FlowKit

4 workflows n8n · JSON + guide

Pack Assistant RAG

Un chatbot qui répond depuis vos propres documents, avec citations

Quatre workflows n8n qui transforment vos PDF et vos pages Notion en assistant documentaire : ingestion, découpage, embeddings, stockage dans Supabase pgvector, puis un chat qui répond en citant ses sources — et une API pour l'intégrer où vous voulez.

119 €TVA incluse · une fois

Acheter le Pack Assistant RAG119 €Paiement sécurisé Stripe · Apple Pay · Google Pay · Paiement unique · Garantie 14 jours

Vous payez → accès immédiat + e-mail → retrouvable à tout moment (Retrouver mes achats) · Une question : admin@tech-bharat.com

Téléchargement immédiat · Garantie 14 jours

Les 3 packs, 12 workflows : Bundle FlowKit Complet — 269 € (347 € achetés séparément).

Le pack

Ce que ce pack change

Vos procédures, contrats, documentations et notes internes dorment dans des PDF que personne ne relit. Ce pack monte un pipeline RAG (Retrieval-Augmented Generation) complet sur votre propre infrastructure : les documents sont découpés et vectorisés dans Supabase, et un chatbot n8n répond aux questions de votre équipe en s'appuyant exclusivement sur ces contenus, citations à l'appui. Pas d'hallucination hors périmètre : quand la réponse n'est pas dans vos documents, il le dit.

Pour qui ?

  • PME avec une base documentaire interne (procédures, RH, qualité) à rendre interrogeable
  • Consultants qui veulent offrir un assistant documentaire à leurs clients
  • Équipes support qui répondent toujours aux mêmes questions depuis les mêmes PDF

Dans le pack

  • 4 workflows n8n au format JSON, importables en deux clics
  • Le SQL complet de mise en place de pgvector (table, index, fonction match_documents)
  • Guide d'installation pas à pas : credentials, test de bout en bout au curl, réglages
  • Prompt de réponse avec citations, prêt à adapter à votre ton

Prérequis

  • n8n ≥ 1.60 (cloud ou self-hosted)
  • Une clé API OpenAI (embeddings + génération)
  • Un projet Supabase gratuit avec l'extension pgvector activée
  • Optionnel : un espace Notion pour la synchronisation nocturne

Ce que vous recevez, exactement

L'archive pack-assistant-rag.zip, fichier par fichier

Cette liste est lue dans les fichiers livrés à chaque construction du site : ce que vous voyez ici est ce que vous téléchargez.

FichierTailleNodes
GUIDE-INSTALLATION.md11,3 Ko—
workflows/api-question-reponse-rag.json10,4 Ko10 + 3 notes
workflows/chatbot-rag-citations.json7,6 Ko6 + 3 notes
workflows/ingestion-pdf-supabase-pgvector.json5,8 Ko6 + 3 notes
workflows/sync-notion-base-vectorielle.json8,6 Ko9 + 3 notes

Sommaire du guide d'installation

  1. Contenu du pack
  2. Prérequis
  3. Mise en place de pgvector dans Supabase
  4. Import des workflows dans n8n
  5. Credentials, node par node
  6. Test de bout en bout
  7. Personnalisation
  8. Dépannage
  9. Support

1 682 mots · 2 scripts SQL

Limites à connaître avant d'acheter

  • L'ingestion lit les PDF dont le texte est extractible ; aucun OCR n'est inclus, un PDF scanné (image) n'apportera pas de texte.
  • La synchronisation Notion indexe le titre et les propriétés des pages d'une base Notion, pas le corps des pages ; elle ne dédoublonne pas (le guide indique de vider la table ou de filtrer par source avant une resynchronisation).
  • Le modèle d'embeddings est fixé à text-embedding-3-small (1 536 dimensions) : en changer impose de recréer la table et de réingérer tous les documents.
  • La base vectorielle est Supabase pgvector ; Pinecone, Qdrant ou un autre store demandent de remplacer les nodes vectoriels.
  • L'interface de discussion est celle du Chat Trigger de n8n ; aucune interface web personnalisée n'est livrée (l'API /ask permet de brancher la vôtre).
  • Le guide d'installation est rédigé en français uniquement.

