Ressources · Intégration n8n

Nœud Google Vertex Chat Model n8nConfigurer Google Vertex Chat Model dans n8n.

Le nœud Google Vertex Chat Model n8n est la pièce qui parle réellement aux modèles de Google. C'est un sous-nœud : il ne tourne jamais seul et se clipse sur le port Model d'un nœud racine, un AI Agent par exemple. Huit paramètres, de Project ID à Thinking Budget, décident de ce qui revient.

Tester le nœud Google Vertex Chat Model sur n8nVoir les 8 paramètres

Avis vérifiés sur Trustpilot · Agence IA, automatisation & growth

Pourquoi automatiser

À quoi sert le nœud Google Vertex Chat Model n8n ?

Il donne un cerveau à un nœud racine. Dans n8n, un AI Agent ou une chaîne porte la logique du workflow, mais ne produit rien tant qu'aucun modèle de chat ne lui est rattaché, un modèle de chat étant le composant qui transforme un prompt en texte. Ce nœud joue ce rôle, en s'appuyant sur Google Vertex AI. Tu choisis un projet Google Cloud, tu nommes un modèle, tu règles la façon dont la réponse se fabrique.

Premier montage : le tri des demandes entrantes. Un AI Agent lit les messages récupérés dans Gmail, repère l'équipe concernée et prépare un début de réponse. L'agent porte les consignes, ce nœud porte le modèle : avec un modèle Gemini rapide en Model Name, la boucle reste assez légère pour tourner sur chaque message.

Deuxième montage : l'extraction structurée. Une Basic LLM Chain lit une réponse de formulaire écrite en vrac et renvoie des champs propres, qu'un nœud suivant dépose dans Google Sheets. Ici, le Sampling Temperature compte plus que le choix du modèle : proche de zéro, la même saisie donne les mêmes colonnes d'une exécution à l'autre.

Troisième montage : le résumé quotidien. Une chaîne synthétise les tickets de la veille et publie le résultat dans Slack. Le Maximum Number of Tokens est le levier qui garde ce résumé lisible, puisqu'il plafonne la longueur de la complétion.

Quand préférer autre chose. Si la boîte tourne déjà sur une clé OpenAI, le modèle de chat OpenAI se branche sur exactement le même port, avec un credential de moins à gérer (un credential, c'est le jeu d'identifiants enregistré une fois dans n8n). Vertex prend l'avantage quand les données vivent déjà dans Google Cloud et que le projet, les quotas et la facturation doivent y rester. Les deux sont des sous-nœuds : passer de l'un à l'autre, c'est glisser une autre boîte sur le port Model.

Les limites connues. Ce nœud expose les paramètres listés par le catalogue en version 1, pas un de plus : le projet, le modèle, quatre réglages d'échantillonnage, les filtres de sécurité et un budget de réflexion. Sans entrée principale, il n'apparaît jamais au milieu d'une ligne de workflow. Et le fournisseur du modèle facture ses propres appels d'API selon ses conditions, quoi que fasse n8n autour. Un point à peser avant de standardiser toute une équipe dessus, au même titre que ce que raconte l'Avis n8n.

Connexion

Que faut-il brancher avant la première réponse ?

  1. 01

    Ouvrir le projet Google Cloud

    Le nœud réclame un Project ID, donc le côté Vertex AI doit exister avant lui. La personne qui gère le compte Google Cloud choisit le projet qui portera les appels au modèle et leur facturation. Cet identifiant part avec chaque requête envoyée par n8n, et c'est la valeur que tu sélectionnes ou saisis dans le premier paramètre du nœud.

  2. 02

    Créer le credential dans n8n

    L'authentification passe par un credential de compte de service Google, comme l'indique la documentation du nœud. Dans n8n, ouvre le menu Credentials, crée-le une fois, renseigne les informations du compte de service, enregistre. Le credential est stocké au niveau du compte : tous les workflows qui ont besoin d'un modèle Vertex le réutilisent sans redemander de clés.

