Automatiser une veille concurrentielle avec l'IA dans n8n : RSS, résumé et alertes

Surveiller les nouveautés d'une dizaine de concurrents, blogs sectoriels ou changelogs produit prend, fait à la main, une bonne partie de la matinée : ouvrir chaque site, repérer ce qui a changé depuis la veille, juger si ça mérite d'être remonté à l'équipe. La plupart du temps, rien de neuf. Le reste du temps, l'information arrive avec un jour de retard parce que personne n'a eu le temps de vérifier. Ce guide construit dans n8n un pipeline qui fait cette lecture à votre place : il centralise plusieurs flux RSS, filtre avec un LLM ce qui mérite réellement votre attention, et pousse un résumé dans Slack ou Telegram — en temps réel pour l'important, en digest quotidien pour le reste.

Pourquoi automatiser sa veille plutôt que la faire à la main

Trois problèmes reviennent systématiquement dans une veille manuelle :

• Le temps passé ne correspond pas à la valeur produite. Lire vingt articles pour en retenir deux est un travail répétitif, exactement le genre de tâche qu'un LLM fait bien : lire vite, juger la pertinence selon des critères explicites, résumer.
• La couverture est inégale. Un collaborateur surchargé une semaine saute des sources ; l'automatisation, elle, ne saute jamais un flux.
• L'information arrive sans structure. Un lien Slack collé au fil de l'eau se perd dans l'historique du canal. Un digest structuré, avec un score de pertinence et un résumé en une phrase, se lit en trente secondes et reste exploitable plus tard s'il est archivé.

L'architecture ci-dessous reprend le même principe que le tri d'emails par IA ou le scoring de leads entrants : un LLM avec un barème explicite, une sortie structurée fiable, et un routage selon un seuil.

Architecture du pipeline

Le workflow s'articule en quatre temps :

1. RSS Feed Trigger — un déclencheur qui interroge chaque flux à intervalle régulier et ne transmet que les nouveaux articles.
2. Déduplication Supabase — une vérification pour ne jamais traiter deux fois le même article, même si le flux le republie.
3. Filtrage et résumé par LLM — un score de pertinence et un résumé en deux phrases, en sortie structurée.
4. Routage — alerte Slack immédiate au-delà d'un seuil de pertinence, sinon mise en file pour un digest quotidien envoyé par un second workflow planifié.

Étape 1 — Centraliser plusieurs flux avec RSS Feed Trigger

Le node RSS Feed Trigger (n8n-nodes-base.rssFeedReadTrigger) interroge une URL de flux à intervalle régulier et ne déclenche le workflow que pour les entrées publiées depuis le dernier passage — pas besoin de gérer vous-même la logique de « nouveau contenu ». Pour surveiller plusieurs sources, dupliquez le node une fois par flux (blog concurrent, changelog produit, presse spécialisée) ou passez par un Schedule Trigger qui itère sur une liste d'URLs stockée dans une table Supabase, plus pratique dès que vous dépassez cinq ou six sources et voulez les gérer sans toucher au workflow.

La plupart des blogs et sites d'actualité exposent un flux même sans lien visible : essayez /feed, /rss.xml ou /feed.xml en fin d'URL avant de conclure qu'il n'y en a pas.

Étape 2 — Éviter les doublons avec Supabase

Certains flux republient un article en tête de liste après une simple mise à jour, ce qui déclencherait un doublon dans votre digest. Avant d'aller plus loin, un node Supabase vérifie si le lien de l'article existe déjà dans une table veille_articles (colonne url, contrainte unique) ; si oui, le workflow s'arrête là via un node IF. Cette table sert aussi d'archive, ce qui devient utile plus loin dans cet article.

create table veille_articles (
  id uuid primary key default gen_random_uuid(),
  url text unique not null,
  titre text,
  source text,
  resume text,
  pertinence int,
  publie_le timestamptz,
  cree_le timestamptz default now()
);

Pour la configuration complète d'un projet Supabase avec n8n, credentials et bonnes pratiques comprises, notre guide de connexion n8n-Supabase couvre le sujet en détail.

