Surveiller les mentions de sa marque sur le web avec n8n et l'IA : Google Alerts, presse, forums

Une mention négative de votre marque sur un forum ou dans un article de presse spécialisée peut circuler pendant des jours avant qu'un collaborateur ne tombe dessus par hasard — et le temps que ça arrive, le mal est souvent fait. À l'inverse, une mention positive dans un article ou un fil Reddit passe inaperçue alors qu'elle mériterait d'être relayée. Contrairement au suivi des avis clients, qui porte sur les canaux que vous contrôlez (Google Business Profile, Trustpilot, formulaires internes), la surveillance des mentions de marque couvre le reste du web : presse, blogs, forums, réseaux sociaux — partout où quelqu'un peut parler de vous sans jamais vous le dire directement. Ce guide construit dans n8n un pipeline qui centralise ces mentions, élimine les faux positifs, score le sentiment et l'urgence par IA, et alerte votre équipe uniquement quand ça compte.

Pourquoi automatiser cette veille plutôt que compter sur le bouche-à-oreille interne

Une étude de Judith Chevalier et Dina Mayzlin publiée dans le Journal of Marketing Research (2006) montre, sur les ventes de livres chez Amazon et Barnes & Noble, qu'une évolution des avis en ligne se répercute directement sur les ventes relatives d'un produit — et que l'effet d'un avis très négatif pèse davantage que celui d'un avis très positif équivalent. Ce déséquilibre justifie à lui seul de ne pas laisser une mention négative circuler sans réaction pendant des jours.

Le facteur temps compte tout autant que la mention elle-même. Duygu Istanbulluoglu a montré dans une étude publiée dans Computers in Human Behavior (2017) qu'un délai de réponse plus court à une réclamation sur les réseaux sociaux augmente la satisfaction du client, indépendamment de ce qu'il attend réellement en retour — un simple accusé de réception rapide change déjà la perception. Un pipeline qui détecte une mention négative en quelques minutes plutôt qu'en plusieurs jours ne se contente donc pas de gagner du temps : il change la façon dont l'incident est perçu, par le client concerné comme par ceux qui lisent le fil.

Architecture du pipeline

Le workflow tient en cinq étapes : collecte multi-source, dédoublonnage, filtrage des faux positifs, scoring par IA, puis routage selon la gravité.

Étape 1 — Configurer les sources de collecte

Google Alerts en flux RSS reste le point de départ le plus simple et gratuit : sur google.com/alerts, créez une alerte par variante du nom de marque (raison sociale, nom de produit, nom du fondateur si pertinent), puis dans Modifier l'alerte, changez l'option « Envoyer par » de l'adresse e-mail vers Flux RSS. Chaque alerte génère une URL de flux à coller directement dans un node RSS Feed Trigger de n8n — voir notre guide du node RSS pour la configuration de base.

Google News en flux RSS complète la couverture presse spécifiquement : l'URL https://news.google.com/rss/search?q=%22nom+de+marque%22&hl=fr&gl=FR&ceid=FR:fr renvoie un flux RSS filtré sur votre requête, également exploitable en RSS Feed Trigger. Les liens du flux passent par une redirection news.google.com/rss/articles/... avant d'atteindre l'article d'origine — prévoyez un node HTTP Request en mode « suivre les redirections » si vous avez besoin de l'URL finale plutôt que du lien de redirection.

Ces deux sources partagent la même limite : un délai d'indexation qui va de quelques heures à plusieurs jours selon les sites, et une couverture incomplète des forums et communautés peu indexés par Google. La section suivante montre comment la compléter.

Étape 2 — Dédoublonnage et filtrage des faux positifs

Comme dans notre pipeline de veille concurrentielle, une table Supabase indexée sur l'URL de la mention évite de retraiter deux fois le même article si un flux le republie. Insérez l'URL dès sa première apparition ; un node IF en aval du trigger RSS vérifie son absence avant de poursuivre le traitement.

Le filtrage des faux positifs mérite un passage IA dédié, avant tout scoring de sentiment. Un nom de marque qui recoupe un mot courant, un patronyme répandu ou une autre entreprise du même nom dans un autre secteur génère sinon un flux pollué de mentions sans rapport. Un prompt simple suffit :

Ce texte mentionne-t-il réellement [Nom de marque], entreprise du secteur
[secteur] basée en France ? Réponds uniquement par vrai ou faux.

Texte : {{ $json.contenu }}

Un Structured Output Parser force une sortie booléenne exploitable directement par un node IF, sans avoir à parser du texte libre.

