Ressources · Intégration n8n

Nœud Guardrails n8nConfigurer Guardrails dans n8n.

Guardrails pose un filtre entre tes utilisateurs et tes étapes IA. Le nœud Guardrails n8n propose 2 opérations, un port Chat Model et une liste de 9 garde-fous, des données personnelles aux tentatives de contournement. Pratique dès qu'un workflow lit du texte écrit par quelqu'un d'autre.

Tester le nœud Guardrails sur n8nVoir les 2 opérations

Avis vérifiés sur Trustpilot · Agence IA, automatisation & growth

Pourquoi automatiser

À quoi sert vraiment le nœud Guardrails n8n ?

Le nœud Guardrails joue le rôle de poste de contrôle autour d'une étape IA. Il lit un texte, le passe dans les garde-fous que tu as activés, puis envoie l'item vers la branche Fail ou renvoie une version du texte où les passages sensibles ont été remplacés. Tout se joue dans le workflow, sur l'item qui vient d'arriver, et la suite dépend de ce que tu branches derrière.

Premier cas : un formulaire de demande de devis dont les réponses partent vers un assistant. Avant que le texte n'atteigne l'AI Agent, l'opération Check Text for Violations tourne avec Jailbreak et Topical Alignment activés. Un message qui essaie de détourner l'assistant de sa mission sort par la branche Fail. Ces deux garde-fous s'appuient sur un modèle, c'est-à-dire un sous-nœud de type modèle de chat raccordé à l'entrée Model.

Deuxième cas : une boîte mail qui alimente un tableau. Le texte récupéré depuis Gmail passe par Sanitize Text avec Personal Data (PII) et Secret Keys, et ce qui arrive dans Google Sheets n'a plus de numéro de téléphone, de numéro de carte ni de clé d'API en clair : chaque valeur détectée est remplacée par un marqueur. La ligne reste lisible, ce qui est exactement l'intérêt du masquage par rapport au blocage.

Troisième cas : le sens inverse. Un texte généré par le modèle repasse dans le nœud avant d'être publié dans Slack. Avec URLs activé, chaque lien absent de Block All URLs Except compte comme une violation, et Block userinfo écarte les liens qui transportent des identifiants.

Quand choisir autre chose. Les garde-fous Keywords et Custom Regex font de la reconnaissance de motifs, pas du raisonnement : une liste de mots séparés par des virgules ou une expression régulière suffisent souvent, et rien n'est envoyé à un fournisseur de modèle. Les garde-fous Jailbreak, NSFW, Topical Alignment et Custom réclament le port Chat Model, et le fournisseur facture ses appels d'API selon ses propres conditions.

Les limites à connaître avant de construire. Le nœud travaille sur du texte, une chaîne à la fois, prise dans le champ Text To Check. Sanitize Text n'ouvre qu'une partie de la liste : les garde-fous qui détectent les URL, les expressions régulières, les clés secrètes et les données personnelles. Les seuils vont de 0.0 à 1.0, donc un garde-fou rend un niveau de confiance, jamais une vérité : teste sur tes propres exemples avant de figer une valeur. Cette page décrit la version 2 du nœud, un workflow ancien peut en afficher moins. Pour prendre le nœud en main dans un contexte complet, il y a la Formation n8n.

Connexions

Qu'est-ce qu'on branche sur le nœud ?

Guardrails est un nœud racine : il reste dans le flux principal, et un sous-nœud vient se raccorder à son port pour faire le travail du modèle. Le raccordement se fait sur le canevas, donc le sous-nœud n'apparaît jamais dans le panneau des paramètres.

Ports (ce qui se branche)

  • Chat Modelai_languageModelrequis
01Chat ModelCe port porte le modèle qui évalue les garde-fous basés sur un LLM : Jailbreak, NSFW, Topical Alignment et Custom. Sans lui, ces contrôles n'ont rien pour juger le texte.

Ce port porte le modèle qui évalue les garde-fous basés sur un LLM : Jailbreak, NSFW, Topical Alignment et Custom. Sans lui, ces contrôles n'ont rien pour juger le texte.

Paramètres clés

  • Required : l'opération Check Text for Violations exige un modèle de chat ici dès qu'un garde-fou basé sur un LLM est activé.
  • OpenAI Chat Model ou Anthropic Chat Model : le réflexe quand tu as déjà un credential chez l'un des deux, c'est-à-dire des identifiants enregistrés dans n8n.
  • Ollama Chat Model : le choix quand le texte contrôlé ne doit pas quitter tes machines.
  • Google Gemini Chat Model : une autre option hébergée, raccordée de la même façon.
Cas d'usage
un chat public où le contrôle de contournement tourne sur chaque message avant la rédaction de la réponse.
Actions

Que sait faire le nœud avec ton texte ?

Le nœud Guardrails expose 2 opérations. Pour chacune : le nœud tel que tu le configures dans n8n, les champs obligatoires, et nos notes de terrain.

01

Check text for violations

classify

Ce que tu vois dans n8n

Notes & cas d'usage

Passe l'ensemble des garde-fous sur une chaîne et trie l'item : ce qui est propre continue, ce qui est signalé part par la branche Fail.

