Guide complet pour créer votre propre flux de travail IA avec n8n : zéro abonnement, exécution locale, jouez avec 400+ nœuds IA

Pourquoi construire sa propre plateforme d'automatisation IA ?

En 2026, l'IA s'est infiltrée dans chaque recoin du développement. Mais la plupart des gens l'utilisent encore de la même façon : « Ouvrir ChatGPT → copier-coller → agir manuellement ». C'est fondamentalement inefficace.

La vraie utilisation efficace de l'IA passe par les flux de travail automatisés : laisser l'IA surveiller les logs, classer les e-mails, générer des résumés automatiquement. Et pour y arriver, vous n'avez pas besoin de payer des centaines de dollars par mois à Zapier.

Les limites de Zapier : cher, données transitant à l'étranger, modèles verrouillés

Les avantages de n8n : open source, 1500+ intégrations, IA native

n8n est une plateforme d'automatisation de workflows sous licence Fair-Code, avec plus de 50 000 étoiles sur GitHub, classée parmi les Top projets IA open source 2026 par ByteByteGo.

Ses principaux atouts :

• AI-Native : nœuds IA intégrés (OpenAI, Anthropic, Ollama, LangChain), aucune configuration supplémentaire
• 1500+ intégrations : GitHub, Slack, Feishu, DingTalk, Google Sheets, PostgreSQL, Redis… couvre à peu près tous les services populaires
• Canvas visuel : édition de nœuds par glisser-déposer, avec aussi la possibilité d'écrire du JavaScript/Python personnalisé
• Auto-hébergement : un seul commande Docker et c'est parti, vous maîtrisez vos données
• 9000+ modèles de workflow : la communauté officielle propose de nombreux workflows directement importables

Qu'est-ce que n8n ? Pourquoi cartonne-t-il en 2026 ?

Du « Zapier open source » à la plateforme de flux de travail IA

Au départ, n8n était surnommé le « Zapier open source ». Mais en 2026, il est devenu une véritable plateforme de flux de travail IA. Ses capacités clés :

1. Orchestration visuelle de workflows : connectez des nœuds par glisser-déposer, pas besoin de coder pour créer des流程 complexes
2. Nœuds Agent IA : cycle « réflexion-action-observation », l'IA décide elle-même de l'étape suivante
3. Intégration native LangChain : construisez du RAG, des conversations multi-agents, des appels d'outils et autres modes avancés
4. Human-in-the-loop : approbation humaine aux nœuds critiques, pour garder le contrôle sur les actions de l'IA
5. Support MCP : connectez-vous au Model Context Protocol pour étendre les capacités de perception de l'IA

Architecture centrale et points forts

┌─────────────────────────────────────┐
│         Moteur de workflow n8n      │
│  ┌─────────┐  ┌─────────┐          │
│  │ Déclencheur│→ │ Nœud de  │→ ... → │  ┌──────┐
│  │(Cron/Webhook)│ (IA/Code/API) │    │ Sortie │
│  └─────────┘  └─────────┘        │  └──────┘
│                                     │
│  ┌─────────── Nœuds IA intégrés ───┐│
│  │ Ollama │ OpenAI │ Claude │ Gemini││
│  │ Agent LangChain │ Recherche │ ...││
│  └─────────────────────────────────┘│
└─────────────────────────────────────┘

Que signifie la licence Fair-Code ?

n8n utilise la Sustainable Use License (licence d'utilisation durable), qui relève du Fair-Code :

• ✅ Code source visible, auto-hébergement possible
• ✅ Utilisation gratuite pour les particuliers et petites équipes
• ❌ Impossible de le vendre directement comme produit SaaS
• ✅ Les entreprises peuvent acheter une licence Enterprise pour des fonctionnalités supplémentaires

Pour les développeurs individuels et les petites équipes, c'est totalement gratuit.

Mise en place : Docker + n8n

Déploiement en une ligne de n8n

Le plus rapide est d'utiliser Docker avec une seule commande :

# Créer un volume persistant
docker volume create n8n_data

# Lancer n8n
docker run -it --rm --name n8n \
  -p 5678:5678 \
  -v n8n_data:/home/node/.n8n \
  docker.n8n.io/n8nio/n8n

Après le démarrage, rendez-vous sur http://localhost:5678. Vous verrez la page d'accueil de n8n. La première visite vous demandera de créer un compte utilisateur (stocké localement, aucune connexion internet requise).

