Ressources · Intégration n8n

Nœud Model Selector n8nConfigurer Model Selector dans n8n.

Plusieurs modèles branchés, une règle qui tranche au moment de l'exécution. Le nœud Model Selector n8n est un sous-nœud, une brique qui s'accroche à un nœud plus gros au lieu de tourner seule. Il porte 2 paramètres et accepte jusqu'à 10 modèles de chat sur ses entrées.

Tester le nœud Model Selector sur n8nVoir les 2 paramètres

Avis vérifiés sur Trustpilot · Agence IA, automatisation & growth

Pourquoi automatiser

À quoi sert le nœud Model Selector n8n ?

Il désigne, pendant l'exécution, lequel des modèles branchés va répondre. Tu raccordes deux modèles de chat ou plus sur ses entrées, tu écris des règles qui lisent la donnée qui passe, et le nœud transmet le modèle retenu au nœud racine qu'il alimente. Un nœud racine, c'est celui qui reçoit les items du workflow et fait le travail, comme AI Agent ; le Model Selector se branche à côté, en sous-nœud, et ne s'exécute jamais seul.

Premier cas, le tri par langue. Un formulaire de contact multilingue arrive dans le même workflow. Une règle lit le champ de langue de l'item, par exemple {{ $json.locale }}, et envoie les demandes espagnoles vers la première entrée modèle pendant que le reste part sur la seconde. Toute la logique tient dans un nœud : changer la répartition, c'est éditer une condition, pas redessiner le workflow.

Deuxième cas, la règle de repli. Le nœud lit ses règles dans l'ordre et s'arrête à la première qui correspond. La dernière règle sert donc de filet : elle pointe vers le modèle que tu gardes pour tout ce que les conditions précédentes n'avaient pas prévu. Ce fonctionnement séquentiel est le point à retenir, deux règles qui correspondent ne s'appliquent jamais toutes les deux.

Troisième cas, un seul agent pour deux métiers. Une boutique qui répond au chat client et rédige aussi ses fiches produit n'a pas besoin de deux branches parallèles. Un AI Agent avec un Model Selector devant couvre les deux, la condition portant sur le type de tâche pour choisir entre le modèle branché pour la conversation et celui branché pour la rédaction longue.

Quand s'en passer ? Si le workflow n'appelle jamais qu'un seul modèle, branche ce modèle de chat directement sur le nœud racine. Le Model Selector devient utile le jour où le choix dépend de la donnée. Autre limite : il n'a pas d'entrée principale, il ne peut donc pas se glisser au milieu d'une suite de nœuds classiques, et il ne touche pas au prompt.

Les modèles raccordés restent des sous-nœuds ordinaires, avec leur propre credential, c'est-à-dire l'identifiant stocké dans n8n pour appeler le fournisseur, qu'il s'agisse d'OpenAI, d'Anthropic ou de Google Gemini. Si le choix de la plateforme n'est pas encore fait, l'Avis n8n traite ce sujet-là.

Connexions

Sur quel port se branche le Model Selector ?

n8n sépare ses nœuds IA en deux familles : un nœud racine reçoit les items du workflow, et des sous-nœuds s'accrochent à ses ports, un type de sous-nœud par port. Model Selector est un sous-nœud, et il prend la place qu'occuperait normalement un modèle de chat.

Sortie (où il se branche)

  • Chat Modelai_languageModel
01Chat ModelC'est le port par lequel le nœud se raccorde au nœud racine placé au-dessus. Ce dernier réclame un modèle de langage et reçoit le Model Selector, qui désignera l'un des siens à l'exécution.

C'est le port par lequel le nœud se raccorde au nœud racine placé au-dessus. Ce dernier réclame un modèle de langage et reçoit le Model Selector, qui désignera l'un des siens à l'exécution.

Paramètres clés

  • Required : le nœud racine au-dessus réclame un modèle de chat pour s'exécuter tout court, et refuse de tourner tant que ce port reste vide.
  • AI Agent et Basic LLM Chain : les deux points d'accroche les plus courants, l'un pour un agent qui manipule des outils, l'autre pour un couple prompt et réponse.
  • Question and Answer Chain et Summarization Chain : ils l'acceptent aussi, ce qui permet à une chaîne documentaire de changer de modèle.
Cas d'usage
un agent qui garde un modèle pour les questions de routine et en sollicite un autre dès qu'une règle repère une demande lourde.
Paramètres

Quels paramètres le nœud propose-t-il ?

Le nœud Model Selector compte 2 paramètres. Pour chacun : le nœud tel que tu le configures dans n8n, ce que le paramètre change, et nos notes de terrain.

01

Number of Inputs

numberInputs

Ce que tu vois dans n8n

Notes & cas d'usage

Détermine le nombre de connexions de modèles affichées à gauche du nœud. Tu montes la valeur, de nouvelles entrées apparaissent et attendent un modèle de chat ; tu la baisses, tu perds les entrées inutilisées.