Paramètres clés

  • Text To Check : la chaîne examinée, en général reprise d'un nœud précédent avec une expression du type {{ $json.message }}.
  • Jailbreak : repère les tentatives de contourner les mesures de sécurité du modèle, avec un Threshold entre 0.0 et 1.0, plus la valeur monte plus le contrôle est strict.
  • Topical Alignment : un Prompt décrit le périmètre autorisé, et tout ce qui s'en écarte est signalé.
  • Keywords : une liste de mots séparés par des virgules, comparée sans appeler de modèle.
Cas d'usage
filtrer chaque question d'un formulaire public avant qu'un assistant y réponde.
02

Sanitize text

sanitize

Ce que tu vois dans n8n

Notes & cas d'usage

Laisse l'item poursuivre sa route et réécrit les passages à risque au lieu de les bloquer : chaque valeur détectée devient un marqueur, le texte reste exploitable derrière.

Paramètres clés

  • Text To Check : la chaîne à masquer, souvent le corps d'un message récupéré plus tôt dans l'exécution.
  • Personal Data (PII) : Type sur All balaie toutes les entités, sur Selected tu choisis dans une liste, par exemple CREDIT_CARD, EMAIL_ADDRESS ou PHONE_NUMBER.
  • Secret Keys : Permissiveness règle la sévérité de la détection, Strict, Balanced ou Permissive.
  • Custom Regex : le Name donné au motif sert de marqueur écrit à la place du texte trouvé.
Cas d'usage
nettoyer des emails de support avant de les archiver dans un tableau partagé.
Besoin d'aide

Besoin d'aide pour automatiser Guardrails avec n8n ?

L'équipe te répond directement.

Chaque message est lu par une personne.

FAQ

Les questions fréquentes sur Guardrails dans n8n

01Le nœud Guardrails est-il inclus dans n8n, sur Cloud comme en auto-hébergé ?
Oui. Guardrails fait partie du paquet IA livré avec n8n : rien à installer, rien à payer en plus côté n8n, que tu sois sur n8n Cloud ou sur une instance que tu héberges toi-même. Le workflow se comporte pareil dans les deux cas. Le seul coût possible ne vient pas de n8n : les garde-fous basés sur un modèle envoient une requête au fournisseur branché sur le port Chat Model, et ce fournisseur facture ses propres appels d'API selon ses conditions. Les garde-fous qui reposent sur des mots-clés ou une expression régulière n'appellent aucun modèle, donc ils ne coûtent rien de ce côté.
02Que faut-il configurer avant de lancer le nœud Guardrails n8n ?
Rien côté compte. Le nœud n'a ni credential, c'est-à-dire un jeu d'identifiants enregistré dans n8n, ni sélecteur d'authentification : aucune clé à coller avant la première exécution. Ce dont il a besoin dépend des garde-fous activés. Keywords et Custom Regex fonctionnent seuls. Jailbreak, NSFW, Topical Alignment et Custom s'appuient sur un modèle, donc il faut raccorder un sous-nœud de type modèle de chat à l'entrée Model, et c'est ce sous-nœud qui porte les identifiants du fournisseur. Une fois le modèle branché, tous les garde-fous basés sur un LLM s'en servent.
03Quelles sont les limites du nœud Guardrails ?
Il traite du texte, une chaîne à la fois, prise dans le champ Text To Check : tout ce que tu veux contrôler doit donc y être mappé au préalable. Sanitize Text ne donne pas accès à toute la liste, seulement aux garde-fous qui détectent les URL, les expressions régulières, les clés secrètes et les données personnelles, et il remplace ce qu'il trouve par des marqueurs au lieu d'arrêter l'item. Les contrôles basés sur un modèle renvoient un niveau de confiance comparé à un Threshold compris entre 0.0 et 1.0, donc un texte limite peut passer ou non selon ton réglage. Cette page décrit la version 2 du nœud.
04Que faut-il brancher au minimum, et par quel sous-nœud commencer ?
Au minimum un modèle de chat sur l'entrée Model, dès qu'un garde-fou basé sur un LLM est actif. Un sous-nœud est un petit nœud qui ne s'exécute jamais seul : il ne travaille que pendant l'exécution du nœud auquel il est raccordé. OpenAI Chat Model et Anthropic Chat Model sont les plus simples pour démarrer si tu as déjà des identifiants chez l'un des deux. Google Gemini Chat Model se branche pareil. Si le texte ne doit pas sortir de ton infrastructure, Ollama Chat Model garde l'évaluation en local. Active un garde-fou, regarde le résultat sur tes exemples, puis ajoute les autres.
05n8n ou Make pour ajouter des garde-fous à un workflow IA ?
La question porte sur l'hébergement et sur la forme du coût. Make ne tourne que sur sa plateforme hébergée et facture à l'opération, ce qui est prévisible et ne demande aucun serveur de ton côté. n8n tourne sur n8n Cloud ou sur tes propres machines, donc un contrôle de texte sensible peut rester dans ton réseau, et avec un modèle local sur le port Chat Model rien n'en sort du tout. Les deux se construisent visuellement. Si n8n est déjà en place, Guardrails est un nœud de plus sur le même canevas, juste à côté de l'étape qu'il protège.
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