Nœud Vector Store Retriever n8nConfigurer Vector Store Retriever dans n8n.
Le nœud Vector Store Retriever n8n va chercher les documents les plus proches d'une question dans une base vectorielle. Un seul paramètre, Limit, un port d'entrée requis, une sortie qui alimente une chaîne de questions-réponses. De quoi ancrer une réponse IA dans tes propres contenus.
Avis vérifiés sur Trustpilot · Agence IA, automatisation & growth
À quoi sert le nœud Vector Store Retriever n8n ?
Une base vectorielle stocke des représentations mathématiques de tes documents. Le retriever, lui, est la pièce qui va y piocher. Ce nœud fait exactement ça : on lui branche une base sur son port Vector Store, il l'interroge avec la question qui arrive, et il renvoie les passages les plus proches. C'est un sous-nœud, autrement dit un nœud auxiliaire qui ne tourne jamais tout seul : il attend qu'un nœud racine l'appelle.
Premier cas, le service client d'une boutique en ligne. Les conditions de retour, les délais, les tailles : tout est découpé, transformé en embeddings (des empreintes numériques de chaque morceau de texte) et rangé dans la base. Une chaîne Question and Answer Chain demande au retriever les passages proches de la question du client, puis rédige la réponse à partir de ces seuls passages. Le paramètre Limit décide de la quantité de contexte qui remonte.
Deuxième cas, l'accueil d'un nouvel arrivant. Procédures internes, notes d'équipe, comptes-rendus : un workflow les dépose dans la base au fil de l'eau. Quand la personne pose une question, le retriever ressort les trois ou quatre documents qui collent, et un AI Agent en fait un mémo court. Le nœud rend des documents, pas de la prose : la suite du workflow en fait ce qu'elle veut.
Troisième cas, la relecture d'un devis face au catalogue tarifaire archivé. Le retriever sort les clauses les plus proches, le modèle les cite, et quelqu'un relit la source à côté de la réponse. Les appels au modèle passent par le sous-nœud de chat que la chaîne utilise, côté OpenAI, Anthropic ou un autre fournisseur, qui facture ses propres appels d'API selon ses conditions. n8n n'ajoute rien par-dessus.
Quand préférer autre chose ? Si le nœud racine que tu montes interroge déjà une base vectorielle directement, ce nœud ajoute une étape pour rien. Il devient utile dès qu'une chaîne ou un autre retriever attend un retriever en entrée, ce que font le MultiQuery Retriever et le Contextual Compression Retriever. Les deux enveloppent celui-ci, ils ne le remplacent pas.
Les limites méritent d'être dites franchement. Le nœud lit, il n'écrit jamais : l'insertion des documents reste le travail du nœud de base vectorielle. En version 1, il ne porte qu'un paramètre, donc le réglage fin se joue dans la base et dans la chaîne autour, pas ici. Pour situer tout ça dans la plateforme, l'Avis n8n détaille le volet IA, et la Formation n8n reprend ces briques une par une.
Qu'est-ce qu'on branche dessus ?
n8n dessine les workflows IA comme un nœud racine entouré de sous-nœuds accrochés à ses ports, un type de sous-nœud par port. Celui-ci est lui-même un sous-nœud : il prend une base d'un côté, il se présente comme retriever de l'autre.
Ports (ce qui se branche)
- Vector Store
ai_vectorStorerequis
Sortie (où il se branche)
- Retriever
ai_retriever
01Vector Store
Ce port reçoit la base que le nœud interroge. On tire un sous-nœud de base vectorielle dessus, et la recherche part vers cette base à chaque appel du nœud racine.
Paramètres clés
- Required : port laissé vide, l'exécution bloque, puisqu'il n'y a rien à chercher.
02Retriever
Le côté sortie. Le nœud s'annonce comme retriever, et les nœuds racines qui en acceptent un viennent y chercher les documents quand ils ont besoin de contexte.
Paramètres clés
- Optional : tant qu'aucun nœud racine n'est raccordé ici, rien ne s'exécute, un sous-nœud ne tournant jamais seul.
- Question and Answer Chain : le chemin le plus court, elle pose la question et rédige la réponse avec ce qui remonte.
- MultiQuery Retriever : reformule la question en plusieurs variantes avant de chercher, puis fusionne les résultats.
- Contextual Compression Retriever : élague les documents retournés pour ne garder que ce qui répond.
Quel paramètre demande un réglage ?
Le nœud Vector Store Retriever compte un paramètre. Pour chacun : le nœud tel que tu le configures dans n8n, ce que le paramètre change, et nos notes de terrain.
Limit
topKCe que tu vois dans n8n
Notes & cas d'usage
Limit fixe le nombre maximum de résultats renvoyés à chaque recherche. La base classe les correspondances de la plus proche à la plus lointaine, et ce chiffre dit jusqu'où le nœud descend dans ce classement avant de s'arrêter.
Paramètres clés
- Limit : un nombre, le maximum de résultats à retourner. Une valeur venue d'un nœud précédent s'écrit en expression, la syntaxe n8n pour lire un champ, soit
{{ $json.limit }}.
Besoin d'aide pour automatiser Vector Store Retriever avec n8n ?
L'équipe te répond directement.
Chaque message est lu par une personne.
Vector Store Retriever et n8n, les questions fréquentes
01Le nœud Vector Store Retriever est-il gratuit dans n8n ?
02Quels identifiants faut-il pour le faire tourner ?
03Quelles sont les limites du nœud Vector Store Retriever n8n ?
04Que faut-il brancher au minimum pour démarrer ?
05n8n ou Make pour ce type de workflow ?
Reçois nos tips intégration chaque semaine.
Pas de spam. Désinscription à tout moment.
