Nœud Embeddings Ollama n8nConfigurer Embeddings Ollama dans n8n.
Un embedding, c'est du texte transformé en chiffres pour qu'une IA compare du sens, pas des mots. Le nœud Embeddings Ollama n8n fabrique ces vecteurs avec un modèle servi par Ollama, n'expose qu'un paramètre et se branche sur le port embeddings d'un nœud racine. Pour qui monte sa recherche documentaire en local.
Avis vérifiés sur Trustpilot · Agence IA, automatisation & growth
À quoi sert le nœud Embeddings Ollama n8n ?
Le nœud Embeddings Ollama convertit du texte en embeddings, ces suites de nombres qui rapprochent deux contenus quand ils veulent dire la même chose, même écrits différemment. Il délègue le calcul à un modèle servi par Ollama. C'est un sous-nœud : il n'a pas d'entrée principale, il ne tourne jamais seul, il se raccroche au port embeddings d'un nœud racine qui décide du moment où il s'exécute.
Premier cas : la documentation interne qui ne doit sortir de nulle part. Un chargeur de documents découpe les procédures en morceaux, le nœud vectorise chaque morceau avec le modèle choisi dans Model, et un vector store, une base conçue pour ranger et retrouver des vecteurs, garde le résultat. Les trois templates publiés qui embarquent ce nœud suivent tous ce schéma, à commencer par le chatbot local monté autour d'Ollama et de Qdrant.
Deuxième cas : répondre à des questions à partir de cette base. Le même nœud doit resservir au moment de la question, sinon rien n'est comparable : une question et un extrait ne se ressemblent que s'ils ont été vectorisés par le même modèle. Branche-le sur le store interrogé par un AI Agent et l'agent va chercher des passages au lieu d'improviser.
Troisième cas : un workflow réparti. La recherche reste chez toi via Ollama pendant que la conversation part sur un modèle hébergé, exactement ce que fait le template qui associe ce nœud à un modèle de chat OpenAI. Tes vecteurs ne bougent pas, seuls les prompts partent.
Quand préférer autre chose ? Dès qu'il n'y a pas de serveur Ollama en face. Ce nœud ne parle qu'à Ollama : l'alternative, c'est un fournisseur qui facture ses propres appels d'API, à mettre en balance avec le temps passé à faire tourner le modèle soi-même. L'Avis n8n détaille le volet auto-hébergement, et la Formation n8n passe par la construction du store.
Deux limites à connaître avant de construire. Le nœud n'expose qu'un paramètre, donc ni taille de lot, ni délai d'attente, ni relance à régler ici. Et le choix du modèle t'engage : en changer plus tard rend inutilisables les vecteurs déjà stockés, qui n'ont pas le même nombre de dimensions. Il faut tout réindexer.
Qu'est-ce qu'il faut préparer avant le premier run ?
- 01
Télécharger le modèle dans Ollama
Le nœud ne récupère aucun modèle tout seul. Le modèle d'embedding doit déjà être présent sur ton serveur Ollama, tiré depuis la bibliothèque de modèles Ollama que la description du paramètre indique. Tant qu'il n'y est pas, Model ne pointe sur rien d'exploitable et l'exécution casse dès le premier morceau de texte à vectoriser.
- 02
Créer le credential Ollama dans n8n
Ce nœud s'authentifie auprès de ton serveur Ollama : il lui faut donc un credential, c'est-à-dire un jeu d'identifiants enregistré dans n8n. Crée-le une fois depuis le menu Credentials, en suivant la page credential Ollama de la documentation n8n pour les valeurs exactes à saisir. Une fois enregistré, il se réutilise dans tous les workflows qui touchent à Ollama.
- 03
Rattacher le credential et tirer la connexion
Pose le nœud sur le canevas, sélectionne le credential créé juste avant, puis choisis le modèle dans Model. Reste la connexion : tire la sortie
ai_embeddingvers l'emplacement embeddings d'un nœud racine. Un sous-nœud sans parent reste inerte, credential valide ou pas.
Sur quoi ce sous-nœud se branche-t-il ?
Les nœuds IA de n8n fonctionnent par paires : un nœud racine reçoit les items du workflow, des sous-nœuds viennent se brancher sur ses ports, un type de sous-nœud par port. Celui-ci est un sous-nœud, il n'a donc qu'une sortie.
Sortie (où il se branche)
- Embeddings
ai_embedding
01Embeddings
Voilà le port que le nœud propose à un nœud racine qui a besoin de transformer du texte en vecteurs. La connexion part d'ici et remonte vers l'emplacement embeddings du parent, qui appelle le nœud à chaque contenu à indexer ou à chaque question à rapprocher.
Paramètres clés
- Required : sans parent, aucun sous-nœud ne s'exécute. Un Embeddings Ollama laissé de côté sur le canevas ne sera jamais appelé par une exécution.
Quel paramètre y a-t-il vraiment à régler ?
Le nœud Embeddings Ollama compte un paramètre. Pour chacun : le nœud tel que tu le configures dans n8n, ce que le paramètre change, et nos notes de terrain.
Model
modelCe que tu vois dans n8n
Notes & cas d'usage
Un seul réglage dans ce nœud : le modèle Ollama qui produit l'embedding. Ce choix fixe la forme de tous les vecteurs que tu vas générer, autant le trancher avant d'indexer quoi que ce soit.
Paramètres clés
- Model : requis, à prendre dans une liste.
all-minilmsort des vecteurs de 384 dimensions, l'option la plus légère.nomic-embed-textmonte à 768 dimensions.
all-minilm reste compact et rapide à interroger ; une base où la formulation compte respire mieux en nomic-embed-text. Les modèles se téléchargent d'abord depuis la bibliothèque Ollama, sinon le nœud n'a rien à appeler.Besoin d'aide pour automatiser Embeddings Ollama avec n8n ?
L'équipe te répond directement.
Chaque message est lu par une personne.
Les questions qui viennent après
01Le nœud Embeddings Ollama est-il inclus dans n8n ?
02Quels credentials faut-il pour le nœud Embeddings Ollama n8n ?
03Quelles sont les limites de ce nœud ?
04Que faut-il brancher au minimum, et par quel nœud commencer ?
05n8n ou Make pour une chaîne d'embeddings en local ?
Reçois nos tips intégration chaque semaine.
Pas de spam. Désinscription à tout moment.
