Votre banque de workflows N8N

Ce workflow n8n a pour objectif d'envoyer des rappels de gratitude à des moments définis, en utilisant l'intelligence artificielle d'Azure OpenAI pour générer des messages personnalisés. Dans un contexte où la reconnaissance et la gratitude sont essentielles pour le bien-être des équipes, ce système permet d'instaurer une culture positive au sein des entreprises. Les cas d'usage incluent l'envoi de notes de gratitude aux employés ou aux clients, favorisant ainsi l'engagement et la motivation. Le workflow commence par un déclencheur programmé qui active le processus à des intervalles réguliers. Ensuite, un modèle de langage d'Azure OpenAI génère un message de gratitude basé sur des prompts spécifiques. Ce message est ensuite formaté et envoyé sous forme de note autocollante, permettant une visualisation claire et engageante. Enfin, le message est transmis via une requête HTTP, assurant une diffusion efficace. L'automatisation n8n permet ainsi de réduire le temps consacré à la création manuelle de ces messages tout en augmentant leur impact. En intégrant cette solution, les entreprises peuvent renforcer leur culture d'entreprise et améliorer le moral des équipes.

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 le processus de traitement des candidatures en utilisant l'intelligence artificielle pour analyser les CV. Dans un contexte où les entreprises reçoivent un grand nombre de candidatures, ce workflow permet de simplifier la gestion des CV et d'améliorer l'efficacité des équipes RH. Grâce à l'automatisation n8n, les entreprises peuvent rapidement évaluer les candidatures et notifier les équipes concernées. Étape 1 : le workflow est déclenché par un formulaire de candidature, qui collecte les informations des candidats. Étape 2 : les données du CV sont converties en format JSON pour une analyse plus facile. Étape 3 : l'IA, via le modèle Google Gemini, analyse le CV et attribue une note. Étape 4 : une fois l'analyse terminée, une notification est envoyée aux ressources humaines pour les informer de la réception d'un nouveau CV, ainsi qu'un message de confirmation au candidat. Étape 5 : les informations des candidats sont ensuite enregistrées dans une feuille Google Sheets pour un suivi ultérieur. Ce processus permet non seulement de gagner du temps, mais aussi d'améliorer la qualité des recrutements en s'appuyant sur des analyses basées sur l'IA. En intégrant ce workflow, les entreprises peuvent réduire les erreurs humaines et se concentrer sur les candidats les plus prometteurs.

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 la génération de résumés d'essais en utilisant l'API d'OpenAI. Il est particulièrement utile pour les équipes de recherche, les enseignants ou toute organisation ayant besoin de synthétiser rapidement des textes longs. En intégrant des requêtes HTTP et des traitements de texte, ce workflow permet d'extraire des titres et des contenus d'essais, puis de les résumer efficacement. Étape 1 : le workflow commence par un déclencheur manuel qui permet à l'utilisateur de lancer le processus à tout moment. Étape 2 : il effectue une requête HTTP pour récupérer une liste d'essais à partir d'une URL spécifiée. Étape 3 : les titres des essais sont extraits grâce à un noeud HTML. Étape 4 : une nouvelle requête HTTP est effectuée pour obtenir le texte complet des essais. Étape 5 : les titres sont de nouveau extraits pour être utilisés dans le résumé. Étape 6 : les textes sont ensuite nettoyés et préparés pour le traitement. Étape 7 : le workflow utilise un modèle de langage d'OpenAI pour générer des résumés des essais. En conclusion, cette automatisation n8n permet de gagner un temps précieux et d'améliorer la productivité en facilitant la synthèse d'informations complexes.

