Votre banque de workflows n8n.

Ce workflow n8n a pour objectif de restaurer vos workflows directement depuis GitHub, facilitant ainsi la gestion et la récupération de vos automatisations. Dans un contexte où la perte de configurations peut entraîner des pertes de temps considérables, ce processus est essentiel pour les équipes techniques et les développeurs qui souhaitent maintenir la continuité de leurs opérations. En utilisant ce workflow, vous pouvez facilement récupérer vos fichiers de configuration et les restaurer dans n8n, ce qui optimise votre flux de travail et réduit les risques d'erreurs manuelles. Le processus commence par un déclencheur manuel, permettant à l'utilisateur de tester le workflow à tout moment. Ensuite, des variables globales sont définies pour stocker les informations nécessaires. Le workflow utilise des notes autocollantes pour fournir des informations visuelles sur le processus. Il effectue ensuite une requête HTTP pour récupérer tous les fichiers d'un chemin donné sur GitHub. Une fois les fichiers récupérés, le résultat est divisé pour faciliter leur traitement. Ensuite, le contenu des fichiers est extrait et converti en JSON, avant d'être finalement restauré dans n8n. Les bénéfices de cette automatisation n8n sont nombreux : elle permet non seulement de gagner du temps, mais également de minimiser les erreurs humaines lors de la restauration de workflows. En centralisant la gestion des configurations sur GitHub, les équipes peuvent travailler de manière plus efficace et sécurisée, tout en ayant la tranquillité d'esprit que leurs automatisations sont toujours accessibles et récupérables.

Ce workflow n8n a pour objectif de surveiller les prix des concurrents en utilisant Google Sheets et Slack pour notifier les changements. Dans un environnement commercial en constante évolution, il est crucial pour les entreprises de rester informées des fluctuations de prix de leurs concurrents. Ce workflow est particulièrement utile pour les équipes de pricing et de marketing qui souhaitent ajuster leurs stratégies en temps réel. Étape 1 : Le déclencheur manuel permet de lancer le workflow à la demande. Étape 2 : Le nœud 'Get Pricing URLs' récupère les URL de prix à partir d'une feuille Google Sheets, facilitant ainsi l'accès aux données nécessaires. Étape 3 : Le nœud 'Check pricing' utilise l'API d'Airtop pour vérifier les prix sur les sites concurrents. Étape 4 : La réponse est ensuite analysée avec le nœud 'Parse response', qui extrait les informations pertinentes. Étape 5 : Le nœud 'Merge' combine les données obtenues pour une analyse plus approfondie. Étape 6 : Les prix mis à jour sont ensuite enregistrés dans Google Sheets via le nœud 'Update pricing'. Étape 7 : Si des changements de prix sont détectés, le nœud 'Notify pricing change' envoie une notification sur Slack pour alerter l'équipe. Enfin, le nœud 'Filter out similar' permet d'éliminer les variations de prix insignifiantes, garantissant que seules les modifications significatives sont signalées. Grâce à cette automatisation n8n, les entreprises peuvent réagir rapidement aux changements de prix, optimisant ainsi leur compétitivité sur le marché.

Ce workflow n8n a pour objectif de simplifier la publication d'images sur la plateforme Bluesky. Dans un contexte où les entreprises cherchent à maximiser leur présence sur les réseaux sociaux, ce processus d'automatisation permet de gagner du temps et d'éviter les erreurs manuelles lors de la publication. Les utilisateurs peuvent ainsi se concentrer sur la création de contenu tout en assurant une diffusion efficace de leurs visuels. Le workflow commence par un déclencheur manuel, permettant à l'utilisateur de tester le flux à tout moment. Ensuite, il établit une session avec Bluesky via une requête HTTP pour garantir une connexion sécurisée. Une fois la session active, les images sont téléchargées et traitées. Le code JavaScript intégré permet d'effectuer des manipulations spécifiques sur les données avant de les envoyer. Les images sont ensuite publiées sur Bluesky, accompagnées de légendes personnalisées. Ce workflow utilise des noeuds variés tels que 'Set Images' et 'Set Caption' pour structurer les données avant la publication. En intégrant cette automatisation n8n, les entreprises peuvent améliorer leur efficacité opérationnelle, réduire les risques d'erreurs et optimiser leur stratégie de contenu sur les réseaux sociaux.

