Connecter Grok (xAI) à n8n : node natif, API et cas d'usage

Les guides FlowKit pour connecter un LLM à n8n couvrent déjà OpenAI et Claude, Mistral, DeepSeek ou encore Groq — l'hébergeur d'inférence rapide, à ne pas confondre avec le sujet du jour. Grok, le modèle de xAI, mérite un traitement à part : c'est le seul de la liste à embarquer nativement des outils de recherche web et X directement facturés à l'appel, ce qui change la façon dont on le branche dans un agent n8n. Ce guide couvre le node natif, l'alternative API compatible OpenAI, le choix du bon modèle selon le cas d'usage, et un bug connu à connaître avant de dépendre de Grok en production.

Pourquoi Grok change la donne pour un agent n8n

La plupart des LLM répondent avec les connaissances figées de leur entraînement, et un node AI Agent doit leur brancher explicitement un outil de recherche pour qu'ils accèdent à une information récente. Grok inverse cette logique : la recherche web et X est un outil natif de l'API, facturé séparément par appel (5 $ pour 1 000 appels de recherche web ou X, 10 $ pour 1 000 pièces jointes), que le modèle peut déclencher lui-même sans configuration supplémentaire côté n8n.

Ce choix rejoint un constat bien documenté en recherche : un LLM interrogé sans accès à des sources externes a tendance à halluciner sur des faits récents ou de niche, alors qu'un ancrage sur des documents ou des résultats de recherche réduit ce risque de façon mesurable. C'est l'argument fondateur de l'article de Lewis et ses coauteurs, « Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks » (NeurIPS 2020 — page Google Scholar), qui a popularisé le principe même du RAG que suit notre Pack Assistant RAG (119 €). Grok applique la même logique, mais en interne et sur le web ouvert plutôt que sur vos propres documents : les deux approches sont complémentaires, pas concurrentes, dans un workflow qui doit répondre à la fois sur votre base documentaire et sur l'actualité.

Créer les credentials xAI

1. Créez un compte sur console.x.ai.
2. Ouvrez la section API Keys, générez une clé et copiez-la immédiatement — elle ne sera plus affichée en clair ensuite.
3. Dans n8n, créez un credential de type xAI et collez la clé.

Comme pour tout fournisseur IA, ce credential doit vivre exclusivement dans le gestionnaire de crédentiels de n8n. Les bons réflexes de stockage et de rotation sont détaillés dans notre guide sur la sécurisation des credentials API.

Méthode 1 : le node xAI Grok Chat Model natif

n8n propose un node dédié, xAI Grok Chat Model (n8n-nodes-langchain.lmChatXAiGrok). Comme les autres modèles de chat, c'est un sous-node LangChain qui ne s'exécute pas seul : il se branche sur l'entrée « Model » d'un node parent — AI Agent, LLM Chain, Text Classifier ou Information Extractor. Si ces briques sont nouvelles pour vous, notre guide pour débuter avec les nodes IA de n8n pose les bases.

1. Ajoutez le node parent (un AI Agent, par exemple), puis attachez un xAI Grok Chat Model sur son entrée de modèle.
2. Sélectionnez votre credential xAI.
3. Choisissez le modèle dans la liste chargée dynamiquement depuis l'API xAI — n8n interroge le catalogue en direct, donc les modèles récemment ajoutés ou retirés s'y reflètent automatiquement.

C'est la méthode à privilégier pour tout nouveau workflow : credential dédié, réglages exposés proprement (température, nombre max de tokens, pénalité de fréquence), aucune URL à bricoler.

Méthode 2 : l'API compatible OpenAI

xAI expose aussi une API compatible avec le format OpenAI, avec pour base URL https://api.x.ai/v1. Deux usages pratiques :

• Credential OpenAI détourné : créez un credential OpenAI dans n8n avec votre clé xAI et remplacez la base URL par https://api.x.ai/v1. Un workflow déjà câblé pour GPT bascule sur Grok en changeant simplement le nom du modèle, sans rien recâbler — pratique pour comparer deux fournisseurs sur le même montage.
• Node HTTP Request, pour un contrôle total :

POST https://api.x.ai/v1/chat/completions
Authorization: Bearer {{ $credentials.apiKey }}
{
  "model": "grok-4.3",
  "messages": [
    { "role": "system", "content": "Tu résumes une actualité sectorielle en trois puces factuelles." },
    { "role": "user", "content": "{{ $json.query }}" }
  ],
  "temperature": 0.3
}

Troisième voie, pour garder un fournisseur de secours immédiat : passer par OpenRouter, qui référence Grok parmi ses modèles disponibles et facilite le fallback multi-fournisseurs si xAI est saturé.

