Embeddings NVIDIA Nemotron dans n8n : un node natif pour un RAG moins cher

Chaque pipeline RAG paie un coût caché qu'on découvre rarement avant de le voir sur la facture : celui des embeddings. À l'ingestion, chaque chunk de chaque document passe par un appel API ; à chaque question posée, un appel de plus. Sur un corpus de plusieurs milliers de pages ou une resynchronisation fréquente, la note grimpe vite, même si les tarifs unitaires des modèles d'embeddings restent nettement inférieurs à ceux des LLM de génération. Depuis la version 2.26 de n8n (juin 2026), une option native change la donne : le node NVIDIA Nemotron Embeddings, qui donne accès à des modèles NeMo Retriever de qualité via un plan développeur gratuit, sans carte bancaire. Ce guide montre comment le configurer et où il prend place dans un pipeline RAG existant.

Ce qu'apporte ce node

Le node NVIDIA Nemotron Embeddings génère des vecteurs à partir des modèles de la famille NeMo Retriever de NVIDIA, exposés soit via l'API cloud de build.nvidia.com, soit via un conteneur NIM (NVIDIA Inference Microservice) que vous auto-hébergez. Comme les autres nodes Embeddings de n8n, il se branche en sous-node d'un node Vector Store — Supabase Vector Store, PGVector Vector Store, Qdrant Vector Store — et fonctionne indifféremment en mode insertion à l'ingestion ou en mode retrieval à la requête.

Deux détails distinguent ce node des intégrations d'embeddings plus anciennes :

• Il réutilise le credential NVIDIA existant. Si vous utilisez déjà le node NVIDIA Nemotron Chat Model pour la génération, la même clé API sert aussi aux embeddings : pas de second compte à créer, pas de seconde clé à sécuriser.
• Il distingue automatiquement passage et requête. Les modèles NeMo Retriever sont entraînés de façon asymétrique : un texte à indexer (« passage ») et une question posée par l'utilisateur (« query ») ne sont pas encodés de la même manière en interne, même s'ils produisent des vecteurs comparables entre eux. Le node envoie automatiquement le bon paramètre input_type selon qu'il tourne en mode insertion ou en mode retrieval — un détail qui, oublié, dégrade silencieusement la pertinence du RAG sans qu'aucune erreur ne le signale.

Cette distinction n'est pas un raffinement marketing : elle reprend directement la logique des encodeurs à double tour popularisée par l'article Dense Passage Retrieval for Open-Domain Question Answering de Karpukhin et ses coauteurs (EMNLP 2020), qui montre qu'entraîner séparément l'encodage des questions et celui des passages améliore nettement la qualité de la recherche par rapport à un encodage symétrique naïf. Les modèles NV-Embed de NVIDIA, décrits dans NV-Embed: Improved Techniques for Training LLMs as Generalist Embedding Models (Lee et al., ICLR 2025), qui ont occupé la première place du classement MTEB, s'inscrivent dans cette même famille d'architectures — d'où l'intérêt de laisser le node gérer lui-même le paramètre input_type plutôt que de le fixer à la main.

Créer le credential NVIDIA dans n8n

1. Ouvrez un compte sur build.nvidia.com — l'inscription est gratuite et ne demande pas de carte bancaire.
2. Sur la page d'un modèle Nemotron (chat ou embeddings), cliquez sur Get API Key, puis copiez la clé générée (elle commence par nvapi-).
3. Dans n8n, créez un nouveau credential NVIDIA Nemotron API et collez la clé dans le champ API Key.
4. Laissez l'URL de base par défaut (https://integrate.api.nvidia.com/v1) pour utiliser le cloud NVIDIA, ou remplacez-la par l'adresse de votre conteneur NIM si vous auto-hébergez le modèle.

Ce même credential alimente aussi bien le node NVIDIA Nemotron Chat Model que le node NVIDIA Nemotron Embeddings : une seule configuration pour brancher génération et recherche vectorielle sur l'infrastructure NVIDIA.