Ce workflow n8n a pour objectif de faciliter la création d'articles pour une base de connaissances en automatisant le processus de génération de contenu. Dans un contexte où les entreprises cherchent à enrichir leur documentation et à améliorer l'accès à l'information pour leurs utilisateurs, cette automatisation n8n se révèle particulièrement utile. Elle permet de générer des articles de manière rapide et efficace, en utilisant des modèles d'intelligence artificielle pour créer du contenu pertinent et informatif. Le workflow commence par un déclencheur qui active le processus lorsqu'un message de chat est reçu. Ensuite, il utilise des nœuds comme 'Create Perplexity Content' pour générer le contenu initial, suivi par des agents d'écriture et d'édition AI qui affinent et améliorent le texte. Les modèles de chat OpenAI sont intégrés pour enrichir le contenu avec des réponses contextuelles. Une fois le contenu généré, il est formaté et publié automatiquement dans la base de connaissances. Ce processus réduit considérablement le temps nécessaire à la création d'articles tout en garantissant la qualité du contenu. En fin de compte, cette automatisation permet aux équipes de se concentrer sur des tâches à plus forte valeur ajoutée, tout en améliorant l'expérience utilisateur grâce à un accès rapide à des informations précises.

Ce workflow n8n a pour objectif de tester plusieurs modèles de LLM (Language Learning Models) en utilisant LM Studio et d'analyser les résultats en temps réel. Il est particulièrement utile pour les équipes de développement et de recherche qui souhaitent évaluer l'efficacité de différents modèles linguistiques. En intégrant des outils comme Google Sheets, ce workflow permet de stocker et d'analyser les résultats de manière structurée. Le déclencheur principal est un message de chat reçu, qui initie le processus d'analyse. Étape 1 : Lorsque le message est reçu, le workflow commence par capturer l'heure de début. Étape 2 : Il récupère les modèles disponibles via une requête HTTP, puis prépare les données pour l'analyse. Étape 3 : Les modèles sont exécutés avec des entrées dynamiques, et les résultats sont analysés à l'aide d'un code JavaScript. Étape 4 : Les résultats finaux sont ensuite sauvegardés dans Google Sheets pour une consultation ultérieure. Ce processus permet d'éliminer les pertes de temps liées à l'analyse manuelle et d'assurer une évaluation précise des performances des modèles. En utilisant ce workflow, les utilisateurs bénéficient d'une automatisation efficace qui améliore la productivité et la précision des analyses.

Ce workflow n8n a pour objectif d'automatiser la gestion des entrées de temps via Slack, facilitant ainsi le suivi des tâches pour les équipes. Dans un contexte où la productivité est essentielle, ce type d'automatisation est particulièrement utile pour les entreprises qui utilisent Clockify pour le suivi du temps. Grâce à ce workflow, les utilisateurs peuvent créer, mettre à jour ou supprimer des entrées de temps directement depuis Slack, ce qui simplifie le processus et réduit les erreurs manuelles. Le workflow commence par un déclencheur Slack qui active le processus lorsque des messages spécifiques sont reçus. Ensuite, il utilise le modèle de chat OpenAI pour interpréter les demandes des utilisateurs. Par la suite, les outils HTTP Request sont employés pour interagir avec l'API de Clockify, permettant de récupérer les projets, les clients et les entrées de temps existantes. Les utilisateurs peuvent également effectuer des calculs via le nœud Calculator pour obtenir des estimations de temps. Enfin, les réponses sont renvoyées sur Slack, offrant une interaction fluide et efficace. Les bénéfices de cette automatisation n8n sont multiples : elle permet de gagner du temps, d'améliorer la précision des données de suivi et d'augmenter la satisfaction des utilisateurs en leur offrant une interface familière pour gérer leurs tâches. En intégrant Slack et Clockify, ce workflow représente une solution efficace pour toute équipe cherchant à optimiser son suivi du temps.

