← Retour aux workflows
Workflow n8n

Automatisation n8n : extraction et résumé de données Wikipedia

Ce workflow n8n a pour objectif d'extraire et de résumer des données provenant de Wikipedia en utilisant l'intelligence artificielle de Gemini et des requêtes HTTP. Dans un contexte où la gestion de l'information est cruciale, ce type d'automatisation peut être particulièrement utile pour les équipes de contenu, les chercheurs ou toute entreprise ayant besoin d'accéder rapidement à des résumés d'articles. Le workflow commence par un déclencheur manuel, permettant à l'utilisateur de tester le flux à tout moment. Ensuite, il utilise le modèle de chat Google Gemini pour générer un résumé des données extraites. La requête vers Wikipedia est effectuée via un nœud HTTP, qui récupère les informations nécessaires. Après cela, les données sont traitées par un extracteur de données LLM, qui prépare le texte pour la génération d'un résumé concis. Ce résumé est ensuite envoyé via un autre nœud HTTP pour notifier l'utilisateur. Grâce à cette automatisation n8n, les utilisateurs peuvent gagner un temps précieux en évitant de lire des articles en entier et en accédant directement à l'essentiel. En intégrant des outils d'IA comme Gemini, ce workflow offre une valeur ajoutée significative en matière d'efficacité et de pertinence des informations.

Tags clés :automatisationWikipediaGoogle Geminin8nextraction de données
🎯Pour qui ?🧩Problème résolu📋Étapes du flux🛠Guide de personnalisation
Catégorie: Manual · Tags: automatisation, Wikipedia, Google Gemini, n8n, extraction de données❤ 0

Workflow n8n Wikipedia, Google Gemini, extraction de données : 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 Wikipedia, Google Gemini, extraction de données : détail des nœuds

  • When clicking ‘Test workflow’

    Ce noeud déclenche manuellement le workflow lorsque l'utilisateur clique sur 'Test workflow'.

  • Google Gemini Chat Model For Summarization

    Ce noeud utilise le modèle de chat Google Gemini pour résumer des informations.

  • Google Gemini Chat Model2

    Ce noeud exécute à nouveau le modèle de chat Google Gemini pour une autre tâche de résumé.

  • Summary Webhook Notifier

    Ce noeud envoie une requête HTTP à un webhook pour notifier un résumé.

  • Sticky Note

    Ce noeud crée une note autocollante avec un contenu spécifié.

  • Sticky Note1

    Ce noeud génère une autre note autocollante avec des paramètres définis.

  • Wikipedia Web Request

    Ce noeud effectue une requête HTTP vers Wikipedia pour récupérer des données.

  • LLM Data Extractor

    Ce noeud extrait des données à partir d'un texte en utilisant un modèle de langage.

  • Concise Summary Generator

    Ce noeud génère un résumé concis à partir des données fournies.

  • Set Wikipedia URL with Bright Data Zone

    Ce noeud définit une URL Wikipedia à l'aide de la zone Bright Data.

  • Sticky Note2

    Ce noeud crée une note autocollante avec une couleur et un contenu spécifiés.

  • Sticky Note3

    Ce noeud génère une note autocollante avec une couleur et des dimensions définies.

