Votre banque de workflows N8N

Ce workflow n8n a pour objectif de faciliter la comparaison de modèles de langage (LLMs) en utilisant OpenAI et Google Sheets. Dans un contexte où les entreprises cherchent à optimiser leurs processus décisionnels grâce à l'intelligence artificielle, ce workflow permet d'automatiser la collecte et l'analyse des résultats de différents modèles de langage. Les cas d'usage incluent l'évaluation des performances des modèles, la génération de rapports et l'intégration des résultats dans des outils de gestion de données comme Google Sheets. Le workflow commence par un déclencheur de type 'When chat message received', qui active le processus dès qu'un message est reçu. Ensuite, les données sont traitées à travers plusieurs nœuds, notamment 'Loop Over Items' pour itérer sur les éléments et 'OpenRouter Chat Model' pour interagir avec le modèle de langage. Les résultats sont ensuite agrégés et résumés grâce aux nœuds 'Concatenate Chat Answers' et 'Group Model Outputs for Evaluation'. Enfin, les résultats sont ajoutés à une feuille Google grâce au nœud 'Add Model Results to Google Sheet'. Les bénéfices de cette automatisation n8n incluent un gain de temps considérable dans la collecte et l'analyse des données, une réduction des erreurs humaines et une meilleure visibilité sur les performances des modèles de langage. En intégrant ces résultats directement dans Google Sheets, les utilisateurs peuvent facilement partager et visualiser les données, ce qui améliore la prise de décision au sein de l'entreprise.

Ce workflow n8n a pour objectif d'automatiser la gestion de l'historique des interactions d'un chatbot via Google Sheets. Dans un contexte où les entreprises cherchent à améliorer leur service client, ce type d'automatisation permet de conserver une trace des échanges, facilitant ainsi l'analyse et l'amélioration continue des réponses fournies par le chatbot. Les cas d'usage incluent la collecte de données pour des rapports, l'analyse des performances du chatbot et l'optimisation des interactions avec les utilisateurs. Le workflow commence par un déclencheur de type Webhook qui reçoit les messages du chatbot. Ensuite, un agent AI traite ces messages grâce au modèle Google Gemini. Les données sont ensuite préparées et enregistrées dans Google Sheets, permettant de garder un historique des conversations. Des notes autocollantes sont également créées pour visualiser les informations clés. Ce processus est complété par des requêtes HTTP pour enrichir les données. Les bénéfices business incluent une meilleure compréhension des besoins des utilisateurs, une optimisation des réponses du chatbot et une réduction du temps consacré à la gestion manuelle des historiques. En intégrant cette automatisation n8n, les entreprises peuvent ainsi améliorer leur efficacité opérationnelle et leur réactivité face aux demandes des clients.

Ce workflow n8n a pour objectif d'automatiser la recherche et la gestion de vidéos sur YouTube, facilitant ainsi la collecte et l'organisation de données vidéo pour les entreprises et les créateurs de contenu. Dans un contexte où la vidéo joue un rôle central dans la stratégie marketing, ce workflow permet de récupérer des informations pertinentes sur les vidéos, d'analyser les données et de les stocker dans une base de données PostgreSQL. Cela s'avère particulièrement utile pour les équipes marketing, les agences de communication et les créateurs de contenu qui souhaitent optimiser leur présence sur YouTube. Le déroulé du workflow commence par un déclencheur manuel, permettant à l'utilisateur de lancer le processus à tout moment. Ensuite, le workflow utilise le nœud 'get_videos' pour récupérer les vidéos de YouTube selon des filtres définis. Les vidéos sont ensuite traitées en plusieurs étapes, incluant la suppression des vidéos courtes avec le nœud 'remove_shorts', et la structuration des données à l'aide de nœuds de code personnalisés. Les données sont ensuite insérées dans une base de données PostgreSQL, où les utilisateurs peuvent facilement les consulter et les analyser. Des vérifications sont effectuées pour s'assurer que les données ne sont pas déjà présentes, ce qui évite les doublons. En intégrant ce workflow, les entreprises peuvent gagner un temps précieux dans la gestion de leur contenu vidéo, tout en améliorant leur efficacité opérationnelle. L'automatisation n8n permet non seulement de réduire les erreurs manuelles, mais aussi d'assurer une mise à jour continue des données, offrant ainsi une valeur ajoutée significative aux équipes marketing et aux créateurs de contenu.