Chaque workflow, schéma réel

Les 4 workflows, en détail

01 · ingestion RAG de PDF

Ingérer des PDF dans Supabase pgvector avec n8n

Premier maillon d'un RAG : ce workflow expose un webhook qui accepte vos PDF, en extrait le texte, le découpe en fragments, calcule les embeddings et insère le tout dans une table Supabase pgvector. Un curl suffit pour indexer un document.

Voir le fonctionnement node par node
Canvas généré depuis l'export JSON livréworkflows/ingestion-pdf-supabase-pgvector.json · 6 nodes · n8n
Dépôt de PDF (Webhook) — n8n-nodes-base.webhook v2Dépôt de PDF (Webho…WebhookInsérer dans la base vectorielle — @n8n/n8n-nodes-langchain.vectorStoreSupabase v1.1Insérer dans la bas…Base vectorielle Supaba…Confirmer l'ingestion — n8n-nodes-base.respondToWebhook v1.1Confirmer l'ingesti…Réponse webhookChargeur de PDF — @n8n/n8n-nodes-langchain.documentDefaultDataLoader v1Chargeur de PDFChargeur de documentsDécoupage du texte — @n8n/n8n-nodes-langchain.textSplitterRecursiveCharacterTextSplitter v1Découpage du texteDécoupage de texteEmbeddings OpenAI — @n8n/n8n-nodes-langchain.embeddingsOpenAi v1.2Embeddings OpenAIEmbeddings OpenAI
flux de données sous-node IA3 notes explicatives dans le canvas (non dessinées)

02 · chatbot RAG

Créer un chatbot RAG avec citations dans n8n

Le cœur du Pack Assistant RAG : un chat n8n public qui interroge votre base vectorielle Supabase et répond en citant ses sources. Six nodes suffisent — c'est la démonstration que le RAG de production n'exige ni framework ni code.

Voir le fonctionnement node par node
Canvas généré depuis l'export JSON livréworkflows/chatbot-rag-citations.json · 6 nodes · n8n
Chat — @n8n/n8n-nodes-langchain.chatTrigger v1.1ChatChat (trigger)Assistant documentaire — @n8n/n8n-nodes-langchain.chainRetrievalQa v1.4Assistant documenta…Chaîne RAG (Q&R)Modèle OpenAI — @n8n/n8n-nodes-langchain.lmChatOpenAi v1.2Modèle OpenAIModèle OpenAIRetriever — @n8n/n8n-nodes-langchain.retrieverVectorStore v1RetrieverRetrieverBase vectorielle Supabase — @n8n/n8n-nodes-langchain.vectorStoreSupabase v1.1Base vectorielle Su…Base vectorielle Supaba…Embeddings OpenAI — @n8n/n8n-nodes-langchain.embeddingsOpenAi v1.2Embeddings OpenAIEmbeddings OpenAI
flux de données sous-node IA3 notes explicatives dans le canvas (non dessinées)

03 · sync Notion RAG

Synchroniser Notion vers une base vectorielle avec n8n

Votre documentation vit dans Notion ? Ce workflow l'indexe automatiquement : chaque nuit à 2 h, il parcourt une base Notion, découpe et vectorise le contenu, puis met la base vectorielle à jour — votre chatbot RAG reste synchrone avec la vérité du moment.