Inscris-toi pour voir l'intégralité du workflow

Inscription gratuite

S'inscrire gratuitementBesoin d'aide ?
{
  "id": "sczRNO4u1HYc5YV7",
  "meta": {
    "instanceId": "885b4fb4a6a9c2cb5621429a7b972df0d05bb724c20ac7dac7171b62f1c7ef40",
    "templateCredsSetupCompleted": true
  },
  "name": "Extract & Summarize Wikipedia Data with Bright Data and Gemini AI",
  "tags": [
    {
      "id": "Kujft2FOjmOVQAmJ",
      "name": "Engineering",
      "createdAt": "2025-04-09T01:31:00.558Z",
      "updatedAt": "2025-04-09T01:31:00.558Z"
    },
    {
      "id": "ddPkw7Hg5dZhQu2w",
      "name": "AI",
      "createdAt": "2025-04-13T05:38:08.053Z",
      "updatedAt": "2025-04-13T05:38:08.053Z"
    }
  ],
  "nodes": [
    {
      "id": "0f4b4939-6356-4672-ae61-8d1daf66a168",
      "name": "When clicking ‘Test workflow’",
      "type": "n8n-nodes-base.manualTrigger",
      "position": [
        340,
        -440
      ],
      "parameters": {},
      "typeVersion": 1
    },
    {
      "id": "167e060a-c36c-462a-826c-81ef379c824b",
      "name": "Google Gemini Chat Model For Summarization",
      "type": "@n8n/n8n-nodes-langchain.lmChatGoogleGemini",
      "position": [
        1520,
        -60
      ],
      "parameters": {
        "options": {},
        "modelName": "models/gemini-2.0-flash-exp"
      },
      "credentials": {
        "googlePalmApi": {
          "id": "YeO7dHZnuGBVQKVZ",
          "name": "Google Gemini(PaLM) Api account"
        }
      },
      "typeVersion": 1
    },
    {
      "id": "a51f2634-8b59-4feb-be39-674e8f198714",
      "name": "Google Gemini Chat Model2",
      "type": "@n8n/n8n-nodes-langchain.lmChatGoogleGemini",
      "position": [
        1000,
        -240
      ],
      "parameters": {
        "options": {},
        "modelName": "models/gemini-2.0-pro-exp"
      },
      "credentials": {
        "googlePalmApi": {
          "id": "YeO7dHZnuGBVQKVZ",
          "name": "Google Gemini(PaLM) Api account"
        }
      },
      "typeVersion": 1
    },
    {
      "id": "a1ec001f-6e97-4efb-91d9-9a037fbf472c",
      "name": "Summary Webhook Notifier",
      "type": "n8n-nodes-base.httpRequest",
      "position": [
        1860,
        -280
      ],
      "parameters": {
        "url": "https://webhook.site/ce41e056-c097-48c8-a096-9b876d3abbf7",
        "options": {},
        "sendBody": true,
        "bodyParameters": {
          "parameters": [
            {
              "name": "summary",
              "value": "={{ $json.response.text }}"
            }
          ]
        }
      },
      "typeVersion": 4.2
    },
    {
      "id": "f4dd93b5-2a33-4ac7-a0c9-9e0956bea363",
      "name": "Sticky Note",
      "type": "n8n-nodes-base.stickyNote",
      "position": [
        340,
        -820
      ],
      "parameters": {
        "width": 400,
        "height": 300,
        "content": "## Note\n\nThis template deals with the Wikipedia data extraction and summarization of content with the Bright Data. \n\nThe LLM Data Extractor is responsible for producing a human readable content.\n\nThe Concise Summary Generator node is responsible for generating the concise summary of the Wikipedia extracted info.\n\n**Please make sure to update the Wikipedia URL with Bright Data Zone. Also make sure to set the Webhook Notification URL.**"
      },
      "typeVersion": 1
    },
    {
      "id": "9bd6f913-c526-4e54-81f8-8885a0fe974f",
      "name": "Sticky Note1",
      "type": "n8n-nodes-base.stickyNote",
      "position": [
        780,
        -820
      ],
      "parameters": {
        "width": 500,
        "height": 300,
        "content": "## LLM Usages\n\nGoogle Gemini Flash Exp model is being used to demonstrate the data extraction and summarization aspects.\n\nBasic LLM Chain is being used for extracting the html to text\n\nSummarization Chain is being used for summarization of the Wikipedia data.\n\n**Note - Replace Google Gemini with the Open AI or suitable LLM providers of your choice.**"
      },
      "typeVersion": 1
    },
    {
      "id": "30008ce4-4de2-43c5-bb03-94db58262f86",
      "name": "Wikipedia Web Request",
      "type": "n8n-nodes-base.httpRequest",
      "position": [
        780,
        -440
      ],
      "parameters": {
        "url": "https://api.brightdata.com/request",
        "method": "POST",
        "options": {},
        "sendBody": true,
        "sendHeaders": true,
        "authentication": "genericCredentialType",
        "bodyParameters": {
          "parameters": [
            {
              "name": "zone",
              "value": "={{ $json.zone }}"
            },
            {
              "name": "url",
              "value": "={{ $json.url }}"
            },
            {
              "name": "format",
              "value": "raw"
            }
          ]
        },
        "genericAuthType": "httpHeaderAuth",
        "headerParameters": {
          "parameters": [
            {}
          ]
        }
      },
      "credentials": {
        "httpHeaderAuth": {
          "id": "kdbqXuxIR8qIxF7y",
          "name": "Header Auth account"
        }
      },
      "typeVersion": 4.2
    },
    {
      "id": "28656a7d-4bd8-41c8-8471-50d19d88e7f2",
      "name": "LLM Data Extractor",
      "type": "@n8n/n8n-nodes-langchain.chainLlm",
      "position": [
        1000,
        -440
      ],
      "parameters": {
        "text": "={{ $json.data }}",
        "messages": {
          "messageValues": [
            {
              "message": "You are an expert Data Formatter. Make sure to format the data in a human readable manner. Please output the human readable content without your own thoughts"
            }
          ]
        },
        "promptType": "define",
        "hasOutputParser": true
      },
      "typeVersion": 1.6
    },
    {
      "id": "7045af3b-9e74-42ef-92f0-f8d3266f2890",
      "name": "Concise Summary Generator",
      "type": "@n8n/n8n-nodes-langchain.chainSummarization",
      "position": [
        1440,
        -280
      ],
      "parameters": {
        "options": {
          "summarizationMethodAndPrompts": {
            "values": {
              "prompt": "Write a concise summary of the following:\n\n\n\"{text}\"\n"
            }
          }
        },
        "chunkingMode": "advanced"
      },
      "typeVersion": 2
    },
    {
      "id": "0cc843c1-252a-4c18-9856-5c7dfc732072",
      "name": "Set Wikipedia URL with Bright Data Zone",
      "type": "n8n-nodes-base.set",
      "notes": "Set the URL which you are interested to scrap the data",
      "position": [
        560,
        -440
      ],
      "parameters": {
        "options": {},
        "assignments": {
          "assignments": [
            {
              "id": "1c132dd6-31e4-453b-a8cf-cad9845fe55b",
              "name": "url",
              "type": "string",
              "value": "https://en.wikipedia.org/wiki/Cloud_computing?product=unlocker&method=api"
            },
            {
              "id": "0fa387df-2511-4228-b6aa-237cceb3e9c7",
              "name": "zone",
              "type": "string",
              "value": "web_unlocker1"
            }
          ]
        }
      },
      "notesInFlow": true,
      "typeVersion": 3.4
    },
    {
      "id": "6cb9930f-1924-4762-8150-f5cd0e063348",
      "name": "Sticky Note2",
      "type": "n8n-nodes-base.stickyNote",
      "position": [
        940,
        -500
      ],
      "parameters": {
        "color": 4,
        "width": 380,
        "height": 420,
        "content": "## Basic LLM Chain Data Extractor\n"
      },
      "typeVersion": 1
    },
    {
      "id": "47811535-bce5-4946-aaa6-baef87db1100",
      "name": "Sticky Note3",
      "type": "n8n-nodes-base.stickyNote",
      "position": [
        1400,
        -340
      ],
      "parameters": {
        "color": 5,
        "width": 340,
        "height": 420,
        "content": "## Summarization Chain\n"
      },
      "typeVersion": 1
    }
  ],
  "active": false,
  "pinData": {},
  "settings": {
    "executionOrder": "v1"
  },
  "versionId": "5b5e78fb-6e5a-4b92-838c-6c4060618e9c",
  "connections": {
    "LLM Data Extractor": {
      "main": [
        [
          {
            "node": "Concise Summary Generator",
            "type": "main",
            "index": 0
          }
        ]
      ]
    },
    "Wikipedia Web Request": {
      "main": [
        [
          {
            "node": "LLM Data Extractor",
            "type": "main",
            "index": 0
          }
        ]
      ]
    },
    "Concise Summary Generator": {
      "main": [
        [
          {
            "node": "Summary Webhook Notifier",
            "type": "main",
            "index": 0
          }
        ]
      ]
    },
    "Google Gemini Chat Model2": {
      "ai_languageModel": [
        [
          {
            "node": "LLM Data Extractor",
            "type": "ai_languageModel",
            "index": 0
          }
        ]
      ]
    },
    "When clicking ‘Test workflow’": {
      "main": [
        [
          {
            "node": "Set Wikipedia URL with Bright Data Zone",
            "type": "main",
            "index": 0
          }
        ]
      ]
    },
    "Set Wikipedia URL with Bright Data Zone": {
      "main": [
        [
          {
            "node": "Wikipedia Web Request",
            "type": "main",
            "index": 0
          }
        ]
      ]
    },
    "Google Gemini Chat Model For Summarization": {
      "ai_languageModel": [
        [
          {
            "node": "Concise Summary Generator",
            "type": "ai_languageModel",
            "index": 0
          }
        ]
      ]
    }
  }
}