Choisir le bon modèle Grok

Le catalogue xAI évolue vite — les anciennes versions (grok-4, grok-4-fast, grok-4.1, grok-code-fast-1, grok-3) ont par exemple été retirées le 15 mai 2026. À l'écriture de cet article, trois familles couvrent l'essentiel des besoins d'un workflow n8n :

Modèle	Usage	Contexte	Prix (entrée / sortie, pour 1M tokens)
Grok 4.5	Raisonnement complexe, agent sur cas ambigus	500K tokens	2,00 $ / 6,00 $
Grok 4.3	Production courante, meilleur rapport qualité/prix	1M tokens	1,25 $ / 2,50 $
Grok Build	Génération et revue de code	256K tokens	1,00 $ / 2,00 $

Pour la plupart des workflows d'automatisation — classification, résumé, rédaction de brouillons — la famille Grok 4.3 suffit largement et coûte nettement moins cher que le modèle flagship. Réservez Grok 4.5 aux étapes où un raisonnement plus poussé est vraiment nécessaire, et gardez toujours un œil sur vos dépenses avec la méthode décrite dans notre guide pour suivre le coût des appels IA par workflow — d'autant que les outils natifs de Grok (recherche web, recherche X, exécution de code) s'ajoutent en plus du coût par token.

Le piège connu : AI Agent, streaming et tool calling

Un bug a été signalé sur le repo GitHub de n8n (issue #14483) : la combinaison node AI Agent + xAI Grok Chat Model + streaming provoquait une erreur « Argument not supported: stream_options », alors que le même appel fonctionnait en direct via curl sur l'API xAI. Le correctif est sorti depuis, mais l'épisode illustre un point plus général sur les agents outillés : brancher un LLM sur des outils externes reste, techniquement, plus fragile que la simple génération de texte.

Une revue de référence sur le sujet, Patil et ses coauteurs, « Gorilla: Large Language Model Connected with Massive APIs » (page Google Scholar), documente à quel point les modèles peuvent générer des appels d'API mal formés ou halluciner des paramètres inexistants — un problème indépendant du fournisseur, mais que les couches d'intégration (comme le node AI Agent de n8n) peuvent amplifier ou révéler. En pratique : mettez toujours à jour votre instance n8n vers une version récente avant de dépendre de Grok en production, et testez l'exécution complète (modèle, mémoire, outils) en amont. Si l'agent bloque ou boucle sur un outil, notre guide des erreurs courantes du node AI Agent couvre les diagnostics les plus fréquents, tous fournisseurs confondus.

Où Grok apporte un vrai plus dans n8n

• Veille et recherche en temps réel : la recherche web et X native évite de bâtir soi-même un pipeline de scraping pour un agent de veille concurrentielle ou de suivi d'actualité sectorielle.
• Étage de secours ancré sur le web dans un chatbot RAG : quand une question sort du périmètre de votre base documentaire, un agent Grok avec recherche web peut prendre le relais plutôt que de renvoyer un « je ne sais pas » sec — un complément naturel au Pack Assistant RAG (119 €).
• Revue ou génération de code dans un workflow de développement : Grok Build, avec son tarif dédié, se prête bien à un node qui relit un diff ou génère un test avant un déploiement.

Limites et prudence

Catalogue de modèles instable. xAI retire régulièrement d'anciennes versions (six modèles rayés en une seule vague en mai 2026). Un workflow qui code en dur un nom de modèle précis peut casser du jour au lendemain ; vérifiez la liste des modèles actifs dans la console xAI avant un déploiement, et prévoyez un modèle de repli.

Coût des outils natifs à surveiller. Recherche web, recherche X et exécution de code sont facturés séparément (5 $ à 10 $ pour 1 000 appels) : un agent qui déclenche ces outils à chaque message peut voir sa facture grimper bien plus vite qu'un simple compteur de tokens ne le laisse penser. Le suivi détaillé dans notre guide sur les rate limits des API IA s'applique aussi à ce type de coût variable.

En résumé

• Créez votre clé sur console.x.ai et stockez-la dans un credential xAI dédié dans n8n.
• Utilisez le node xAI Grok Chat Model natif pour les nouveaux workflows, ou la base URL https://api.x.ai/v1 sur un credential OpenAI pour recycler un montage existant.
• Choisissez Grok 4.3 par défaut, réservez Grok 4.5 aux cas complexes et Grok Build au code.
• Mettez à jour n8n avant de combiner AI Agent, streaming et Grok en production, et testez l'exécution complète.
• Surveillez le coût des outils natifs (recherche web, X, code) en plus du prix par token.