Configuration Docker Compose (recommandé)

Pour la production, utilisez Docker Compose et déployez Ollama en même temps :

# docker-compose.yml
version: "3.8"

services:
  n8n:
    image: n8nio/n8n:latest
    restart: always
    ports:
      - "5678:5678"
    environment:
      - N8N_HOST=localhost
      - N8N_PORT=5678
      - N8N_PROTOCOL=http
      - WEBHOOK_URL=http://localhost:5678
      - EXECUTIONS_DATA_PRUNE=true
      - EXECUTIONS_DATA_MAX_AGE=168
    volumes:
      - n8n_data:/home/node/.n8n
    extra_hosts:
      - "host.docker.internal:host-gateway"

volumes:
  n8n_data:

Lancement :

docker compose up -d

Première visite et initialisation

1. Ouvrez votre navigateur et allez sur http://localhost:5678
2. Créez un compte administrateur local (nom d'utilisateur, mot de passe, stocké uniquement en local)
3. Arrivez sur l'interface principale : vous verrez un espace de travail vide
4. Cliquez sur « Workflows » à gauche → « New » pour créer votre premier workflow

Connecter l'IA locale : n8n + Ollama

La plus grande force de n8n en matière d'IA est son support des modèles locaux. Grâce à Ollama, vous pouvez appeler directement des grands modèles open source locaux dans vos workflows n8n, sans que vos données ne quittent votre réseau.

Installer Ollama

Si Ollama n'est pas encore installé, une seule commande suffit :

curl -fsSL https://ollama.com/install.sh | sh

Après l'installation, récupérez un modèle utile :

# Récupérer Llama 3 de Meta (8B paramètres, ~4,7 Go)
ollama pull llama3

# Ou Qwen 2.5 d'Alibaba (meilleur en chinois)
ollama pull qwen2.5

# Vérifier
ollama list

💡 Si vous avez déjà déployé Ollama et voulez plus de détails, consultez notre article Guide complet de déploiement local de LLM avec Ollama.

Configurer n8n pour se connecter à Ollama

Astuce clé : n8n tourne dans un conteneur Docker, tandis qu'Ollama tourne sur l'hôte. Il faut utiliser host.docker.internal pour atteindre l'hôte.

Dans l'éditeur n8n, ajoutez un nœud Ollama :

1. Glissez un nœud Ollama sur le canvas
2. Cliquez sur le nœud → « Create New Credential »
3. Configurez la connexion : - Base URL : http://host.docker.internal:11434 - Le reste par défaut
4. Cliquez sur « Test » pour vérifier la connexion

Si ça marche, vous verrez la liste des modèles disponibles.

Choisir le bon modèle

Cas pratique 1 : Rapport quotidien d'analyse des logs système

Un scénario 100 % automatisé : chaque matin à 9 h, n8n lit les logs système, analyse les anomalies avec Ollama, et envoie un résumé sur Feishu ou DingTalk.

Conception du workflow

Cron (chaque jour à 9h00) → Exécuter commande shell (lire les logs) → Ollama (analyser les anomalies) → Notification Feishu

Configuration des nœuds

Étape 1 : Déclencheur Cron

Ajoutez un nœud « Schedule Trigger » : - Trigger Times : sélectionnez « Every Day » - Hour : 9 - Minute : 0

Étape 2 : Lire les logs (nœud Execute Command)

Ajoutez un nœud « Execute Command » pour lire les logs système de la dernière heure :

# Lire les 200 dernières lignes du log système
journalctl -u nginx --since "1 hour ago" --no-pager 2>&1 | tail -200

Remarque : pour lire les logs de l'hôte, il faut monter le répertoire des logs de l'hôte dans le conteneur via docker-compose, ou utiliser un nœud SSH pour l'exécution distante.

