La gestion documentaire est un défi quotidien pour toute entreprise : factures, devis, emails, contrats… Les documents s’accumulent et leur tri manuel devient chronophage. Avec le nœud Text Classifier de N8N, vous pouvez déléguer cette tâche à l’IA. Le principe : l’intelligence artificielle analyse le contenu de chaque document et le classe automatiquement dans la catégorie appropriée.
Qu’est-ce que la classification documentaire par IA ?
La classification automatique consiste à analyser le contenu d’un document (texte, email, fichier) et à déterminer sa catégorie sans intervention humaine. Contrairement aux règles manuelles basées sur des mots-clés, l’IA comprend le contexte et peut identifier une facture même si le mot « facture » n’apparaît pas explicitement dans le document.
Pourquoi automatiser le tri de vos documents
- Gain de temps : fini le tri manuel de dizaines de documents chaque jour
- Réduction des erreurs : l’IA ne se fatigue pas et applique les mêmes critères à chaque document
- Traitement en temps réel : chaque document est classé dès sa réception
- Scalabilité : le système gère aussi bien 10 que 1000 documents par jour
Architecture du workflow de classification
Le workflow se décompose en trois étapes principales : récupération des documents, extraction du contenu textuel, et classification par l’IA.
Source (Drive/Email/Webhook) → Extract Document Content → Text Classifier
├── Facture → Actions factures
├── Devis → Actions devis
└── Divers → Actions autresÉtape 1 : Récupérer les documents à classifier
La source des documents peut varier selon votre cas d’usage. Dans l’exemple de la vidéo, les fichiers proviennent de Google Drive, mais vous pouvez adapter ce workflow à n’importe quelle source : emails entrants (Gmail, Outlook), fichiers uploadés via un formulaire, documents reçus par webhook, etc.
L’important est de récupérer le contenu textuel du document. Pour les fichiers PDF ou Word, utilisez le nœud Extract Document Text qui convertit le binaire en texte exploitable par l’IA.
Étape 2 : Configurer le nœud Text Classifier
Le nœud Text Classifier est le cœur du workflow. Il analyse le texte fourni et détermine dans quelle catégorie le classer. Voici les paramètres à configurer :
Text to classify
C’est le contenu à analyser. Référencez le champ contenant le texte extrait du document. Dans notre exemple : {{ $json.content }} qui contient tout le texte du document.
Categories
C’est ici que vous définissez les catégories possibles. Chaque catégorie comprend un nom et une description détaillée qui aide l’IA à prendre sa décision.
Exemple de catégorie « Facture » :
Nom : Facture
Description : Correspond à un document ou un message indiquant une demande de paiement, souvent identifié par des termes comme : facture, montant du paiement requis, à régler, un numéro de facture ou une date d'échéance. Ce type de contenu est généralement lié à une transaction déjà effectuée.Exemple de catégorie « Devis » :
Nom : Devis
Description : Correspond à un document proposant une estimation de prix pour des produits ou services. Contient généralement des termes comme : devis, proposition commerciale, estimation, prix unitaire, validité de l'offre. Ce document précède une éventuelle commande.La qualité de vos descriptions impacte directement la précision de la classification. Plus vos descriptions sont détaillées et spécifiques, meilleurs seront les résultats.
Options du Text Classifier
Le nœud propose plusieurs options pour affiner le comportement de la classification :
| Option | Description | Recommandation |
| Allow multiple classes | Autorise un document à appartenir à plusieurs catégories | Désactivé (un document = une catégorie) |
| When no clear match | Comportement si aucune catégorie ne correspond | « Output on extra, separate output » pour créer une branche « Divers » |
| Enable auto fixing | L’IA vérifie et corrige sa propre réponse | Activé pour plus de fiabilité |
Étape 3 : Connecter un modèle IA
Le Text Classifier nécessite un modèle de langage (LLM) pour fonctionner. Connectez un nœud de modèle IA (OpenAI, Anthropic, OpenRouter, etc.) au Text Classifier.
Paramètres recommandés
- Modèle : GPT-4.1 ou équivalent. Évitez les modèles trop légers (GPT-3.5) si vos résultats sont inconstants
- Température : 0. Le but n’est pas la créativité mais la précision et la constance
Un modèle plus performant coûte un peu plus cher par requête, mais garantit des résultats plus fiables et plus constants dans le temps.