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 a pour objectif d'automatiser la collecte et l'analyse des avis Trustpilot à l'aide de l'outil Google Sheets. Dans un contexte où les entreprises cherchent à comprendre la perception de leur marque, ce workflow permet de récupérer des avis en ligne, d'extraire des informations pertinentes et d'analyser le sentiment des clients grâce à l'intelligence artificielle. En intégrant des outils comme OpenAI et DeepSeek, les utilisateurs peuvent obtenir des insights précieux sur la satisfaction client et ajuster leur stratégie en conséquence. Étape 1 : Le workflow commence par un déclencheur manuel qui permet à l'utilisateur de tester le flux. Étape 2 : Ensuite, il utilise un nœud HTTP pour récupérer les avis Trustpilot. Étape 3 : Les avis sont ensuite extraits et traités à l'aide de nœuds d'extraction HTML et d'analyse de sentiment. Étape 4 : Les résultats sont ensuite stockés dans Google Sheets pour une visualisation et un suivi faciles. Ce processus inclut également des nœuds pour gérer les paramètres et limiter le nombre d'éléments traités, garantissant ainsi une efficacité optimale. Les bénéfices business de ce workflow sont multiples. En automatisant la collecte et l'analyse des avis, les entreprises peuvent gagner un temps précieux et réduire les erreurs humaines. De plus, l'analyse de sentiment permet d'identifier rapidement les points d'amélioration et de renforcer la relation client. En intégrant ce type d'automatisation n8n, les entreprises peuvent non seulement améliorer leur réactivité face aux retours clients, mais aussi optimiser leur stratégie marketing en fonction des insights obtenus.

Ce workflow n8n a pour objectif de simplifier la création de liens UTM et de générer des QR codes, tout en programmant des rapports Google Analytics pour les équipes marketing. Dans un contexte où le suivi des performances marketing est essentiel, ce workflow permet d'automatiser des tâches répétitives et de gagner un temps précieux. Les utilisateurs peuvent ainsi se concentrer sur l'analyse des données plutôt que sur la création manuelle de liens et de rapports. Étape 1 : Le déclencheur manuel permet de commencer le processus de création de liens UTM. Étape 2 : Les paramètres UTM sont définis à l'aide du nœud 'Set UTM Parameters For Link'. Étape 3 : Un code JavaScript est exécuté pour créer le lien UTM avec les paramètres spécifiés. Étape 4 : Le lien UTM est ensuite soumis à une base de données via Airtable, garantissant un stockage organisé. Étape 5 : Un QR code est généré à partir du lien UTM créé, facilitant son partage. Enfin, le workflow inclut un déclencheur programmé pour envoyer des rapports Google Analytics à un responsable marketing, permettant ainsi une analyse continue des performances. Les bénéfices business de cette automatisation n8n sont multiples : réduction des erreurs humaines, gain de temps significatif dans la création de liens et de rapports, et une meilleure visibilité sur les performances marketing grâce à des données analysées de manière régulière. En intégrant ces processus dans un workflow automatisé, les équipes peuvent améliorer leur efficacité et leur réactivité face aux besoins du marché.

Ce workflow n8n a pour objectif de créer un chatbot AI sur Slack, permettant aux employés d'interagir facilement avec les données de l'entreprise. Grâce à cette automatisation n8n, les utilisateurs peuvent poser des questions et recevoir des réponses instantanées, améliorant ainsi l'efficacité de la communication interne. Le workflow commence par un déclencheur Slack qui capte les messages des utilisateurs. Ensuite, il utilise un agent AI pour traiter ces messages et générer des réponses pertinentes. Les données sont enrichies par des embeddings OpenAI, qui permettent de mieux comprendre le contexte des questions posées. Le système de mémoire simple assure que les interactions précédentes sont prises en compte, offrant ainsi une expérience utilisateur fluide. En parallèle, le workflow utilise des requêtes HTTP pour créer et rafraîchir des collections de données, garantissant que le chatbot dispose toujours des informations les plus récentes. Les résultats sont ensuite envoyés directement dans le canal Slack, permettant une communication rapide et efficace. En intégrant cette solution, les entreprises peuvent réduire le temps passé à chercher des informations et améliorer la satisfaction des employés, tout en optimisant les processus internes.