Ce workflow n8n a pour objectif de faciliter le redesign de T-shirts à partir de n'importe quelle image de mockup. Dans un contexte où la personnalisation des produits est de plus en plus demandée, ce processus permet aux entreprises de mode et de design de gagner du temps et d'améliorer leur efficacité. En utilisant des outils d'intelligence artificielle, ce workflow automatise la création de nouveaux designs à partir d'images existantes, ce qui est particulièrement utile pour les équipes de marketing et de création. Le workflow commence par un déclencheur HTTP qui reçoit une image de mockup. Ensuite, l'image est traitée par un agent AI qui génère des suggestions de redesign. Les résultats sont ensuite convertis en fichiers exploitables grâce à un nœud de conversion. Le workflow inclut également des nœuds pour gérer les réponses de l'agent AI et pour envoyer des notifications via des notes autocollantes. En intégrant des modèles de chat OpenAI, ce workflow permet une interaction fluide et intuitive avec les utilisateurs. Les bénéfices business incluent une réduction significative du temps de création et une amélioration de la satisfaction client grâce à des designs plus adaptés aux attentes des utilisateurs. En résumé, ce workflow n8n représente une avancée majeure pour les entreprises souhaitant innover dans le domaine du design textile.

Ce workflow n8n a pour objectif de synchroniser automatiquement les nouveaux clients de Shopify avec les contacts d'Odoo, facilitant ainsi la gestion des données clients pour les entreprises. Dans un contexte où la gestion efficace des contacts est cruciale pour le succès commercial, cette automatisation permet de réduire les erreurs manuelles et d'accélérer le processus d'intégration des clients. Les cas d'usage incluent les entreprises de e-commerce qui utilisent Shopify et Odoo pour gérer leurs opérations. Étape 1 : le déclencheur 'Shopify Trigger' s'active lorsqu'un nouveau client est créé sur Shopify. Étape 2 : un filtre est appliqué pour s'assurer que seules les données pertinentes sont traitées. Étape 3 : le workflow recherche si le contact existe déjà dans Odoo à l'aide du noeud 'Search Odoo Contact'. Étape 4 : si le contact n'est pas trouvé, un nouveau contact est créé grâce au noeud 'Create Contact'. Enfin, le noeud 'Code' permet d'exécuter des scripts personnalisés pour des traitements supplémentaires si nécessaire. En intégrant ces systèmes, les entreprises bénéficient d'une gestion des contacts plus fluide, d'une réduction des doublons et d'une meilleure expérience client, ce qui se traduit par une augmentation de la satisfaction et de la fidélité des clients.

Ce workflow n8n a pour objectif d'automatiser la gestion des réunions sur Zoom en utilisant l'intelligence artificielle. Il permet de récupérer les données des réunions, d'extraire et de formater les transcriptions, puis de créer un résumé qui sera envoyé par email. Ce type d'automatisation est particulièrement utile pour les équipes qui souhaitent gagner du temps dans la prise de notes et le suivi des actions à mener après une réunion. En intégrant des outils comme OpenAI et Zoom, ce workflow facilite la collaboration et améliore l'efficacité des équipes. Le processus commence avec un déclencheur manuel pour tester le workflow. Ensuite, il utilise le nœud Zoom pour obtenir les données de la dernière réunion. Si aucune transcription n'est disponible, le workflow s'arrête avec un message d'erreur. Si une transcription est disponible, le workflow continue par l'extraction du texte, le formatage de celui-ci, et la création d'un résumé via OpenAI. Les participants de la réunion sont également récupérés pour personnaliser le suivi. Enfin, le résumé est envoyé par email, et des tâches peuvent être créées pour assurer le suivi des actions décidées lors de la réunion. Les bénéfices business de ce workflow sont multiples : il réduit le temps passé à prendre des notes, minimise les risques d'oubli des actions à mener, et permet une meilleure communication au sein des équipes. En intégrant cette automatisation n8n, les entreprises peuvent améliorer leur productivité et leur réactivité.