Étape 3 — Filtrer et résumer avec un LLM

C'est le cœur du pipeline : une Chaîne LLM (chainLlm) reçoit le titre et l'extrait de l'article, avec un prompt qui applique un barème de pertinence explicite plutôt qu'un jugement vague. Par exemple, pour une veille produit :

• 5 : annonce d'une fonctionnalité concurrente directement comparable à votre offre
• 3-4 : changement de tarification, levée de fonds, partenariat notable
• 1-2 : article de blog générique, contenu marketing sans annonce concrète

Un node Structured Output Parser force une sortie JSON fiable (pertinence en entier, resume en une ou deux phrases, categorie), exactement comme dans le workflow de scoring d'urgence des emails du Pack Inbox IA (79 €) — le même principe de barème explicite et de sortie structurée s'applique aussi bien à un email qu'à un article de veille. Un modèle économique comme gpt-4o-mini suffit largement pour cette tâche de classification et de résumé court ; si le volume de flux devient important, un modèle local via Ollama peut prendre le relais pour ce filtrage initial, avant de réserver un modèle plus puissant aux articles jugés les plus pertinents.

Étape 4 — Router entre alerte immédiate et digest quotidien

Un node IF compare le score de pertinence à un seuil (4 sur 5, par exemple) :

• Au-delà : alerte Slack immédiate dans le canal veille, avec titre, source, résumé et lien — pour ne pas découvrir une annonce concurrente majeure avec un jour de retard.
• En dessous : insertion dans la table veille_articles avec le statut en_attente. Un second workflow, déclenché chaque matin par un Schedule Trigger, récupère les articles en attente, les regroupe en un digest structuré par source et les publie sur Slack ou Telegram — sur le même principe que le digest quotidien d'emails déjà décrit sur ce blog.

Ce découplage en deux workflows évite de surcharger le canal Slack tout en garantissant qu'aucune alerte importante n'attend le lendemain matin.

Pour démarrer sans tout construire vous-même, notre workflow de veille automatisée par email est disponible gratuitement en JSON : il applique la même recette (lecture RSS, synthèse par IA, digest quotidien) sur un envoi par email plutôt que Slack, avec les notes explicatives directement dans le canvas n8n.

Et les sites sans flux RSS ?

Certaines sources utiles — pages de tarification, changelogs en JavaScript, réseaux sociaux — n'exposent aucun flux exploitable. Dans ce cas, remplacez le RSS Feed Trigger par un Schedule Trigger suivi d'un node HTTP Request qui récupère la page, puis d'un node HTML Extract ou d'un passage direct du HTML brut au LLM pour qu'il identifie lui-même ce qui a changé par rapport à la dernière capture stockée dans Supabase. C'est plus fragile qu'un flux RSS — une refonte du site casse le sélecteur CSS — mais reste largement suffisant pour surveiller une poignée de pages stratégiques.

Aller plus loin : archiver pour interroger sa veille

Un digest Slack se lit puis se perd dans l'historique du canal. En conservant chaque article et son résumé dans la table Supabase créée à l'étape 2, et en y ajoutant les embeddings via pgvector, vous transformez votre veille en base interrogeable : « qu'a annoncé tel concurrent sur le sujet X ce trimestre ? » devient une question posée à un chatbot plutôt qu'une recherche manuelle dans des semaines de digests. La mécanique — découpage, embeddings, stockage pgvector, chatbot avec citations — est détaillée dans notre guide RAG avec n8n et Supabase et correspond exactement aux workflows du Pack Assistant RAG (119 €) : les mêmes briques d'ingestion documentaire s'appliquent aussi bien à des PDF internes qu'à un flux continu d'articles de veille.

Combien ça coûte

Pour une dizaine de flux publiant en moyenne trente articles par jour, avec un résumé limité à quelques centaines de tokens par article et un modèle économique, le coût reste de l'ordre de quelques dizaines de centimes par jour — le détail du calcul et les ordres de grandeur par modèle sont couverts dans notre guide sur le suivi du coût des appels IA. Le vrai coût de la veille manuelle n'a jamais été l'abonnement à un outil, mais le temps de lecture ; celui-ci disparaît presque entièrement une fois le pipeline en place.

Pour aller plus loin

Ce pipeline tient en deux workflows n8n assemblés à partir de briques déjà éprouvées ailleurs sur ce blog : un déclencheur RSS, une déduplication Supabase, une chaîne LLM avec sortie structurée, et un routage par seuil — le même socle que celui du Pack Inbox IA pour le tri et le digest, complété si besoin par le Pack Assistant RAG pour archiver et interroger votre veille dans la durée. Commencez par deux ou trois flux à surveiller, ajustez le barème de pertinence sur une semaine de résultats réels, puis élargissez la couverture une fois le seuil calibré.