Ce workflow n8n a pour objectif d'automatiser la recherche de mots-clés sur Google et YouTube, permettant ainsi aux professionnels du marketing digital de gagner du temps et d'optimiser leur stratégie de contenu. En intégrant des outils comme NocoDB et des requêtes HTTP, ce processus facilite la collecte et l'analyse des données de recherche, essentielles pour le référencement. Les utilisateurs peuvent ainsi identifier les mots-clés les plus pertinents pour leur secteur d'activité, ce qui est crucial pour améliorer leur visibilité en ligne. Le déroulé de ce workflow commence par un déclencheur programmé qui active le processus à intervalles réguliers. Ensuite, des requêtes sont envoyées à des API pour récupérer des données sur le volume de recherche et les suggestions de mots-clés, tant pour Google que pour YouTube. Les résultats sont ensuite filtrés et formatés pour être stockés dans NocoDB, où ils peuvent être facilement consultés et analysés. Des étapes de vérification garantissent que seuls les mots-clés disponibles sont ajoutés à la base de données, assurant ainsi la pertinence des informations collectées. En mettant en place cette automatisation n8n, les entreprises peuvent réduire significativement le temps consacré à la recherche de mots-clés, minimiser les erreurs humaines et maximiser l'efficacité de leur stratégie SEO. Cela permet non seulement d'améliorer la qualité du contenu produit, mais aussi d'augmenter le trafic organique et, par conséquent, les opportunités de conversion.

Ce workflow n8n a pour objectif de simplifier la création de chapitres pour vos vidéos YouTube, un outil essentiel pour les créateurs de contenu souhaitant améliorer l'expérience utilisateur. En automatisant ce processus, vous pouvez gagner un temps précieux tout en rendant vos vidéos plus accessibles et organisées. Le workflow commence par un déclencheur manuel, permettant à l'utilisateur de lancer le processus à tout moment. Ensuite, il utilise des requêtes HTTP pour récupérer l'ID des sous-titres et les sous-titres eux-mêmes à partir de l'API YouTube. Une fois les sous-titres extraits, ils sont structurés et analysés à l'aide du modèle Google Gemini, ce qui permet de générer des chapitres pertinents. Les métadonnées de la vidéo sont également récupérées pour assurer une intégration fluide des chapitres. Finalement, le workflow met à jour la description de la vidéo avec les chapitres générés, offrant ainsi une valeur ajoutée significative. Grâce à cette automatisation n8n, les créateurs de contenu peuvent se concentrer sur la création plutôt que sur la gestion des détails techniques.

Ce workflow n8n a pour objectif d'automatiser le processus d'envoi de plusieurs fichiers vers un dépôt GitHub via l'API REST de GitHub. Dans un contexte où la gestion de versions et le partage de fichiers sont cruciaux, cette automatisation permet aux équipes de développement de gagner du temps et d'éviter les erreurs manuelles lors du push de fichiers. Les cas d'usage incluent la mise à jour de documents, le partage de code ou la gestion de ressources dans un projet collaboratif. Étape 1 : Le workflow commence par un déclencheur manuel qui permet à l'utilisateur de lancer le processus. Étape 2 : Il utilise ensuite le noeud 'Get latest commit SHA' pour récupérer le dernier commit du dépôt. Étape 3 : Le noeud 'Get base tree SHA' permet d'obtenir l'arbre de base nécessaire pour créer un nouvel arbre. Étape 4 : Avec le noeud 'Create new tree', le workflow crée un nouvel arbre avec les fichiers à envoyer. Étape 5 : Le noeud 'Create commit' enregistre les modifications dans le dépôt, suivi par le noeud 'Update branch' qui met à jour la branche avec le nouvel arbre. Grâce à cette automatisation n8n, les équipes peuvent réduire les risques d'erreurs et améliorer leur efficacité opérationnelle.