Étape 3 — Scoring du sentiment et de l'urgence par IA

Sur les mentions qui passent le filtre, un second appel IA — ou le même appel, en sortie structurée plus riche — attribue un sentiment (positif, neutre, negatif) et un score d'urgence, sur le modèle décrit dans notre guide du node Sentiment Analysis :

{
  "sentiment": "negatif",
  "urgence": 4,
  "resume": "Un utilisateur signale un bug de facturation récurrent sur un forum spécialisé, plusieurs réponses relaient le problème.",
  "type_source": "forum"
}

L'urgence ne se réduit pas au sentiment : une mention négative isolée sur un blog confidentiel pèse moins qu'une mention neutre sur un support à forte audience qui commence à générer des réponses. Le prompt doit expliciter ce critère plutôt que de laisser le modèle inférer l'urgence du seul sentiment.

Étape 4 — Routage : alerte immédiate ou digest hebdomadaire

Un node Switch route selon le score d'urgence : au-delà d'un seuil (4 ou 5 sur 5), une alerte Slack immédiate part vers le canal concerné, sur le même principe que l'alerte sur avis négatif déjà décrite pour les avis clients :

🔴 Mention urgente détectée ({{ $json.type_source }})
Sentiment : {{ $json.sentiment }}
Résumé : {{ $json.resume }}
Lien : {{ $json.url }}

En dessous du seuil, la mention est simplement journalisée dans Supabase, agrégée dans un digest hebdomadaire par un second workflow planifié — même logique que pour la veille concurrentielle ou les rapports de synthèse par IA.

Étape 5 — Brouillon de réponse, jamais publication automatique

Sur une mention qui appelle une réponse publique (forum, réseau social), le même appel IA peut générer un brouillon de réponse professionnel, affiché dans le message Slack comme proposition à valider — jamais publié directement. C'est le même garde-fou que pour les réponses automatiques aux avis clients : un ton mal calibré sur un canal public et permanent coûte plus cher que le temps gagné à sauter la relecture humaine. Pour les cas les plus sensibles, un circuit d'approbation humaine avec boutons Slack met le workflow en pause jusqu'à validation explicite avant d'envoyer quoi que ce soit.

Aller plus loin : combler le délai de Google Alerts avec Firecrawl Search

Pour une marque qui a besoin d'une couverture plus rapide ou plus large que celle de Google Alerts — notamment sur des forums peu indexés — l'opération Search du node Firecrawl permet de lancer une recherche web programmée (toutes les quelques heures) sur le nom de marque, en récupérant directement le contenu des résultats plutôt qu'un simple lien. Ce n'est pas un remplacement de Google Alerts — le coût en crédits ne justifie pas un scan permanent — mais un complément ciblé sur les créneaux ou les sources où la latence de l'indexation Google pose problème.

Pièges fréquents

• Un seul flux pour toutes les variantes du nom de marque : « FlowKit » et « Flow Kit » ne remontent pas les mêmes résultats ; créez une alerte par variante plausible plutôt qu'une requête unique trop restrictive.
• Sauter le filtrage des faux positifs : sur un nom de marque courant, la moitié du flux peut concerner autre chose ; sans ce filtre, l'équipe se désabonne mentalement des alertes en quelques jours.
• Un seuil d'urgence mal calibré : trop bas, chaque mention neutre déclenche une alerte Slack et l'équipe finit par ignorer le canal ; trop haut, une mention négative qui aurait mérité une réaction reste noyée dans le digest hebdomadaire. Ajustez sur une semaine de résultats réels avant de généraliser.
• Publier une réponse générée sans relecture : sur un forum ou un réseau social, une réponse mal calibrée reste visible indéfiniment et peut aggraver l'incident plutôt que le désamorcer.

En résumé

Un pipeline de surveillance de mentions de marque avec n8n combine des sources gratuites (Google Alerts et Google News en flux RSS) avec, si besoin, une recherche complémentaire via Firecrawl, un filtrage IA des faux positifs, un scoring de sentiment et d'urgence en sortie structurée, et un routage entre alerte Slack immédiate et digest hebdomadaire. Aucune brique n'est complexe isolément — c'est l'assemblage qui transforme un flux de mentions dispersées en signal exploitable, avec un temps de réaction qui, d'après la recherche sur le traitement des réclamations en ligne, pèse autant sur la satisfaction client que la réponse elle-même. Le Pack Inbox IA (79 €) fournit déjà le socle de classification IA et d'alerte Slack/Telegram réutilisable pour ce pipeline ; le Pack Assistant RAG (119 €) permet d'aller plus loin en rendant l'historique des mentions interrogeable par un chatbot plutôt que simplement archivé.