Ce workflow n8n a pour objectif de simplifier la création de formulaires dynamiques en intégrant des capacités d'intelligence artificielle. Il est particulièrement utile pour les entreprises qui souhaitent recueillir des informations précises et pertinentes de la part de leurs clients ou utilisateurs. En utilisant ce workflow, les équipes peuvent automatiser la collecte de données tout en s'assurant que les questions posées sont adaptées aux réponses précédentes, ce qui améliore l'expérience utilisateur. Le processus débute avec le déclencheur 'Get Basic Information', qui permet de récupérer les informations de base nécessaires à la création du formulaire. Ensuite, le noeud 'OpenAI Chat Model' est utilisé pour générer des questions de clarification basées sur les réponses fournies. Les noeuds 'Get Business Overview' et 'Clarification Questions' permettent d'affiner les questions posées, tandis que 'Remove Already Answered Questions' filtre les questions déjà traitées. Après avoir analysé les réponses avec 'Analyse Response', le workflow prépare les données pour la génération du formulaire à l'aide de 'Prepare For Form Generation' et 'Aggregate For Form Generation'. Enfin, le workflow se termine par le noeud 'End Form', qui affiche un message de confirmation à l'utilisateur. Les bénéfices business de ce workflow incluent une collecte de données plus efficace, une réduction des erreurs humaines et une meilleure satisfaction client grâce à une interaction personnalisée. En intégrant ce type d'automatisation n8n, les entreprises peuvent gagner du temps et améliorer leur processus de prise de décision.

Ce workflow n8n a pour objectif de transformer des emails en embeddings vectoriels en utilisant Ollama et PGVector. Dans un contexte où l'analyse de données textuelles devient cruciale pour les entreprises, ce processus permet de structurer et d'extraire des informations pertinentes à partir des emails reçus. Les cas d'usage incluent l'amélioration de la recherche d'informations, la catégorisation automatique des emails et l'optimisation des réponses automatisées. Étape 1 : Le workflow est déclenché par un événement Gmail, permettant de récupérer un lot de messages. Étape 2 : Les emails sont ensuite traités par le noeud 'Extract email fields' pour extraire les informations nécessaires. Étape 3 : Les données sont chargées et divisées en segments gérables grâce au 'Recursive Character Text Splitter'. Étape 4 : Les embeddings sont générés via le noeud 'Embeddings Ollama', qui utilise un modèle spécifique pour transformer le texte en vecteurs. Étape 5 : Les résultats sont stockés dans une base de données PostgreSQL à l'aide des noeuds 'Store structured' et 'Store vectorized'. Ce workflow offre des bénéfices significatifs en permettant une gestion efficace des données, réduisant ainsi le temps consacré à l'analyse manuelle et augmentant la précision des résultats obtenus.

Ce workflow n8n est conçu pour automatiser la gestion de contenu sur les réseaux sociaux, en particulier via Telegram. Il permet aux utilisateurs de générer et de publier automatiquement des messages en utilisant des données extraites de différentes sources, tout en intégrant des outils d'intelligence artificielle. Ce type d'automatisation est particulièrement utile pour les entreprises qui souhaitent maintenir une présence active sur les réseaux sociaux sans y consacrer trop de temps. Le workflow commence par un déclencheur planifié qui active le processus à intervalles réguliers. Ensuite, il utilise le nœud 'Crawl HN Home' pour récupérer des données, suivi de l'extraction des métadonnées avec le nœud 'Extract Meta'. Les éléments non publiés sont filtrés grâce au nœud 'Filter Unposted Items'. Ensuite, le contenu est généré à l'aide du nœud 'Generate Content', qui utilise un modèle d'IA pour créer des messages pertinents. Après validation, le contenu est converti en format Markdown et programmé pour être publié sur Telegram via le nœud 'Ping Me'. Ce workflow offre une solution efficace pour réduire le temps consacré à la création de contenu tout en garantissant une communication régulière avec l'audience. En intégrant des outils comme n8n, les entreprises peuvent améliorer leur efficacité opérationnelle et leur engagement client.

