Ressources · Intégration n8n

Nœud Item List Output Parser n8nConfigurer Item List Output Parser dans n8n.

Une réponse de modèle, plusieurs items dans le workflow. Le nœud Item List Output Parser n8n découpe ce que renvoie un modèle de chat en items séparés, selon un séparateur et un nombre maximum. Il tient en 2 options, se branche sur le port Output Parser d'un nœud racine et ne tourne jamais seul.

Tester le nœud Item List Output Parser sur n8nVoir les 1 paramètres

Avis vérifiés sur Trustpilot · Agence IA, automatisation & growth

Pourquoi automatiser

À quoi sert le nœud Item List Output Parser n8n ?

Un modèle de chat répond en un seul bloc de texte. Quand cette réponse est en réalité une liste, il faut la découper avant que la suite du workflow serve à quelque chose. C'est le travail de ce nœud : il reprend la réponse du nœud racine auquel il est attaché et la renvoie sous forme d'items séparés, un par ligne par défaut. Un output parser est un sous-nœud, c'est-à-dire un petit nœud qu'on accroche au port d'un nœud plus gros au lieu de le poser dans le flux principal.

Premier terrain de jeu : le compte rendu de réunion. Le modèle relit la transcription et sort les actions à mener, une par ligne. Sans parser, le nœud suivant reçoit un seul item avec tout le pavé dedans. Avec le parser branché, chaque action devient un item, et un nœud Google Sheets crée une ligne par action au lieu d'écraser le tout dans une seule cellule.

Deuxième cas, plus terre à terre : une relance. Le modèle liste les clients à recontacter, le parser en fait des items, et Gmail part une fois par item, avec le nom repris dans le corps du message via une expression du type {{ $json.response }}. Pas besoin de boucle maison, n8n exécute déjà la branche une fois par item.

Troisième cas : un AI Agent qui découpe une tâche en étapes. Tu lui demandes son plan, le parser rend les étapes en items, et la branche d'après s'exécute autant de fois qu'il y a d'étapes. Même logique avec un modèle Anthropic branché sur le nœud racine : le parser ne change pas, seul le modèle change.

Quand passer à autre chose : ce nœud rend une liste plate de chaînes de caractères, rien de plus. Si le workflow attend des champs typés, un objet par résultat avec un nom, une date et un montant, découper du texte sur un séparateur n'est pas la bonne approche et il faut un parser qui renvoie du JSON structuré. Et si la liste est déjà propre dans un champ de l'item, une expression et un nœud de découpage suffisent, sans sous-nœud IA.

Les limites méritent d'être posées tout de suite. Le nœud n'a pas d'entrée principale et rien d'autre que ses 2 options : il ne nettoie pas la réponse, ne supprime pas les doublons, ne répare pas un format bancal. Il dépend surtout du modèle, qui doit respecter le séparateur demandé dans le prompt ; rien ici ne l'y oblige. La version décrite est la version 1, un workflow ancien peut en afficher moins. Pour le reste, hébergement et comparaisons, l'Avis n8n creuse le sujet.

Connexions

Sur quoi se branche ce sous-nœud ?

n8n sépare le travail IA en deux : un nœud racine, qui reçoit les items du workflow, et des sous-nœuds accrochés à ses ports, un type de sous-nœud par port.

Sortie (où il se branche)

  • Output Parserai_outputParser
01Output ParserCe nœud n'a pas d'entrée principale. Il expose une seule connexion, le port Output Parser, par lequel un nœud racine lit sa réponse à travers le parser plutôt qu'en texte brut.

Ce nœud n'a pas d'entrée principale. Il expose une seule connexion, le port Output Parser, par lequel un nœud racine lit sa réponse à travers le parser plutôt qu'en texte brut.

Paramètres clés

  • Optional : un nœud racine fonctionne très bien sans parser accroché, et rend sa réponse telle quelle.
  • Basic LLM Chain : le départ le plus simple, un prompt, une réponse déjà découpée.
  • AI Agent : la réponse finale de l'agent arrive en items séparés, et la branche d'après s'exécute une fois par item, sans boucle à monter.
  • Auto-fixing Output Parser : il prend ce nœud comme parser et relance le modèle quand la réponse ne se découpe pas.
Cas d'usage
essaie-le sur un Basic LLM Chain avec un prompt court, puis déplace le montage vers un AI Agent Tool.
Paramètres

Quels paramètres se règlent sur le nœud ?

Le nœud Item List Output Parser compte un paramètre. Pour chacun : le nœud tel que tu le configures dans n8n, ce que le paramètre change, et nos notes de terrain.