  3. 03

    Rattacher le nœud à un nœud racine

    Pose le nœud sur le canvas et relie-le au port Model d'un AI Agent, d'une chaîne ou d'un autre nœud racine. Une fois le credential sélectionné, la liste des Project ID se charge depuis le compte Google Cloud, ce qui reste le moyen le plus rapide de vérifier que la connexion tient. Reste à remplir Model Name et à lancer le nœud parent.

Connexions

Où ce nœud vient-il se brancher ?

n8n coupe le travail IA en deux : un nœud racine reçoit les items du workflow et mène la logique, des sous-nœuds se clipsent sur ses ports pour fournir un modèle, une mémoire ou un outil. Celui-ci occupe uniquement l'emplacement du modèle.

Sortie (où il se branche)

  • Modelai_languageModel
01ModelC'est le seul port du nœud, et c'est une sortie : le fil part du modèle de chat pour rejoindre le nœud qui va s'en servir.

C'est le seul port du nœud, et c'est une sortie : le fil part du modèle de chat pour rejoindre le nœud qui va s'en servir.

Paramètres clés

  • Required : un nœud racine doté d’un port Model ne produit aucun texte tant que rien ne le remplit, le fil n’a donc rien d’optionnel.
  • AI Agent : l’accepte dès que le workflow doit décider et appeler des outils, tout comme la variante AI Agent Tool.
  • Basic LLM Chain : l’accepte pour une passe unique sur un prompt, comme Question and Answer Chain sur un document.
  • Auto-fixing Output Parser : en accepte un aussi, et se sert du modèle une seconde fois pour réparer une sortie mal formée.
Cas d'usage
le même modèle Vertex alimente un agent puis, plus loin sur le canvas, le parser qui nettoie ce que cet agent a renvoyé.
Paramètres

Que change chaque paramètre ?

Le nœud Google Vertex Chat Model compte 8 paramètres. Pour chacun : le nœud tel que tu le configures dans n8n, ce que le paramètre change, et nos notes de terrain.

01

Project ID

projectId

Ce que tu vois dans n8n

Notes & cas d'usage

Désigne le projet Google Cloud vers lequel les appels partent et sur lequel ils sont facturés. C'est le seul paramètre requis du nœud, et rien ne s'exécute tant qu'il est vide.

Paramètres clés

  • Project ID : sélectionne ou saisis l'identifiant de ton projet Google Cloud. n8n charge la liste des projets depuis le compte Google Cloud connecté, et la saisie manuelle reste possible quand cette liste est longue.
Cas d'usage
une équipe qui garde un projet bac à sable et un projet de production pointe ses workflows de test vers le premier et ses workflows en service vers le second, sans rien toucher d'autre dans le nœud.
02

Model Name

modelName

Ce que tu vois dans n8n

Notes & cas d'usage

Indique quel modèle génère la complétion. Change cette seule ligne et le même agent répond soudain plus vite, ou réfléchit davantage.

Paramètres clés

  • Model Name : le modèle qui génère la complétion, saisi sous forme de texte, par exemple gemini-1.5-flash-001 ou gemini-1.5-pro-001. La liste des modèles de Google fait référence pour savoir ce que le projet peut appeler.
Cas d'usage
une étape de classification à gros volume tourne sur un modèle flash, pendant que l'étape de rédaction en fin de workflow reçoit un modèle pro. Deux nœuds, deux noms, un seul credential.
03

Maximum Number of Tokens

options.maxOutputTokens

Ce que tu vois dans n8n

Notes & cas d'usage

Plafonne la longueur de la complétion. Un token, c'est à peu près un morceau de mot : ce réglage limite donc le texte qui sort, pas celui qui entre.

