← Retour aux workflows
Workflow n8n

Automatisation Google Drive avec n8n : gestion de fichiers intelligents

Ce workflow n8n a pour objectif d'automatiser la gestion des fichiers sur Google Drive en intégrant des capacités d'intelligence artificielle via Cohere et Milvus. Il s'adresse aux entreprises qui souhaitent optimiser leur flux de travail en automatisant le traitement des fichiers et en améliorant l'interaction avec les données. Par exemple, ce workflow peut être utilisé pour extraire des informations de documents, les transformer en vecteurs et les stocker dans Milvus pour une récupération rapide et efficace.

  • Étape 1 : Le déclencheur 'Watch New Files' surveille un dossier spécifique sur Google Drive pour détecter l'ajout de nouveaux fichiers.
  • Étape 2 : Lorsqu'un fichier est détecté, le nœud 'Download New' télécharge le fichier pour traitement.
  • Étape 3 : Ensuite, le nœud 'Extract from File' extrait le contenu pertinent du fichier.
  • Étape 4 : Le contenu est ensuite segmenté en morceaux grâce au nœud 'Set Chunks', ce qui facilite son traitement.
  • Étape 5 : Les embeddings sont générés à l'aide du nœud 'Cohere embeddings' et stockés dans Milvus via le nœud 'Insert into Milvus'. Ce workflow offre des bénéfices significatifs en termes de gain de temps et d'efficacité, permettant aux équipes de se concentrer sur des tâches à plus forte valeur ajoutée. En intégrant des outils d'IA, il améliore également la qualité des données traitées et facilite l'accès à l'information.
Tags clés :automatisationGoogle DriveIAn8ngestion de fichiers
🎯Pour qui ?🧩Problème résolu📋Étapes du flux🛠Guide de personnalisation
Catégorie: Webhook · Tags: automatisation, Google Drive, IA, n8n, gestion de fichiers❤ 0

Workflow n8n Google Drive, gestion de fichiers : vue d'ensemble

Schéma des nœuds et connexions de ce workflow n8n, généré à partir du JSON n8n.

React Flow
Besoin d'aide ?

Workflow n8n Google Drive, gestion de fichiers : détail des nœuds

  • Default Data Loader

    Charge les données par défaut pour le traitement ultérieur.

  • Embeddings Cohere

    Génère des embeddings à partir du modèle Cohere spécifié.

  • When chat message received

    Déclenche le workflow lorsqu'un message de chat est reçu.

  • Watch New Files

    Surveille les nouveaux fichiers dans un dossier Google Drive spécifié.

  • Download New

    Télécharge un fichier à partir de Google Drive en utilisant son ID.

  • Insert into Milvus

    Insère des données dans la collection Milvus spécifiée.

  • RAG Agent

    Agit en tant qu'agent RAG pour le traitement des requêtes.

  • Retrieve from Milvus

    Récupère des données de la collection Milvus spécifiée.

  • OpenAI 4o

    Utilise le modèle OpenAI pour générer des réponses basées sur les entrées fournies.

  • Memory

    Gère la mémoire tampon pour stocker des informations temporaires.

  • Cohere embeddings

    Génère des embeddings à partir du modèle Cohere spécifié.

  • Set Chunks

    Divise le texte en morceaux selon les paramètres de taille et de chevauchement spécifiés.

  • Extract from File

    Extrait des données d'un fichier selon l'opération spécifiée.

  • Sticky Note

    Crée une note autocollante avec les propriétés spécifiées.