01

Options

options

Ce que tu vois dans n8n

Notes & cas d'usage

Tout se cache derrière Add Option. Sans y toucher, le parser coupe sur les retours à la ligne et rend toutes les lignes trouvées. La collection s'ouvre quand le modèle répond sous une autre forme.

Paramètres clés

  • Number Of Items : le nombre maximum d'items renvoyés. À -1, pas de limite, ce qu'on veut sur un export complet ; on plafonne quand chaque item déclenche une action coûteuse.
  • Separator : le séparateur utilisé pour découper les résultats en items. Retour à la ligne par défaut, virgule quand le prompt réclame une liste sur une ligne.
Cas d'usage
des mots-clés demandés sur une seule ligne reviennent séparés par des virgules, donc Separator reçoit une virgule.
Besoin d'aide

Besoin d'aide pour automatiser Item List Output Parser avec n8n ?

L'équipe te répond directement.

Chaque message est lu par une personne.

FAQ

Item List Output Parser et n8n, les questions qui suivent

01Le nœud Item List Output Parser n8n est-il inclus, sur Cloud comme en auto-hébergé ?
Oui. Le nœud fait partie du paquet IA livré avec n8n : rien à installer, aucun surcoût côté n8n, que le workflow tourne sur n8n Cloud, l'offre hébergée par n8n, ou sur ta propre instance en Community Edition sous licence Sustainable Use. Un workflow se comporte pareil dans les deux cas. La seule facturation d'un workflow IA vient du fournisseur du modèle, OpenAI, Anthropic, Google, Mistral ou un autre, qui facture ses appels d'API selon ses conditions. Le parser, lui, n'appelle aucun service externe : il ne pèse rien sur cette note.
02Que faut-il configurer pour que le nœud fonctionne ?
Rien sur ce nœud. Il n'a ni credential, c'est-à-dire un identifiant enregistré dans n8n, ni sélecteur d'authentification : aucun compte à relier, aucune clé à coller. Ce qui demande un credential, c'est le modèle de chat accroché au nœud racine, puisque c'est lui qui parle au fournisseur. Concrètement : pose un nœud racine, un AI Agent ou un Basic LLM Chain, accroche-lui un modèle avec sa clé, puis fais glisser ce parser sur le port Output Parser. Reste le prompt, qui doit demander un résultat par ligne pour que le séparateur par défaut ait de quoi couper.
03Quelles sont les limites de ce nœud ?
Il découpe du texte, et il s'arrête là. Il rend une liste plate de chaînes de caractères, sans nom de champ ni type : une réponse qui devrait devenir un objet avec plusieurs propriétés lui échappe. Il a 2 options, pas une de plus : pas de nettoyage des espaces, pas de suppression des doublons, pas de filtre sur les lignes vides. Il n'a pas non plus d'entrée principale, donc impossible de le poser entre deux nœuds classiques, et il ne s'exécute jamais seul. Il ne peut pas forcer le modèle à respecter le séparateur non plus, ça se joue dans le prompt. La version décrite ici est la version 1.
04Que faut-il brancher au minimum, et par quel sous-nœud commencer ?
Le minimum, c'est un nœud racine et un modèle de chat : sans modèle, un nœud racine ne répond pas. Ce parser vient en troisième et reste optionnel. Pour démarrer, prends un Basic LLM Chain, accroche-lui un modèle avec un credential valide, écris un prompt qui demande un élément par ligne, puis branche ce nœud sur le port Output Parser. Lance une exécution et regarde le panneau de sortie : tu dois voir plusieurs items, pas un seul. Une fois que ça tient, le même parser se déplace vers un AI Agent ou un AI Agent Tool sans changer ses réglages, et un Auto-fixing Output Parser peut l'envelopper si le modèle sort parfois du format.
05n8n ou Make pour découper la réponse d'un modèle ?
Ça dépend d'où vit le workflow et de la façon dont tu veux le payer. Make est une plateforme hébergée, sans auto-hébergement possible, facturée à l'opération : pratique pour une équipe qui ne veut rien administrer et qui privilégie la construction visuelle. n8n tourne sur Cloud ou sur tes serveurs, en Docker ou en npm, donc la donnée reste où tu décides, ce qui compte quand le texte envoyé au modèle est un document client. Côté IA, le modèle nœud racine et sous-nœuds est propre à n8n : le parser est une pièce qu'on accroche et qu'on déplace. Les deux savent faire, le choix se joue sur 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