Paramètres clés

  • Number of Inputs : une liste déroulante de 2 à 10, le nombre d'entrées de données à fusionner, sachant que le nœud attend l'exécution de toutes les entrées connectées.
Cas d'usage
commence à 2, un modèle principal et un modèle de repli, puis augmente au fur et à mesure que tu dédies un modèle par tâche. À régler avant d'écrire les règles, puisque chaque règle désigne une entrée par sa position.
02

Rules

rules

Ce que tu vois dans n8n

Notes & cas d'usage

Contient la logique qui relie la donnée du workflow à un modèle précis. Chaque entrée associe une condition à l'une des entrées connectées, et n8n les lit de haut en bas en s'arrêtant à la première qui correspond.

Paramètres clés

  • Rules : la collection elle-même, qu'on remplit une entrée à la fois avec Add Rule.
  • Model : requis dans une règle, choisi dans la liste des entrées modèle, d'où l'intérêt de fixer Number of Inputs d'abord.
  • Conditions : les conditions à remplir pour retenir ce modèle, construites avec Add Condition sur des champs du type {{ $json.category }}.
Cas d'usage
place les conditions étroites en haut et la plus large en bas, pour que la dernière règle ramasse le reste.
Besoin d'aide

Besoin d'aide pour automatiser Model Selector avec n8n ?

L'équipe te répond directement.

Chaque message est lu par une personne.

FAQ

Les questions qu'on se pose ensuite

01Le nœud Model Selector n8n est-il inclus dans n8n ?
Oui. Il fait partie du paquet IA de n8n, @n8n/n8n-nodes-langchain, livré avec n8n. Rien à installer, et le comportement est le même sur n8n Cloud, l'offre hébergée par n8n, et sur une instance auto-hébergée en Docker ou npm, en Community Edition sous licence Sustainable Use. Un workflow se comporte de façon identique dans les deux cas, et n8n ne facture rien de plus pour ce nœud. Ce qui coûte se situe un cran plus loin : le fournisseur derrière chaque modèle de chat branché facture ses propres appels d'API selon ses conditions, exactement comme si ce modèle était raccordé directement au nœud racine.
02Que faut-il configurer pour que ça marche ?
Rien sur ce nœud. Model Selector n'a ni credential ni sélecteur Authentication, parce qu'il ne parle lui-même à aucun fournisseur. L'identifiant reste porté par chaque sous-nœud modèle raccordé sur ses entrées, chacun avec sa propre clé. Le travail se résume donc à du câblage : décider du nombre d'entrées, brancher un modèle sur chacune, puis accrocher le sélecteur au nœud racine par son port Chat Model. Les règles lisent ensuite les champs de l'item qui traverse le nœud racine, avec des expressions de la forme {{ $json.champ }}. Un champ marqué requis bloque l'exécution s'il est vide, ce qui vaut pour le champ Model d'une règle.
03Quelles sont les limites du nœud Model Selector ?
Trois méritent d'être connues. Le nœud plafonne à 10 entrées de modèles, puisque c'est là que s'arrête la liste Number of Inputs. L'évaluation des règles est séquentielle et s'arrête au premier match : une règle large placée au-dessus d'une règle précise masque la seconde, et il n'existe ni score ni priorité en dehors de l'ordre que tu choisis. Enfin il n'a pas d'entrée principale : c'est un sous-nœud, il ne peut pas s'intercaler entre deux nœuds classiques et il ne fait rien tant qu'un nœud racine ne lui demande pas un modèle. La page décrit la version 1 du nœud, la plus élevée du catalogue.
04Que faut-il brancher au minimum pour s'en servir ?
Deux modèles de chat et un nœud racine. En dessous, au moins deux sous-nœuds modèle sur les entrées, sinon il n'y a aucun choix à faire et le modèle a sa place directement sur le nœud racine. Au-dessus, un nœud racine qui accepte un modèle sur son port Chat Model. Basic LLM Chain est le plus simple pour débuter : un prompt, une réponse, on voit tout de suite quel modèle a répondu. Une fois le routage au point, remonte le même montage sous un AI Agent, ou sous un AI Agent Tool quand l'agent est lui-même appelé par un autre agent. Ajoute ensuite les règles une par une.
05n8n ou Make pour ce genre de routage de modèles ?
La réponse tient à l'hébergement et au modèle de coût plus qu'aux fonctionnalités. n8n tourne sur ton propre serveur en Docker ou npm, ou sur n8n Cloud, donc la donnée que lisent tes règles peut rester dans ton infrastructure. Make est hébergé uniquement, sans option d'auto-hébergement, et facture à l'opération, ce qui compte dès qu'un workflow se déclenche souvent. n8n garde aussi ce montage dans un seul nœud : le modèle sous-nœud met la logique de routage à côté de l'agent au lieu de la reconstruire en branches. Si l'équipe privilégie le confort visuel et reste sur de petits volumes, l'écart se réduit nettement.
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