Étape 3 : Nœud d'analyse Ollama

Ajoutez un nœud « Ollama » :

• Model : qwen2.5 (meilleure capacité d'analyse en chinois)
• Prompt :

Tu es un expert en administration système. Analyse les logs suivants et identifie les erreurs, avertissements et anomalies.
Affiche le résultat dans ce format :

## Résumé des anomalies
- Erreurs critiques : X
- Avertissements : X
- Informations : X

## Problèmes clés
1. [Description du problème] — Action suggérée
2. [Description du problème] — Action suggérée

Réponds en chinois.

Étape 4 : Envoyer la notification

Selon l'outil utilisé par votre équipe, choisissez le nœud correspondant :

• Feishu : nœud « Feishu », configurez l'URL du Webhook
• DingTalk : nœud « DingTalk »
• Slack : nœud « Slack »
• E-mail : nœud « Email » (SMTP)

Démonstration du résultat

Une fois le workflow exécuté, vous recevrez sur Feishu ou DingTalk un message de ce type :

📊 Rapport d'analyse des logs système — 2026-07-30 09:00

## Résumé des anomalies
- Erreurs critiques : 2
- Avertissements : 5
- Informations : 120

## Problèmes clés
1. ❌ Nginx 502 Bad Gateway (2 fois) — Vérifiez que le service backend fonctionne
2. ⚠️ Utilisation disque supérieure à 80 % — Nettoyez les fichiers de log

Propulsé par n8n + Ollama Qwen 2.5

Résultat : chaque matin, 5 secondes pour scanner la notification et l'état de votre serveur est sous contrôle.

Cas pratique 2 : Classification intelligente des e-mails par IA et traitement automatique

Recevoir des dizaines d'e-mails par jour et les classer manuellement ? Trop chronophage. Construisez avec n8n un gestionnaire d'e-mails IA qui juge l'importance de chaque message et agit en conséquence.

Conception du workflow

Polling IMAP (nouvel e-mail) → Lire le contenu → Classification Ollama → Branchement conditionnel
→ Urgent → Notification Slack + marquage
→ Normal → Réponse automatique type
→ Spam → Suppression directe

Configuration des nœuds

Étape 1 : Déclencheur IMAP

Ajoutez un nœud « Email Trigger (IMAP) » : - Credentials : configuration IMAP de votre boîte (163, QQ, Gmail, etc.) - Check Interval : toutes les 5 minutes - Folder : INBOX

Étape 2 : Nœud de classification Ollama

Ajoutez un nœud Ollama pour lire et classer l'e-mail :

• Model : qwen2.5
• Prompt :

Tu es un assistant de classification d'e-mails. Analyse le contenu ci-dessous et détermine sa catégorie et sa priorité.
Affiche uniquement une ligne JSON, rien d'autre :

{
  "category": "urgent/normal/spam/marketing/notification",
  "priority": 1-5,
  "summary": "résumé en une phrase",
  "suggested_action": "répondre/notifier/ignorer"
}

---
Objet de l'e-mail : {{ $json.subject }}
Contenu : {{ $json.text }}
Expéditeur : {{ $json.from }}

Étape 3 : Branchement conditionnel

Ajoutez un nœud « IF » pour router selon la sortie d'Ollama :

• Condition : {{ $json.output.category === "urgent" }} → branche de traitement urgent
• Par défaut → branche normal/spam

Étape 4 : Notification urgente

La branche urgente se connecte à un nœud Slack ou Feishu pour envoyer une alerte :

🚨 E-mail urgent : {{ $json.output.summary }}
Expéditeur : {{ $json.from }}
À traiter immédiatement !

Résultat

Plus besoin de consulter sa boîte mail toutes les cinq minutes. Les e-mails importants notifient en quelques secondes sur votre messagerie instantanée, les spams sont filtrés automatiquement, les e-mails normaux reçoivent une réponse automatique du type « Bien reçu, nous traiterons dans les meilleurs délais ». Le temps de traitement quotidien passe de 30 minutes à 5 minutes.

Cas pratique 3 : Agrégation de contenu RSS + génération de résumés IA

Si vous créez du contenu technique et devez suivre plusieurs sources d'information chaque jour, ce workflow récupère automatiquement les flux RSS, génère des résumés en chinois et les exporte dans un tableau.