Ce workflow n8n a pour objectif de récupérer l'ensemble des informations d'un élément dans Monday.com, y compris ses sous-éléments et relations. Dans un contexte où la gestion de projet nécessite une visibilité complète sur les tâches et leurs dépendances, ce workflow s'avère particulièrement utile pour les équipes de gestion de projet, les chefs de produit ou toute entreprise utilisant Monday.com pour suivre ses activités. Grâce à cette automatisation n8n, les utilisateurs peuvent facilement obtenir des données consolidées sur leurs projets sans avoir à naviguer manuellement dans l'interface de Monday.com. Le workflow commence par un déclencheur qui exécute le processus. Il utilise plusieurs nœuds pour obtenir toutes les colonnes d'un élément, récupérer les relations associées, et extraire les sous-éléments. Par exemple, l'étape 1 consiste à utiliser le nœud 'GET ALL COLUMNS' pour obtenir les colonnes de l'élément ciblé. Ensuite, le nœud 'PULL LINKEDPULSE1' permet de récupérer les données des éléments liés. Les nœuds de type 'SPLIT' sont utilisés pour séparer les données des sous-éléments et des pulsations liées, facilitant ainsi leur traitement. Les nœuds de fusion permettent d'agréger les informations pour une vue d'ensemble cohérente. En intégrant ce workflow, les entreprises peuvent améliorer leur efficacité opérationnelle en réduisant le temps passé à collecter manuellement des données. Cela réduit également le risque d'erreurs humaines et permet une prise de décision plus rapide et éclairée. En somme, cette automatisation n8n apporte une valeur ajoutée significative en facilitant l'accès à des informations cruciales pour la gestion de projet.

Ce workflow n8n a pour objectif d'automatiser la gestion des commandes Shopify en intégrant les données UTM dans Baserow. Dans un contexte où les entreprises cherchent à optimiser leur suivi des performances marketing, ce processus permet de récupérer quotidiennement les commandes de Shopify et de les structurer pour une analyse approfondie. Grâce à cette automatisation n8n, les équipes marketing peuvent facilement suivre l'efficacité de leurs campagnes et ajuster leurs stratégies en conséquence. Étape 1 : Le workflow commence par un déclencheur programmé qui s'active tous les jours à minuit. Étape 2 : Il récupère ensuite les commandes de Shopify via une requête GraphQL, en utilisant les paramètres d'authentification appropriés. Étape 3 : Les données sont ensuite divisées en éléments individuels pour un traitement plus facile. Étape 4 : Une vérification est effectuée pour déterminer si une campagne est présente dans les données. Si c'est le cas, les informations sont transformées et préparées pour être envoyées à Baserow. Étape 5 : Enfin, les données structurées sont insérées dans la base de données Baserow, permettant ainsi une visualisation et une analyse efficaces. Les bénéfices business de ce workflow incluent une réduction significative des erreurs manuelles, un gain de temps considérable dans le traitement des données et une meilleure visibilité sur les performances des campagnes marketing. En intégrant ces données de manière automatisée, les entreprises peuvent prendre des décisions éclairées basées sur des données précises et à jour.

Ce workflow n8n a pour objectif de faciliter la gestion des NFT sur la plateforme OpenSea en automatisant les interactions avec les agents NFT. Dans un contexte où les entreprises et les particuliers investissent de plus en plus dans les actifs numériques, ce workflow permet de récupérer des informations essentielles sur les comptes, les collections et les NFT eux-mêmes. Les cas d'usage incluent la surveillance des actifs, l'analyse des collections et la gestion des transactions, offrant ainsi une solution complète pour les utilisateurs d'OpenSea. Le workflow débute par un déclencheur d'entrée qui active le flux lorsque des données sont fournies. Ensuite, le "NFT Agent Brain" utilise le modèle de langage d'OpenAI pour traiter les requêtes et interagir avec les autres nœuds. Les nœuds HTTP d'OpenSea sont utilisés pour obtenir des informations sur les comptes, les collections, et les NFT, en envoyant des requêtes spécifiques à l'API d'OpenSea. Par exemple, le nœud "OpenSea Get NFT" permet de récupérer des détails sur un NFT spécifique, tandis que "OpenSea Get Collections" permet d'accéder à l'ensemble des collections d'un utilisateur. Les bénéfices business de ce workflow sont significatifs : il réduit le temps nécessaire pour obtenir des informations sur les NFT, minimise les erreurs humaines et permet une prise de décision plus rapide et éclairée. En intégrant cette automatisation n8n, les utilisateurs peuvent se concentrer sur des tâches à plus forte valeur ajoutée tout en ayant accès à des données précises et à jour sur leurs actifs numériques.