Brancher le node dans un pipeline RAG existant

Dans un workflow d'ingestion type — proche de celui décrit dans notre guide RAG complet avec n8n et Supabase — le node Embeddings se situe juste avant le node Vector Store, après le découpage des documents en chunks :

1. Extraction du texte (PDF, page Notion, export CSV…).
2. Découpage en chunks avec le Text Splitter habituel.
3. Embeddings : remplacez le node Embeddings OpenAI par le node Embeddings NVIDIA Nemotron, sélectionnez le credential créé plus haut et choisissez un modèle NeMo Retriever dans la liste (le node interroge le catalogue disponible sur votre URL de base).
4. Insertion dans le node Vector Store, en mode Insert.

Côté chat ou API de question-réponse, le même node Embeddings NVIDIA Nemotron reconverti la question de l'utilisateur en vecteur — automatiquement en input_type: query cette fois — avant l'appel match_documents de pgvector, décrit dans notre guide pour connecter n8n à Supabase.

Point non négociable : comme pour tout changement de modèle d'embeddings, la règle décrite dans notre guide de choix du modèle d'embeddings s'applique intégralement. Un vecteur produit par NV-Embed et un vecteur produit par text-embedding-3-small d'OpenAI ne sont pas comparables : passer d'un modèle à l'autre impose de réingérer tout le corpus, et éventuellement d'ajuster la dimension de la colonne vector(n) dans Supabase si elle diffère.

Le plan gratuit : ce qu'il faut savoir avant de s'y fier en production

Le compte développeur build.nvidia.com donne accès au catalogue de modèles hébergés — dont NeMo Retriever — sans frais, ce qui rend le prototypage d'un pipeline RAG complet possible sans dépenser un centime. Deux réserves à garder en tête :

• Les quotas de débit (nombre de requêtes par minute) sont plus serrés que sur un plan payant et peuvent varier selon le modèle et la charge globale de la plateforme. Un test de charge léger avant mise en production évite les surprises sur un pic d'ingestion ou de trafic.
• Les conditions évoluent : NVIDIA ajuste régulièrement son catalogue et ses limites. Vérifiez l'état courant sur la page du modèle avant de vous engager, plutôt que de vous fier à un chiffre lu ailleurs.

Pour un usage en production avec des volumes soutenus ou une exigence de confidentialité stricte, le même node fonctionne sans modification contre un conteneur NIM auto-hébergé : il suffit de changer l'URL de base du credential. C'est l'option à privilégier quand les documents ingérés ne doivent transiter par aucun service tiers — un besoin fréquent pour les cabinets et PME qui traitent des données contractuelles, comme dans notre guide sur l'analyse de clauses contractuelles par IA.

Faut-il migrer un RAG existant vers Nemotron ?

Pas systématiquement. Si votre pipeline actuel avec les embeddings OpenAI ou un modèle Ollama local tourne bien et que le coût n'est pas un problème, la migration n'apporte pas de bénéfice automatique — c'est un changement de modèle comme un autre, avec la réingestion complète qu'il impose. En revanche, ce node vaut le détour dans deux situations concrètes : un projet en phase de prototypage qui veut éviter toute dépense d'API avant de valider l'usage, ou une équipe qui utilise déjà NVIDIA Nemotron comme LLM de génération et souhaite unifier ses credentials et sa facturation sur un seul fournisseur.

Avant de basculer, suivez la méthode déjà éprouvée : indexez un même échantillon de documents avec l'ancien et le nouveau modèle, posez la même vingtaine de questions réelles aux deux index, et comparez les passages remontés. Si la qualité tient la route, la resynchronisation complète du corpus suit le même pattern delete-then-insert que pour toute mise à jour d'index — sauf qu'ici, c'est l'intégralité de la table qui est concernée plutôt que quelques documents modifiés.

En résumé

Le node NVIDIA Nemotron Embeddings ajoute une option native à n8n pour construire un RAG sans dépendre exclusivement d'une API payante : un plan gratuit sans carte bancaire pour prototyper, un credential partagé avec le chat model NVIDIA, une gestion automatique de l'asymétrie passage/requête qui évite une dégradation silencieuse de la pertinence, et une bascule sans friction vers un NIM auto-hébergé le jour où le volume ou la confidentialité l'exigent. Le Pack Assistant RAG (119 €) fournit les quatre workflows d'ingestion, de chat avec citations, de synchronisation Notion et d'API question-réponse déjà câblés sur Supabase pgvector : le node Embeddings y est isolé dans un sous-workflow dédié, ce qui permet de tester Nemotron à la place d'OpenAI en changeant un seul node, avant de réindexer si le résultat convainc.