Étape 2 : le 'Ollama Chat Model' analyse le message pour en extraire les informations pertinentes. Étape 3 : les données sont ensuite traitées par 'Auto-fixing Output Parser' et 'Structured Output Parser' pour garantir une sortie structurée et correcte. Étape 4 : le 'Basic LLM Chain' gère le flux de données et assure que les résultats sont conformes aux attentes. En cas d'erreur, le noeud 'On Error' permet de gérer les exceptions sans interrompre le processus. Ce workflow apporte une valeur ajoutée significative en automatisant la collecte de données, ce qui réduit le temps de traitement et minimise les erreurs humaines, tout en garantissant la conformité avec les réglementations sur la protection des données.