Paramètres clés

  • Maximum Number of Tokens : le nombre maximal de tokens générés dans la complétion. À laisser tranquille pour de la rédaction libre, à baisser quand la réponse alimente un champ de taille contrainte.
Cas d'usage
un résumé publié comme message de chat gagne à être plafonné. Un modèle qui se met à énumérer chaque détail transforme la synthèse en pavé que personne ne lit jusqu'au bout.
04

Sampling Temperature

options.temperature

Ce que tu vois dans n8n

Notes & cas d'usage

Décide à quel point le modèle s'autorise à sortir des sentiers battus en choisissant le mot suivant. Plus c'est bas, moins les complétions sont aléatoires ; à l'approche de zéro, le modèle devient déterministe et répétitif.

Paramètres clés

  • Sampling Temperature : contrôle l'aléatoire. Une valeur haute diversifie l'échantillonnage mais augmente le risque d'hallucination, c'est-à-dire d'une affirmation fausse énoncée avec aplomb.
Cas d'usage
tout ce qu'un nœud suivant doit relire veut une valeur basse, pour que deux saisies identiques donnent deux sorties identiques. Des variantes d'accroche pour une newsletter veulent l'inverse.
05

Top K

options.topK

Ce que tu vois dans n8n

Notes & cas d'usage

Réduit le vivier de tokens candidats avant que le modèle en choisisse un, ce qui coupe la longue traîne des réponses peu probables.

Paramètres clés

  • Top K : le nombre de choix de tokens que le modèle utilise pour générer le suivant. La valeur par défaut est -1, qui le désactive complètement : le paramètre ne fait donc rien tant qu'aucune valeur n'est posée.
Cas d'usage
un modèle qui glisse de temps en temps un mot bizarre dans une sortie par ailleurs propre s'assagit une fois la traîne coupée, sans toucher à la créativité du reste.
06

Top P

options.topP

Ce que tu vois dans n8n

Notes & cas d'usage

Autre façon de resserrer le même vivier, cette fois par masse de probabilité plutôt que par nombre. On parle d'échantillonnage par noyau.

Paramètres clés

  • Top P : contrôle la diversité via le nucleus sampling, où 0.5 signifie que la moitié des options pondérées par vraisemblance sont considérées. La recommandation générale est de régler celui-ci ou la température, mais pas les deux.
Cas d'usage
quand les réponses d'un agent partent en vrille et que baisser la température n'a rien donné, c'est le second bouton à essayer. Tourner les deux en même temps rend le comportement impossible à analyser.
07

Safety Settings

options.safetySettings

Ce que tu vois dans n8n

Notes & cas d'usage

Ajuste les filtres que Google applique au contenu généré. Le paramètre est une collection : tu cliques sur Add Option et chaque entrée associe une catégorie à un seuil.

Paramètres clés

  • Safety Category : la catégorie de contenu nuisible à bloquer, parmi HARM_CATEGORY_HARASSMENT, HARM_CATEGORY_HATE_SPEECH, HARM_CATEGORY_SEXUALLY_EXPLICIT et HARM_CATEGORY_DANGEROUS_CONTENT.
  • Safety Threshold : le seuil à partir duquel bloquer, de BLOCK_LOW_AND_ABOVE à BLOCK_ONLY_HIGH, avec BLOCK_NONE qui laisse tout passer et HARM_BLOCK_THRESHOLD_UNSPECIFIED qui le laisse non précisé.
Cas d'usage
un workflow qui résume des signalements d'abus se fait bloquer par les filtres par défaut sur son propre sujet, et réclame un seuil plus permissif sur la catégorie concernée pour fonctionner.
08

Thinking Budget

options.thinkingBudget

Ce que tu vois dans n8n

Notes & cas d'usage

Régit la quantité de raisonnement interne qu'un modèle de type thinking s'autorise avant de répondre. Ces tokens de raisonnement comptent comme les autres.

