Comment extraire et classifier automatiquement vos fichiers avec n8n

Ce tutoriel montre comment extraire le contenu de différents types de fichiers (PDF, Word, Excel, images) dans n8n pour ensuite les analyser et les classifier automatiquement avec l'IA. L'objectif : transformer des fichiers non structurés en données exploitables par les workflows.

Types de fichiers supportés

n8n peut extraire le contenu de plusieurs formats : PDF (texte et OCR pour les scans), documents Word (.docx), tableurs Excel (.xlsx), fichiers CSV, et images (via OCR). Chaque format nécessite un noeud ou une méthode d'extraction différente. Le noeud Extract from File gère les formats courants. Pour les PDF scannés et les images, un service OCR externe ou un noeud IA avec vision est nécessaire.

Extraction du contenu

Pour les PDF texte, le noeud Extract from File retourne le contenu en texte brut. Pour les documents Word, le contenu est extrait paragraphe par paragraphe. Pour les tableurs Excel, les données sont converties en JSON avec les en-têtes comme clés. L'extraction est la première étape avant toute analyse ou classification.

Classification par IA

Une fois le contenu extrait, un noeud LLM Chain ou AI Agent classe le document dans une catégorie : facture, contrat, devis, courrier, CV. Le prompt de classification définit les catégories possibles et les critères de tri. Le modèle IA retourne la catégorie et un score de confiance. Cette classification permet ensuite d'acheminer le document vers le bon traitement dans le workflow.

Pipeline complet

Le workflow type : trigger (email, webhook ou dossier surveillé) vers extraction du contenu vers classification IA vers action conditionnelle (archivage, notification, traitement spécifique). Ce pipeline transforme un flux de documents désorganisé en un processus structuré et automatisé.