Ressources · Intégration n8n

Nœud Information Extractor n8nConfigurer Information Extractor dans n8n.

Du texte entre, des champs nommés sortent. Le nœud Information Extractor n8n lit un message, un compte rendu ou une page récupérée et renvoie les mêmes clés JSON à chaque exécution. Il expose 3 paramètres, 3 manières de décrire la sortie, et réclame un modèle de chat sur son port.

Tester le nœud Information Extractor sur n8nVoir les 3 paramètres

Avis vérifiés sur Trustpilot · Agence IA, automatisation & growth

Pourquoi automatiser

À quoi sert le nœud Information Extractor n8n ?

Il prend un bloc de texte et rend un objet structuré dont tu choisis les clés à l'avance. Tu décris la forme une fois, sous forme de liste d'attributs, d'exemple JSON ou de schéma complet, et chaque item qui traverse le nœud ressort avec ces mêmes clés. Le raisonnement, lui, vient d'un modèle de chat : un sous-nœud qu'on raccorde au nœud, pas un paramètre qu'on remplit dedans.

Premier usage, le plus courant : les demandes entrantes. Un formulaire de contact arrive en texte, le nœud sort le secteur, le budget annoncé et l'échéance, et la fiche part vers Gmail pour l'accusé de réception ou vers Google Sheets pour le suivi commercial. Les colonnes du tableur ne bougent plus, puisque les noms de champs sont figés dans le schéma.

Deuxième usage : les documents qui se ressemblent sans jamais être identiques. Un compte rendu d'appel ou un devis fournisseur passe en texte depuis un nœud précédent, Schema Type est réglé sur fromJson, et tu colles un objet d'exemple avec les clés qui t'intéressent. n8n lit les noms et les types de propriétés, ignore les valeurs. Pratique quand tu as déjà une charge utile sous la main et aucune envie d'écrire un schéma à la main.

Troisième usage : remettre en ordre ce qu'un modèle a répondu en prose. Une synthèse ou un AI Agent renvoie un paragraphe, ce nœud le convertit en champs qu'une branche If peut tester. La nuance vaut le détour : l'agent décide de l'action suivante, l'extracteur décide seulement de la forme des données.

Change de nœud quand le texte est déjà structuré pour une machine. Une réponse d'API en JSON se lit sans modèle, et un motif fixe comme une référence de commande se rattrape avec une expression, c'est-à-dire un petit calcul que n8n évalue item par item. L'extracteur sert quand la formulation varie d'un cas à l'autre et qu'une expression casserait.

Deux limites à anticiper. La qualité dépend entièrement du modèle branché, OpenAI ou un autre fournisseur, et ce fournisseur facture ses propres appels d'API selon ses conditions. Ensuite, un schéma généré depuis un exemple JSON marque tous les champs comme obligatoires, ce qui gêne dès qu'un document ne porte pas la valeur attendue. Si le choix de plateforme n'est pas encore tranché, l'Avis n8n détaille les arbitrages.

Connexions

Qu'est-ce qu'on branche dessus ?

Les nœuds IA de n8n se lisent à deux étages : un nœud racine posé dans le flux principal, et des sous-nœuds accrochés sous lui sur des ports, un type de sous-nœud par port.

Ports (ce qui se branche)

  • Chat Modelai_languageModelrequis
01Chat ModelCe port porte le modèle qui lit réellement le texte et remplit le schéma. Tu tires un sous-nœud dessus, et c'est lui qui embarque le credential du fournisseur, autrement dit l'identifiant enregistré dans n8n. D'où l'extracteur qui ne demande rien.

Ce port porte le modèle qui lit réellement le texte et remplit le schéma. Tu tires un sous-nœud dessus, et c'est lui qui embarque le credential du fournisseur, autrement dit l'identifiant enregistré dans n8n. D'où l'extracteur qui ne demande rien.

Paramètres clés

  • Required : port vide, le nœud refuse de s'exécuter, faute de modèle pour extraire quoi que ce soit.
  • OpenAI Chat Model ou Anthropic Chat Model : les deux points de départ habituels quand le compte fournisseur existe déjà.
  • Google Gemini Chat Model : la même mécanique de branchement, avec un autre fournisseur hébergé.
  • Ollama Chat Model : pour un modèle qui tourne sur ta propre machine, en auto-hébergé.
Cas d'usage
un extracteur par branche, chacun avec son sous-nœud modèle, pour traiter le tout-venant d'un côté et les dossiers sensibles de l'autre sans toucher au schéma.
Paramètres

Comment régler chaque paramètre ?

Le nœud Information Extractor compte 3 paramètres. Pour chacun : le nœud tel que tu le configures dans n8n, ce que le paramètre change, et nos notes de terrain.

01

Text

text

Ce que tu vois dans n8n

Notes & cas d'usage

Indique au nœud quel texte lire. Presque toujours une expression qui pointe un champ de l'item entrant, rarement du texte tapé à la main.