Étape 4 : Exploiter les résultats
Une fois le document classifié, vous pouvez déclencher des actions spécifiques selon la catégorie détectée :
- Factures : déplacer vers un dossier « Comptabilité », envoyer à votre expert-comptable, créer une entrée dans votre base de données
- Devis : notifier le commercial concerné, ajouter au CRM, planifier un rappel
- Divers : archiver, marquer pour revue manuelle, ou ignorer (spam)
Cas d’usage pratiques
Tri automatique des emails
Connectez votre boîte email à N8N (Gmail Trigger, Outlook Trigger). Chaque email entrant est analysé et classé : demande client, facture fournisseur, spam, newsletter. Les emails importants sont transférés aux bonnes personnes, les autres sont archivés automatiquement.
Gestion des pièces jointes
Extrayez les pièces jointes des emails, analysez leur contenu avec Text Classifier, et rangez-les automatiquement dans les bons dossiers de votre Drive ou SharePoint.
Qualification des leads
Les formulaires de contact peuvent être classifiés selon l’intention : demande de devis, question technique, réclamation, partenariat. Chaque type de demande est routé vers le bon interlocuteur.
Bonnes pratiques pour une classification fiable
- Descriptions détaillées : plus vos descriptions de catégories sont précises, meilleurs sont les résultats
- Catégories distinctes : évitez les chevauchements entre catégories qui créent de l’ambiguïté
- Catégorie « Divers » : prévoyez toujours une sortie pour les documents inclassables
- Testez avec des exemples réels : validez votre configuration avec des documents représentatifs de votre activité
- Température à zéro : garantit des résultats constants et reproductibles
Comment fonctionne le nœud Text Classifier de N8N pour classifier automatiquement des documents ?
Conclusion
Le nœud Text Classifier transforme la gestion documentaire en automatisant le tri des documents grâce à l’IA. Factures, devis, emails, contrats : chaque document est analysé et classé automatiquement selon vos propres catégories. C’est un gain de temps considérable et une réduction drastique des erreurs de classement.
Le point clé : investissez du temps dans la rédaction de descriptions précises pour vos catégories. C’est ce qui fait la différence entre une classification approximative et une classification fiable à 95%+.
Envie d’aller plus loin ? Combinez ce workflow avec l’Information Extractor pour non seulement classifier vos documents mais aussi en extraire les données clés (montant, date, fournisseur). Explorez nos autres ressources N8N ou contactez notre équipe pour concevoir une solution de gestion documentaire adaptée à vos besoins.
Le nœud Text Classifier analyse le contenu textuel de vos documents et utilise un modèle IA (comme GPT-4) pour déterminer à quelle catégorie appartient chaque document. Vous définissez les catégories (facture, devis, etc.) avec des descriptions détaillées qui guident l’IA dans sa décision.
Utilisez un modèle performant comme GPT-4.1 ou équivalent. Les modèles plus légers (GPT-3.5) peuvent donner des résultats inconstants. Réglez la température à 0 pour garantir des résultats reproductibles : le but est la précision, pas la créativité.
Oui, connectez un trigger email (Gmail, Outlook) à votre workflow. Chaque email entrant est analysé par le Text Classifier qui détermine sa catégorie : demande client, facture, spam, etc. Vous pouvez ensuite router automatiquement les emails vers les bonnes personnes ou dossiers.
Configurez l’option ‘When no clear match’ sur ‘Output on extra, separate output’. Cela crée une branche ‘Divers’ pour les documents inclassables. Vous pouvez les archiver, les marquer pour revue manuelle, ou les ignorer selon votre logique métier.
Rédigez des descriptions détaillées et spécifiques pour chaque catégorie. Incluez les termes typiques, le contexte d’utilisation et les caractéristiques distinctives. Évitez les chevauchements entre catégories. Testez avec des documents réels et ajustez vos descriptions si nécessaire.
Par défaut, non. L’option ‘Allow multiple classes to be true’ permet d’autoriser un document à appartenir à plusieurs catégories si l’IA hésite. Pour la plupart des cas d’usage, gardez cette option désactivée : un document = une catégorie pour simplifier le traitement en aval.