Ce workflow n8n a pour objectif de simplifier la création d'articles WordPress en utilisant l'intelligence artificielle. En partant de quelques mots-clés, ce processus permet aux utilisateurs de générer du contenu de manière automatisée, ce qui est particulièrement utile pour les blogueurs, les rédacteurs de contenu et les équipes marketing. Grâce à cette automatisation n8n, les utilisateurs peuvent gagner un temps précieux tout en maintenant une qualité de contenu élevée. Le flux commence par un déclencheur de formulaire qui recueille les mots-clés nécessaires. Ensuite, plusieurs nœuds de notes autocollantes sont utilisés pour organiser les idées et les chapitres de l'article. Une fois les données vérifiées pour leur cohérence, le workflow divise le contenu en chapitres et fusionne les titres et le texte. Le texte final est ensuite préparé pour être publié sur WordPress. Les utilisateurs peuvent également télécharger des médias et définir des identifiants d'image pour enrichir leurs articles. En fin de processus, le workflow envoie une réponse indiquant le succès ou l'échec de l'opération. Les bénéfices de cette automatisation incluent une réduction significative du temps de création de contenu et une amélioration de la productivité des équipes, permettant ainsi de se concentrer sur des tâches plus stratégiques.

Ce workflow n8n a pour objectif d'intégrer efficacement du contenu généré par l'intelligence artificielle dans un site WordPress. Il est particulièrement utile pour les entreprises qui souhaitent enrichir leur plateforme avec des articles et des pages dynamiques, tout en optimisant leur processus de publication. Grâce à l'automatisation n8n, les utilisateurs peuvent récupérer des publications et des pages WordPress, les traiter avec des modèles d'IA, et les stocker dans une base de données pour une utilisation ultérieure. Le workflow commence par un déclencheur manuel qui permet de tester le flux. Ensuite, il utilise des nœuds pour charger des données, générer des embeddings via OpenAI, et traiter le texte à l'aide de divers outils de traitement de langage. Les données sont ensuite filtrées pour ne conserver que le contenu publié et non protégé. Les résultats sont ensuite stockés dans une base de données Postgres, ce qui permet une gestion efficace des documents. Les étapes incluent également des opérations d'agrégation et de transformation de texte, garantissant que le contenu est optimisé pour le web. En intégrant ce workflow, les entreprises peuvent réduire le temps consacré à la création de contenu tout en améliorant la qualité et la pertinence des informations publiées sur leur site. L'automatisation n8n permet ainsi d'augmenter la productivité et de garantir une mise à jour régulière des contenus, ce qui est essentiel pour maintenir l'engagement des utilisateurs et améliorer le référencement.

Ce workflow n8n a pour objectif d'automatiser la génération d'un rapport hebdomadaire sur les accidents détectés via Shodan, un moteur de recherche pour les dispositifs connectés. Dans un contexte où la sécurité des réseaux est cruciale, ce processus permet aux équipes de sécurité informatique de rester informées des vulnérabilités potentielles. Le workflow commence par un déclencheur programmé qui s'active chaque lundi, garantissant ainsi une mise à jour régulière des données. Étape 1 : le workflow utilise le nœud 'Scan each IP' pour interroger les adresses IP surveillées. Étape 2 : il récupère les IP et ports à l'aide du nœud 'Get watched IPs & Ports'. Ensuite, les services sont extraits grâce au nœud 'Split out services', permettant une analyse plus fine des données. Étape 3 : une condition est appliquée avec le nœud 'Unexpected port?' pour filtrer les résultats inattendus. Les données sont ensuite préparées pour publication via le nœud 'Set data to post for each port', suivie de la conversion des résultats en format table et Markdown. Enfin, une alerte est créée dans TheHive pour chaque incident détecté, assurant une réponse rapide. Ce workflow offre une visibilité accrue sur les menaces potentielles, réduisant ainsi les risques de sécurité et permettant une gestion proactive des incidents.