Conception du workflow

Déclencheur RSS → Extraction HTML (texte intégral) → Résumé Ollama → Traduction en chinois → Écriture dans Google Sheets

Configuration des nœuds

Étape 1 : Déclencheur RSS

Ajoutez un nœud « RSS Feed Trigger » : - URL : l'adresse RSS qui vous intéresse, par exemple Hacker News (https://hnrss.org/frontpage) - Poll Interval : toutes les heures

Étape 2 : Extraction HTML

Ajoutez un nœud « HTML Extract » pour extraire le corps de l'article : - Selector : article ou main ou body - Return Values : text (format texte brut)

Étape 3 : Nœud de résumé Ollama

Ajoutez un nœud Ollama :

• Model : qwen2.5
• Prompt :

Résume le contenu essentiel de l'article suivant en 3 à 5 phrases. Exigences :
1. Conserver la précision des détails techniques
2. Mettre en avant les données et conclusions clés
3. Rédiger en chinois

Titre : {{ $json.title }}
Contenu : {{ $json.extractedText }}

Étape 4 : Écriture dans Google Sheets

Ajoutez un nœud « Google Sheets » : - Operation : Append - Sheet ID : l'identifiant de votre Google Sheet - Columns : Date, Titre, Résumé, Lien original

Résultat

Chaque exécution ajoute automatiquement une ligne dans votre Google Sheets :

Ce workflow est idéal pour maintenir un rapport technique hebdomadaire ou surveiller l'intelligence sectorielle. À la fin de la semaine, ouvrez le tableau et toutes les infos importantes sont là.

n8n vs autres plateformes

Recommandations :

• Beaucoup d'intégrations SaaS + pas de souci pour le cloud → Zapier
• Développement d'applications IA pures, pas besoin de workflows complexes → Dify
• Monter rapidement un bot IA pour les utilisateurs → Coze
• Workflows personnalisés + IA locale + confidentialité → n8n (recommandé dans cet article)

Avancé : connecter des modèles disponibles en Chine

n8n ne se limite pas à Ollama. Vous pouvez aussi utiliser le nœud HTTP Request pour appeler les API des grands modèles chinois.

API Tongyi Qianwen (通义千问)

1. Obtenez une clé API sur la plateforme Alibaba Cloud Bailian
2. Ajoutez un nœud « HTTP Request » : - Method : POST - URL : https://dashscope.aliyuncs.com/compatible-mode/v1/chat/completions - Authentication : Bearer Token (collez la clé API) - Body :

{
  "model": "qwen-max",
  "messages": [{"role": "user", "content": "votre prompt"}]
}

API DeepSeek

1. Obtenez une clé API sur la plateforme DeepSeek
2. Utilisez le nœud HTTP Request : - URL : https://api.deepseek.com/chat/completions - Configuration similaire à Tongyi Qianwen

Volcano Engine (Doubao / 豆包)

1. Obtenez une clé API sur la plateforme Fangzhou de Volcano Engine
2. Configurez le nœud HTTP Request pour appeler les modèles Doubao

Ces API offrent généralement un quota gratuit, bien moins cher que l'API OpenAI directe.

Résumé

n8n est l'un des outils d'automatisation IA les plus utiles à maîtriser en 2026. Il réduit au minimum la barrière à l'entrée pour « créer son propre flux de travail IA » — une commande Docker pour lancer, du glisser-déposer pour construire des流程 d'automatisation IA complexes.

Récapitulatif rapide

1. Installation : docker run -p 5678:5678 docker.n8n.io/n8nio/n8n
2. Connexion IA : nœud Ollama pour relier des modèles locaux, données 100 % locales
3. Cas pratiques : analyse de logs, classification d'e-mails, agrégation de contenu — 3 modèles de workflow réutilisables
4. Avantages comparatifs : Zapier sans abonnement, Dify avec en plus l'orchestration de workflows, données entièrement locales

Et ensuite ?

• Visitez la bibliothèque de modèles de workflow n8n pour importer des workflows prêts à l'emploi
• Utilisez le Self-Hosted AI Starter Kit pour lancer rapidement toute la stack d'automatisation IA
• Participez aux discussions sur le forum communautaire community.n8n.io