Paramètres clés

  • Thinking Budget : mets 0 pour désactiver le raisonnement automatique, -1 pour un raisonnement dynamique, et laisse vide pour le mode auto. Il n'agit que sur les modèles qui gèrent le thinking.
Cas d'usage
une étape d'aiguillage qui doit juste choisir entre quelques étiquettes profite rarement d'un raisonnement supplémentaire. Le désactiver garde la latence basse sur la branche la plus fréquentée.
Besoin d'aide

Besoin d'aide pour automatiser Google Vertex Chat Model avec n8n ?

L'équipe te répond directement.

Chaque message est lu par une personne.

FAQ

Les questions qui suivent

01Le nœud Google Vertex Chat Model est-il inclus dans n8n ?
Oui. Il fait partie du paquet IA livré avec n8n : rien à installer, rien de plus à payer côté n8n, sur n8n Cloud comme sur une instance auto-hébergée en Community Edition sous licence Sustainable Use. Un workflow se comporte pareil dans les deux cas. Le seul coût réel est ailleurs : le fournisseur du modèle facture ses propres appels d'API selon ses conditions, et n8n n'ajoute rien par-dessus. Le nœud ne coûte donc rien en soi, mais les réponses qu'il génère sont facturées par Google sur le projet indiqué dans Project ID.
02Que faut-il pour le faire fonctionner ?
Un projet Google Cloud et un credential. La documentation du nœud renvoie vers un compte de service Google pour l'authentification, que tu crées une fois dans le menu Credentials de n8n et que tu réutilises ensuite partout. Il faut aussi un nœud racine sur lequel le rattacher, puisque c'est un sous-nœud : sans entrée principale, il ne s'exécute jamais tout seul. Relie-le au port Model d'un AI Agent ou d'une chaîne, sélectionne le credential, puis remplis Project ID et Model Name. Ces deux paramètres sont les seuls à toucher avant un premier essai.
03Quelles limites a le nœud Google Vertex Chat Model n8n ?
Il fait une chose et propose huit paramètres pour l'affiner : le projet, le nom du modèle, puis le nombre maximal de tokens, la température d'échantillonnage, Top K, Top P, les réglages de sécurité et le budget de réflexion. Tout ce qui sort de cette liste n'est pas configurable depuis le nœud. Il ne peut pas non plus se placer au milieu d'une ligne de workflow, faute d'entrée principale, et il ne produit rien si on l'exécute seul. La page décrit la version 1 du nœud telle qu'elle figure au catalogue : un workflow ancien peut afficher une version avec moins d'options.
04Que brancher au minimum, et par quel nœud racine commencer ?
Au minimum, un fil et un credential. Le fil relie ce nœud au port Model d'un nœud racine, le credential lui ouvre l'accès à Vertex AI. Rien d'autre n'est obligatoire : mémoire, outils et output parsers sont des sous-nœuds distincts, chacun sur son port, qu'on ajoute plus tard. Pour débuter, une Basic LLM Chain est plus douce, puisqu'elle envoie un prompt et renvoie une réponse, ce qui montre tout de suite si le modèle répond. On passe à un AI Agent quand le workflow a besoin que le modèle choisisse entre plusieurs actions au lieu de simplement rédiger.
05n8n ou Make pour ce cas ?
Ça dépend de l'endroit où les données doivent vivre et de la façon dont tu veux payer. Make est hébergé par Make, sans option d'auto-hébergement, et se facture à l'opération, ce qui convient aux équipes qui ne veulent rien administrer. n8n s'auto-héberge ou s'utilise sur n8n Cloud, avec le même workflow des deux côtés, ce qui pèse quand le projet Google Cloud et ses données doivent rester sous contrôle interne. La logique visuelle diffère aussi : n8n traite le modèle IA comme un sous-nœud rattaché à un nœud racine, donc comme une pièce interchangeable plutôt qu'un réglage enfoui dans une étape.
Hack'celeration Lab

Reçois nos tips intégration chaque semaine.

Pas de spam. Désinscription à tout moment.

Même plateforme

Autres docs utiles sur ce stack.

Voir toutes les intégrations