Inscris-toi pour voir l'intégralité du workflow

Inscription gratuite

S'inscrire gratuitementBesoin d'aide ?
{
  "id": "2Eba0OHGtOmoTWOU",
  "meta": {
    "instanceId": "9219ebc7795bea866f70aa3d977d54417fdf06c41944be95e20cfb60f992db19",
    "templateCredsSetupCompleted": true
  },
  "name": "RAG AI Agent with Milvus and Cohere",
  "tags": [
    {
      "id": "yj7cF3GCsZiargFT",
      "name": "rag",
      "createdAt": "2025-05-03T17:14:30.099Z",
      "updatedAt": "2025-05-03T17:14:30.099Z"
    }
  ],
  "nodes": [
    {
      "id": "361065cc-edbf-47da-8da7-c59b564db6f3",
      "name": "Default Data Loader",
      "type": "@n8n/n8n-nodes-langchain.documentDefaultDataLoader",
      "position": [
        0,
        320
      ],
      "parameters": {
        "options": {}
      },
      "typeVersion": 1
    },
    {
      "id": "a01b9512-ced1-4e28-a2aa-88077ab79d9a",
      "name": "Embeddings Cohere",
      "type": "@n8n/n8n-nodes-langchain.embeddingsCohere",
      "position": [
        -140,
        320
      ],
      "parameters": {
        "modelName": "embed-multilingual-v3.0"
      },
      "credentials": {
        "cohereApi": {
          "id": "8gcYMleu1b8Hm03D",
          "name": "CohereApi account"
        }
      },
      "typeVersion": 1
    },
    {
      "id": "1da6ea4b-de88-44d3-a215-78c55b5592a2",
      "name": "When chat message received",
      "type": "@n8n/n8n-nodes-langchain.chatTrigger",
      "position": [
        -800,
        520
      ],
      "webhookId": "a4257301-3fb9-4b9d-a965-1fa66f314696",
      "parameters": {
        "options": {}
      },
      "typeVersion": 1.1
    },
    {
      "id": "23004477-3f6d-4909-a626-0eba0557a5bd",
      "name": "Watch New Files",
      "type": "n8n-nodes-base.googleDriveTrigger",
      "position": [
        -800,
        100
      ],
      "parameters": {
        "event": "fileCreated",
        "options": {},
        "pollTimes": {
          "item": [
            {
              "mode": "everyMinute"
            }
          ]
        },
        "triggerOn": "specificFolder",
        "folderToWatch": {
          "__rl": true,
          "mode": "list",
          "value": "15gjDQZiHZuBeVscnK8Ic_kIWt3mOaVfs",
          "cachedResultUrl": "https://drive.google.com/drive/folders/15gjDQZiHZuBeVscnK8Ic_kIWt3mOaVfs",
          "cachedResultName": "RAG template"
        }
      },
      "credentials": {
        "googleDriveOAuth2Api": {
          "id": "r1DVmNxwkIL8JO17",
          "name": "Google Drive account"
        }
      },
      "typeVersion": 1
    },
    {
      "id": "001fbdbe-dfcb-4552-bf09-de416b253389",
      "name": "Download New",
      "type": "n8n-nodes-base.googleDrive",
      "position": [
        -580,
        100
      ],
      "parameters": {
        "fileId": {
          "__rl": true,
          "mode": "id",
          "value": "={{ $json.id }}"
        },
        "options": {},
        "operation": "download"
      },
      "credentials": {
        "googleDriveOAuth2Api": {
          "id": "r1DVmNxwkIL8JO17",
          "name": "Google Drive account"
        }
      },
      "typeVersion": 3
    },
    {
      "id": "c1116cba-beb9-4d28-843d-c5c21c0643de",
      "name": "Insert into Milvus",
      "type": "@n8n/n8n-nodes-langchain.vectorStoreMilvus",
      "position": [
        -124,
        100
      ],
      "parameters": {
        "mode": "insert",
        "options": {
          "clearCollection": false
        },
        "milvusCollection": {
          "__rl": true,
          "mode": "list",
          "value": "collectionName",
          "cachedResultName": "collectionName"
        }
      },
      "credentials": {
        "milvusApi": {
          "id": "Gpsxqr2l9Qxu48h0",
          "name": "Milvus account"
        }
      },
      "typeVersion": 1.1
    },
    {
      "id": "2dbc7139-46f6-41d8-8c13-9fafad5aec55",
      "name": "RAG Agent",
      "type": "@n8n/n8n-nodes-langchain.agent",
      "position": [
        -540,
        520
      ],
      "parameters": {
        "options": {}
      },
      "typeVersion": 1.8
    },
    {
      "id": "a103506e-9019-41f2-9b0d-9b831434c9e9",
      "name": "Retrieve from Milvus",
      "type": "@n8n/n8n-nodes-langchain.vectorStoreMilvus",
      "position": [
        -340,
        740
      ],
      "parameters": {
        "mode": "retrieve-as-tool",
        "topK": 10,
        "toolName": "vector_store",
        "toolDescription": "You are an AI agent that responds based on information received from a vector database.",
        "milvusCollection": {
          "__rl": true,
          "mode": "list",
          "value": "collectionName",
          "cachedResultName": "collectionName"
        }
      },
      "credentials": {
        "milvusApi": {
          "id": "Gpsxqr2l9Qxu48h0",
          "name": "Milvus account"
        }
      },
      "typeVersion": 1.1
    },
    {
      "id": "74ccdff1-b976-4e1c-a2c4-237ffff19e34",
      "name": "OpenAI 4o",
      "type": "@n8n/n8n-nodes-langchain.lmChatOpenAi",
      "position": [
        -580,
        740
      ],
      "parameters": {
        "model": {
          "__rl": true,
          "mode": "list",
          "value": "gpt-4o",
          "cachedResultName": "gpt-4o"
        },
        "options": {}
      },
      "credentials": {
