FlowKitVoir les packs

4 workflows n8n · JSON + guide

Pack Assistant RAG

Un chatbot qui répond depuis vos propres documents, avec citations

Quatre workflows n8n qui transforment vos PDF et vos pages Notion en assistant documentaire : ingestion, découpage, embeddings, stockage dans Supabase pgvector, puis un chat qui répond en citant ses sources — et une API pour l'intégrer où vous voulez.

79 €TTC · une fois

Acheter le Pack Assistant RAG79 €

Téléchargement immédiat · Garantie 14 jours

Le pack

Ce que ce pack change

Vos procédures, contrats, documentations et notes internes dorment dans des PDF que personne ne relit. Ce pack monte un pipeline RAG (Retrieval-Augmented Generation) complet sur votre propre infrastructure : les documents sont découpés et vectorisés dans Supabase, et un chatbot n8n répond aux questions de votre équipe en s'appuyant exclusivement sur ces contenus, citations à l'appui. Pas d'hallucination hors périmètre : quand la réponse n'est pas dans vos documents, il le dit.

Pour qui ?

  • PME avec une base documentaire interne (procédures, RH, qualité) à rendre interrogeable
  • Consultants qui veulent offrir un assistant documentaire à leurs clients
  • Équipes support qui répondent toujours aux mêmes questions depuis les mêmes PDF

Dans le pack

  • 4 workflows n8n au format JSON, importables en deux clics
  • Le SQL complet de mise en place de pgvector (table, index, fonction match_documents)
  • Guide d'installation pas à pas : credentials, test de bout en bout au curl, réglages
  • Prompt de réponse avec citations, prêt à adapter à votre ton

Prérequis

  • n8n ≥ 1.60 (cloud ou self-hosted)
  • Une clé API OpenAI (embeddings + génération)
  • Un projet Supabase gratuit avec l'extension pgvector activée
  • Optionnel : un espace Notion pour la synchronisation nocturne

Le contenu, fichier par fichier

Les 4 workflows, en détail

01 · ingestion RAG de PDF

Ingérer des PDF dans Supabase pgvector avec n8n

Premier maillon d'un RAG : ce workflow expose un webhook qui accepte vos PDF, en extrait le texte, le découpe en fragments, calcule les embeddings et insère le tout dans une table Supabase pgvector. Un curl suffit pour indexer un document.

Voir le fonctionnement node par node →
Pipelineingestion-pdf-supabase-pgvector.json · 6 nodes
  1. Dépôt de PDF (Webhook)triggerWebhook
  2. Insérer dans la base vectorielleBase vectorielle Supabase
  3. Confirmer l'ingestionRéponse webhook

Sous-nodes IA rattachés

  • Chargeur de PDFChargeur de documents
  • Découpage du texteDécoupage de texte
  • Embeddings OpenAIEmbeddings OpenAI

02 · chatbot RAG

Créer un chatbot RAG avec citations dans n8n

Le cœur du Pack Assistant RAG : un chat n8n public qui interroge votre base vectorielle Supabase et répond en citant ses sources. Six nodes suffisent — c'est la démonstration que le RAG de production n'exige ni framework ni code.

Voir le fonctionnement node par node →
Pipelinechatbot-rag-citations.json · 6 nodes
  1. ChattriggerChat (trigger)
  2. Assistant documentaireChaîne RAG (Q&R)
  3. Base vectorielle SupabaseBase vectorielle Supabase

Sous-nodes IA rattachés

  • Modèle OpenAIModèle OpenAI
  • RetrieverRetriever
  • Embeddings OpenAIEmbeddings OpenAI

03 · sync Notion RAG

Synchroniser Notion vers une base vectorielle avec n8n

Votre documentation vit dans Notion ? Ce workflow l'indexe automatiquement : chaque nuit à 2 h, il parcourt une base Notion, découpe et vectorise le contenu, puis met la base vectorielle à jour — votre chatbot RAG reste synchrone avec la vérité du moment.

Voir le fonctionnement node par node →
Pipelinesync-notion-base-vectorielle.json · 9 nodes
  1. Toutes les nuits à 2htriggerPlanification (cron)
  2. Pages de la base NotionNotion
  3. Préparer le contenuSet (champs)
  4. BoucleBoucle (batches)
  5. Insérer dans la base vectorielleBase vectorielle Supabase
  6. Notifier la fin sur SlackSlack

Sous-nodes IA rattachés

  • Chargeur de texteChargeur de documents
  • Découpage du texteDécoupage de texte
  • Embeddings OpenAIEmbeddings OpenAI

04 · API RAG

Exposer une API question-réponse sur ses documents avec n8n

Le chat n8n ne s'intègre pas partout — une API, si. Ce workflow expose un endpoint POST /ask : envoyez {"question": "…"} et recevez la réponse fondée sur vos documents en JSON structuré, prête à afficher dans votre site, votre CRM ou votre outil interne.

Voir le fonctionnement node par node →
Pipelineapi-question-reponse-rag.json · 10 nodes
  1. POST /ask (Webhook)triggerWebhook
  2. Question valide ?IF (condition)
  3. Répondre depuis les documentsChaîne RAG (Q&R)
  4. Base vectorielle SupabaseBase vectorielle Supabase
  5. Formater la réponseSet (champs)
  6. Réponse JSONRéponse webhook
  7. Erreur 400Réponse webhook

Sous-nodes IA rattachés

  • Modèle OpenAIModèle OpenAI
  • RetrieverRetriever
  • Embeddings OpenAIEmbeddings OpenAI

Pack Assistant RAG — 79 € TTC

Paiement unique, téléchargement immédiat, mises à jour incluses. Garantie 14 jours satisfait ou remboursé : si un workflow ne s'importe pas, on vous rembourse.

Ou prenez le Bundle Complet : les 3 packs pour 179 € au lieu de 227 €.

Acheter le Pack Assistant RAG79 €

FAQ

Questions fréquentes

Quels formats de documents sont pris en charge ?

Le workflow d'ingestion traite les PDF nativement (extraction de texte incluse). Le workflow Notion couvre vos pages et bases Notion. Pour d'autres formats (DOCX, HTML), le guide indique comment ajouter un node d'extraction en amont — la chaîne de vectorisation reste identique.

Pourquoi Supabase et pas Pinecone ou Qdrant ?

Parce que le plan gratuit de Supabase suffit largement pour des milliers de pages, que pgvector est open source, et que vos données restent dans un Postgres classique que vous pouvez requêter, sauvegarder et migrer. Les workflows utilisent le node Supabase officiel de n8n.

Le chatbot peut-il inventer des réponses ?

Le prompt fourni contraint le modèle à répondre uniquement à partir des passages retrouvés et à citer la source de chaque affirmation. S'il ne trouve rien de pertinent, il répond explicitement qu'il ne sait pas. Vous pouvez durcir ou assouplir cette consigne.

Combien de documents puis-je indexer ?

Le plan gratuit de Supabase (500 Mo) absorbe typiquement plusieurs milliers de pages découpées en fragments de 1 000 caractères. Au-delà, le passage au plan payant Supabase (~25 $/mois) repousse la limite très loin — sans rien changer aux workflows.