Ce workflow n8n a pour objectif de charger des données vectorielles depuis Google Drive vers une base de données PGVector. Il s'adresse aux entreprises qui souhaitent automatiser le traitement de documents et l'extraction de données pour améliorer leur gestion de l'information. En utilisant des outils comme Google Drive, OpenAI et PostgreSQL, ce processus permet de transformer des fichiers en données exploitables, facilitant ainsi l'analyse et la recherche d'informations. Étape 1 : le workflow commence par un déclencheur manuel, permettant à l'utilisateur de lancer le processus à tout moment. Étape 2 : il utilise le nœud 'Search Folder' pour localiser le fichier souhaité dans Google Drive. Étape 3 : une fois le fichier trouvé, le nœud 'Download File' le télécharge pour traitement. Étape 4 : le nœud 'Extract from PDF', 'Extract from Text' ou 'Extract from JSON' est ensuite utilisé pour extraire les données pertinentes du fichier. Étape 5 : les données sont ensuite divisées en morceaux gérables grâce au 'Recursive Character Text Splitter'. Étape 6 : ces morceaux sont ensuite transformés en embeddings via le nœud 'Embeddings OpenAI'. Enfin, Étape 7 : les données vectorisées sont stockées dans la base de données PGVector à l'aide du nœud 'Postgres PGVector Store'. Ce workflow offre une solution efficace pour automatiser la gestion des données, réduisant ainsi le temps et les efforts nécessaires pour traiter manuellement des fichiers, tout en minimisant les erreurs humaines.

Ce workflow n8n a pour objectif de transformer vos emails en tâches Todoist, facilitant ainsi la gestion de votre charge de travail. Dans un environnement professionnel où la gestion des emails et des tâches peut devenir chaotique, cette automatisation permet de gagner du temps en intégrant directement les emails dans votre liste de tâches. Imaginez pouvoir convertir automatiquement vos emails non lus ou étoilés en tâches Todoist, tout en ayant la possibilité de les enrichir avec des résumés générés par l'intelligence artificielle. Le processus commence par un déclencheur manuel ou programmé, qui active le workflow. Ensuite, les emails sont récupérés via IMAP et filtrés pour identifier ceux qui sont non lus ou étoilés. Chaque email est ensuite marqué comme lu pour éviter les doublons. Si une tâche correspondante n'existe pas, le workflow utilise un modèle de chat OpenAI pour résumer le contenu de l'email et le structurer de manière à ce qu'il soit prêt à être intégré dans Todoist. Une fois la tâche créée, elle est enrichie avec des informations supplémentaires pour garantir une gestion efficace. Les bénéfices de cette automatisation n8n sont multiples : réduction du temps passé à gérer les emails, minimisation des risques d'oubli de tâches importantes et amélioration de la productivité globale. En intégrant cette solution, les utilisateurs peuvent se concentrer sur des tâches à plus forte valeur ajoutée, tout en ayant une vue d'ensemble claire de leurs responsabilités.

Ce workflow n8n a pour objectif de scanner le marché immobilier de manière automatisée, permettant aux professionnels du secteur de rester informés des nouvelles opportunités. En utilisant des intégrations avec des API et des services d'email, ce processus facilite la collecte et l'analyse des données sur les propriétés disponibles. Les cas d'usage incluent la surveillance des tendances du marché, l'identification des propriétés à fort potentiel et l'envoi d'alertes par email ou via Slack. Étape 1 : le workflow est déclenché par un planificateur qui exécute le scan à intervalles réguliers. Étape 2 : il configure les paramètres de l'API BatchData pour récupérer les informations sur les propriétés. Étape 3 : une requête HTTP est effectuée pour interroger les données des propriétés. Étape 4 : les résultats précédents sont récupérés pour comparaison. Étape 5 : les résultats sont comparés pour identifier les nouvelles opportunités. Étape 6 : les propriétés sont filtrées pour ne garder que celles à fort potentiel. Étape 7 : les détails des propriétés filtrées sont récupérés. Étape 8 : le contenu des alertes email est formaté et envoyé aux utilisateurs concernés. Étape 9 : des notifications peuvent également être postées sur Slack pour une communication instantanée. Grâce à cette automatisation n8n, les entreprises peuvent gagner du temps, réduire les risques d'oubli d'opportunités et améliorer leur réactivité sur le marché.