        "openAiApi": {
          "id": "vupAk5StuhOafQcb",
          "name": "OpenAi account"
        }
      },
      "typeVersion": 1.2
    },
    {
      "id": "36e35eaf-f723-4eeb-9658-143d5bc390a0",
      "name": "Memory",
      "type": "@n8n/n8n-nodes-langchain.memoryBufferWindow",
      "position": [
        -460,
        740
      ],
      "parameters": {},
      "typeVersion": 1.3
    },
    {
      "id": "ec7b6b92-065c-455c-a3f0-17586d9e48d7",
      "name": "Cohere embeddings",
      "type": "@n8n/n8n-nodes-langchain.embeddingsCohere",
      "position": [
        -220,
        900
      ],
      "parameters": {
        "modelName": "embed-multilingual-v3.0"
      },
      "credentials": {
        "cohereApi": {
          "id": "8gcYMleu1b8Hm03D",
          "name": "CohereApi account"
        }
      },
      "typeVersion": 1
    },
    {
      "id": "3c3a8900-0b98-4479-8602-16b21e011ba1",
      "name": "Set Chunks",
      "type": "@n8n/n8n-nodes-langchain.textSplitterRecursiveCharacterTextSplitter",
      "position": [
        80,
        480
      ],
      "parameters": {
        "options": {},
        "chunkSize": 700,
        "chunkOverlap": 60
      },
      "typeVersion": 1
    },
    {
      "id": "3a43bf1a-7e22-4b5e-bbb1-6bb2c1798c07",
      "name": "Extract from File",
      "type": "n8n-nodes-base.extractFromFile",
      "position": [
        -360,
        100
      ],
      "parameters": {
        "options": {},
        "operation": "pdf"
      },
      "typeVersion": 1
    },
    {
      "id": "e0c9d4d7-5e3e-4e47-bb1f-dbdca360b20a",
      "name": "Sticky Note",
      "type": "n8n-nodes-base.stickyNote",
      "position": [
        -1440,
        120
      ],
      "parameters": {
        "color": 2,
        "width": 540,
        "height": 600,
        "content": "## Why Milvus\nBased on comparisons and user feedback, **Milvus is often considered a more performant and scalable vector database solution compared to Supabase**, particularly for demanding use cases involving large datasets, high-volume vector search operations, and multilingual support.\n\n\n### Requirements\n- Create an account on [Zilliz](https://zilliz.com/) to generate the Milvus cluster. \n- There is no need to create docker containers or your own instance, Zilliz provides the cloud infraestructure to build it easily\n- Get your credentials ready from Drive, Milvus (Zilliz), and [Cohere](https://cohere.com)\n\n### Usage\nEvery time a new pdf is added into the Drive folder, it will be inserted into the Milvus Vector Store, allowing for the interaction with the RAG agent in seconds.\n\n## Calculate your company's RAG costs\n\nWant to run Milvus on your own server on n8n? Zilliz provides a great [cost calculator](https://zilliz.com/rag-cost-calculator/)\n\n### Get in touch with us\nWant to implement a RAG AI agent for your company? [Shoot us a message](https://1node.ai)\n"
      },
      "typeVersion": 1
    }
  ],
  "active": true,
  "pinData": {},
  "settings": {
    "executionOrder": "v1"
  },
  "versionId": "8b5fc2b8-50f7-425c-8fc8-94ba4f76ecf3",
  "connections": {
    "Memory": {
      "ai_memory": [
        [
          {
            "node": "RAG Agent",
            "type": "ai_memory",
            "index": 0
          }
        ]
      ]
    },
    "OpenAI 4o": {
      "ai_languageModel": [
        [
          {
            "node": "RAG Agent",
            "type": "ai_languageModel",
            "index": 0
          }
        ]
      ]
    },
    "Set Chunks": {
      "ai_textSplitter": [
        [
          {
            "node": "Default Data Loader",
            "type": "ai_textSplitter",
            "index": 0
          }
        ]
      ]
    },
    "Download New": {
      "main": [
        [
          {
            "node": "Extract from File",
            "type": "main",
            "index": 0
          }
        ]
      ]
    },
    "Watch New Files": {
      "main": [
        [
          {
            "node": "Download New",
            "type": "main",
            "index": 0
          }
        ]
      ]
    },
    "Cohere embeddings": {
      "ai_embedding": [
        [
          {
            "node": "Retrieve from Milvus",
            "type": "ai_embedding",
            "index": 0
          }
        ]
      ]
    },
    "Embeddings Cohere": {
      "ai_embedding": [
        [
          {
            "node": "Insert into Milvus",
            "type": "ai_embedding",
            "index": 0
          }
        ]
      ]
    },
    "Extract from File": {
      "main": [
        [
          {
            "node": "Insert into Milvus",
            "type": "main",
            "index": 0
          }
        ]
      ]
    },
    "Default Data Loader": {
      "ai_document": [
        [
          {
            "node": "Insert into Milvus",
            "type": "ai_document",
            "index": 0
          }
        ]
      ]
    },
    "Retrieve from Milvus": {
      "ai_tool": [
        [
          {
            "node": "RAG Agent",
            "type": "ai_tool",
            "index": 0
          }
        ]
      ]
    },
    "When chat message received": {
      "main": [
        [
          {
            "node": "RAG Agent",
            "type": "main",
            "index": 0
          }
        ]
      ]
    }
  }
}