Workflow n8n Wikipedia, Google Gemini, extraction de données : pour qui est ce workflow ?

Ce workflow s'adresse principalement aux équipes de contenu, aux chercheurs et aux entreprises qui souhaitent automatiser l'extraction et le résumé d'informations à partir de Wikipedia. Un niveau technique intermédiaire est recommandé pour la personnalisation et l'intégration de ce flux dans des processus existants.

Workflow n8n Wikipedia, Google Gemini, extraction de données : problème résolu

Ce workflow résout le problème de la surcharge d'informations en permettant aux utilisateurs d'accéder rapidement à des résumés d'articles Wikipedia. Il élimine les frustrations liées à la lecture exhaustive de contenus longs et réduit le temps nécessaire pour obtenir des informations pertinentes. En automatisant ce processus, les utilisateurs peuvent se concentrer sur l'analyse et l'application des données plutôt que sur leur collecte.

Workflow n8n Wikipedia, Google Gemini, extraction de données : étapes du workflow

Étape 1 : Le flux est déclenché manuellement par l'utilisateur.

  • Étape 1 : Une requête est envoyée à Wikipedia pour récupérer les données nécessaires.
  • Étape 2 : Les données extraites sont traitées par un extracteur de données LLM.
  • Étape 3 : Le modèle Google Gemini génère un résumé des informations.
  • Étape 4 : Un nœud HTTP notifie l'utilisateur avec le résumé concis.
  • Étape 5 : Des notes autocollantes sont utilisées pour documenter le processus et les résultats.

Workflow n8n Wikipedia, Google Gemini, extraction de données : guide de personnalisation

Pour personnaliser ce workflow, vous pouvez modifier l'URL de la requête Wikipedia dans le nœud 'Wikipedia Web Request'. Il est également possible d'ajuster les paramètres du modèle Google Gemini pour affiner le type de résumé généré. Si vous souhaitez intégrer d'autres sources de données, vous pouvez ajouter des nœuds HTTP supplémentaires ou remplacer le modèle de résumé par un autre outil d'IA. Assurez-vous de sécuriser les données en configurant correctement les paramètres d'authentification dans les nœuds HTTP.