Paramètres clés

  • Text : le texte dont on extrait l'information, en général {{ $json.chatInput }} après un trigger de chat, ou {{ $json.text }} après un nœud Extract from PDF.
Cas d'usage
lui passer le corps d'un ticket de support pour que la suite du workflow reçoive un nom de produit et un niveau d'urgence, pas un pavé.
02

Schema Type

schemaType

Ce que tu vois dans n8n

Notes & cas d'usage

Décide de la façon dont tu décris la sortie. Chaque choix fait apparaître un champ différent en dessous.

Paramètres clés

  • Schema Type : fromAttributes liste des attributs avec type et description, fromJson construit le schéma depuis un exemple, manual prend le schéma tel que tu l'écris.
  • Attributes : la liste champ par champ derrière From Attribute Descriptions, remplie avec Add Attribute.
  • JSON Example : l'objet d'exemple derrière Generate From JSON Example. Noms et types lus, valeurs ignorées, tous les champs traités comme obligatoires.
  • Input Schema : le schéma JSON derrière Define using JSON Schema. La syntaxe $refs n'est pas prise en charge.
Cas d'usage
commencer par les attributs sur quelques champs, basculer sur un schéma écrit dès que la structure s'imbrique.
03

Options

options

Ce que tu vois dans n8n

Notes & cas d'usage

Regroupe les réglages qui restent cachés tant qu'on n'en a pas besoin. Rien n'y est obligatoire, le nœud tourne très bien collection vide.

Paramètres clés

  • System Prompt Template : remplace le prompt système utilisé pour l'extraction. n8n continue d'y ajouter ses instructions de format, donc la forme de la sortie tient toujours.
  • Batch Processing : les options de traitement par lot pour gérer la limitation de débit, ouvertes avec Add Batch Processing Option.
Cas d'usage
un prompt système maison pour poser une règle de la maison, par exemple comment écrire une date, quand la formulation par défaut produit un champ irrégulier.
Besoin d'aide

Besoin d'aide pour automatiser Information Extractor avec n8n ?

L'équipe te répond directement.

Chaque message est lu par une personne.

FAQ

Les questions qui viennent ensuite

01Le nœud Information Extractor est-il gratuit dans n8n ?
Oui. Il fait partie du paquet IA livré avec n8n : rien à installer, aucun surcoût 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 coût est ailleurs, et il vaut mieux le savoir avant de lancer un gros volume : le modèle de chat que tu branches appartient à un fournisseur, OpenAI, Anthropic, Google ou Mistral, et ce fournisseur facture ses propres appels d'API selon ses conditions. n8n n'ajoute rien par-dessus.
02Qu'est-ce qu'il faut pour le faire fonctionner ?
Aucun compte, aucune clé, aucun credential sur le nœud lui-même. L'Information Extractor n'a pas de sélecteur Authentication et rien à configurer côté connexion, ce qui mérite d'être dit puisque c'est rare. Ce qu'il lui faut, c'est un sous-nœud modèle de chat raccordé à son port Chat Model, et c'est ce sous-nœud qui porte le credential du fournisseur. Le travail de configuration se fait donc une fois, sur le modèle, et l'extracteur en profite. Port laissé vide, le nœud s'arrête : personne pour lire le texte.
03Quelles limites a le nœud Information Extractor n8n ?
Il extrait, et rien d'autre. Pas d'écriture, pas de branchement conditionnel, pas d'appel d'API : ça se passe dans les nœuds qui suivent. La page décrit la version 1 du nœud, un workflow ancien peut afficher moins d'options. Deux comportements surprennent en pratique. Un schéma généré depuis un exemple JSON considère tous les champs comme obligatoires, ce qui coince dès qu'un document ne contient pas la valeur. Et le champ Input Schema ne gère pas la syntaxe $refs, donc un schéma écrit à base de références doit être aplati avant d'être collé.
04Que faut-il brancher au minimum, et quel modèle pour débuter ?
Un seul sous-nœud suffit : un modèle de chat sur le port Chat Model. Un sous-nœud, c'est un petit nœud qui ne s'exécute jamais seul, il ne travaille qu'à travers le nœud racine auquel il est accroché. Si le compte existe déjà, OpenAI Chat Model ou Anthropic Chat Model sont les chemins les plus courts, et Google Gemini Chat Model se branche pareil. En auto-hébergé sans compte fournisseur, Ollama Chat Model fait tourner le modèle en local. Prends celui que l'équipe paie déjà, tu changeras plus tard sans toucher au schéma.
05n8n ou Make pour extraire des données structurées ?
Ça dépend surtout d'où les données doivent rester. Make est hébergé par son éditeur, sans option d'auto-hébergement, et se facture à l'opération, ce qui reste lisible quand le volume est stable. n8n tourne sur n8n Cloud ou sur ton propre Docker ou npm, donc un texte qui ne doit pas sortir de tes serveurs se traite sur place, et le coût suit l'hébergement plutôt que le nombre d'items. Côté IA, la logique de sous-nœuds permet de changer de modèle en tirant un autre bloc sur le port. Les deux se construisent visuellement : la vraie question reste l'hébergement, la maîtrise des données et le modèle de coût.
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