Workflow n8n Google Drive, gestion de fichiers : pour qui est ce workflow ?

Ce workflow s'adresse aux entreprises de taille moyenne à grande, notamment celles qui utilisent Google Drive pour la gestion de documents. Il est idéal pour les équipes techniques et les professionnels de l'IT, ainsi que pour les utilisateurs ayant une compréhension de base des outils d'automatisation et d'intelligence artificielle.

Workflow n8n Google Drive, gestion de fichiers : problème résolu

Ce workflow résout le problème de la gestion manuelle des fichiers sur Google Drive, qui peut être chronophage et sujet à des erreurs. En automatisant le processus d'extraction et de traitement des données, il permet de réduire les risques d'erreurs humaines et d'accélérer l'accès à l'information. Les utilisateurs bénéficient d'une solution efficace qui optimise leur flux de travail et améliore la productivité.

Workflow n8n Google Drive, gestion de fichiers : étapes du workflow

Étape 1 : Le workflow commence par le déclencheur 'Watch New Files' qui surveille un dossier Google Drive.

  • Étape 1 : Lorsqu'un nouveau fichier est détecté, le nœud 'Download New' le télécharge pour traitement.
  • Étape 2 : Le nœud 'Extract from File' extrait le contenu du fichier.
  • Étape 3 : Le contenu est ensuite segmenté avec le nœud 'Set Chunks'.
  • Étape 4 : Les embeddings sont générés grâce au nœud 'Cohere embeddings' et stockés dans Milvus via le nœud 'Insert into Milvus'.
  • Étape 5 : Les données peuvent être récupérées ultérieurement grâce au nœud 'Retrieve from Milvus'.

Workflow n8n Google Drive, gestion de fichiers : guide de personnalisation

Pour personnaliser ce workflow, vous pouvez modifier le dossier à surveiller dans le nœud 'Watch New Files' en spécifiant le chemin du dossier Google Drive. Vous pouvez également ajuster les paramètres du nœud 'Set Chunks' pour définir la taille et le chevauchement des morceaux de texte. Si vous souhaitez utiliser un modèle Cohere différent, changez le paramètre 'modelName' dans le nœud 'Cohere embeddings'. Enfin, pour sécuriser le flux, pensez à configurer des permissions appropriées sur Google Drive et à surveiller les logs d'exécution dans n8n.