Voir le fonctionnement node par node
Canvas généré depuis l'export JSON livréworkflows/sync-notion-base-vectorielle.json · 9 nodes · n8n
Toutes les nuits à 2h — n8n-nodes-base.scheduleTrigger v1.2Toutes les nuits à …Planification (cron)Pages de la base Notion — n8n-nodes-base.notion v2.2Pages de la base No…NotionPréparer le contenu — n8n-nodes-base.set v3.4Préparer le contenuSet (champs)Boucle — n8n-nodes-base.splitInBatches v3BoucleBoucle (batches)Notifier la fin sur Slack — n8n-nodes-base.slack v2.2Notifier la fin sur…SlackInsérer dans la base vectorielle — @n8n/n8n-nodes-langchain.vectorStoreSupabase v1.1Insérer dans la bas…Base vectorielle Supaba…Chargeur de texte — @n8n/n8n-nodes-langchain.documentDefaultDataLoader v1Chargeur de texteChargeur de documentsDécoupage du texte — @n8n/n8n-nodes-langchain.textSplitterRecursiveCharacterTextSplitter v1Découpage du texteDécoupage de texteEmbeddings OpenAI — @n8n/n8n-nodes-langchain.embeddingsOpenAi v1.2Embeddings OpenAIEmbeddings OpenAI
flux de données sous-node IA3 notes explicatives dans le canvas (non dessinées)

04 · API RAG

Exposer une API question-réponse sur ses documents avec n8n

Le chat n8n ne s'intègre pas partout — une API, si. Ce workflow expose un endpoint POST /ask : envoyez {"question": "…"} et recevez la réponse fondée sur vos documents en JSON structuré, prête à afficher dans votre site, votre CRM ou votre outil interne.

Voir le fonctionnement node par node
Canvas généré depuis l'export JSON livréworkflows/api-question-reponse-rag.json · 10 nodes · n8n
POST /ask (Webhook) — n8n-nodes-base.webhook v2POST /ask (Webhook)WebhookQuestion valide ? — n8n-nodes-base.if v2.2Question valide ?IF (condition)Répondre depuis les documents — @n8n/n8n-nodes-langchain.chainRetrievalQa v1.4Répondre depuis les…Chaîne RAG (Q&R)Modèle OpenAI — @n8n/n8n-nodes-langchain.lmChatOpenAi v1.2Modèle OpenAIModèle OpenAIRetriever — @n8n/n8n-nodes-langchain.retrieverVectorStore v1RetrieverRetrieverBase vectorielle Supabase — @n8n/n8n-nodes-langchain.vectorStoreSupabase v1.1Base vectorielle Su…Base vectorielle Supaba…Embeddings OpenAI — @n8n/n8n-nodes-langchain.embeddingsOpenAi v1.2Embeddings OpenAIEmbeddings OpenAIFormater la réponse — n8n-nodes-base.set v3.4Formater la réponseSet (champs)Réponse JSON — n8n-nodes-base.respondToWebhook v1.1Réponse JSONRéponse webhookErreur 400 — n8n-nodes-base.respondToWebhook v1.1Erreur 400Réponse webhook
flux de données sous-node IA3 notes explicatives dans le canvas (non dessinées)

Pack Assistant RAG — 119 €

Paiement unique, téléchargement immédiat, mises à jour incluses. Garantie 14 jours satisfait ou remboursé : si un workflow ne s'importe pas, on vous rembourse.

Ou prenez le Bundle Complet : les 3 packs pour 269 € (347 € achetés séparément).

Acheter le Pack Assistant RAG119 €Paiement sécurisé Stripe · Apple Pay · Google Pay · Paiement unique · Garantie 14 jours

Vous payez → accès immédiat + e-mail → retrouvable à tout moment (Retrouver mes achats) · Une question : admin@tech-bharat.com

Comment ça se passe

Trois étapes, sans surprise

  1. Vous payez sur Stripe

    Carte bancaire, Apple Pay ou Google Pay, sur la page de paiement de Stripe : vos données bancaires ne passent pas par nos serveurs. Paiement unique, reçu envoyé par email.

  2. Vous téléchargez tout de suite

    Le lien du ZIP (workflows JSON + guide d'installation) s'affiche sur la page de confirmation, vous est aussi envoyé par email et reste retrouvable à tout moment (« Retrouver mes achats », en bas de chaque page).

  3. Un souci ? On vous rembourse

    Pendant 14 jours, remboursement intégral sur simple email à admin@tech-bharat.com, sans justification.

Vendeur : LACANGEL GROUP (SAS, Paris, TVA FR21995268018). Prix TVA incluse. Conditions générales de vente

Pour aller plus loin

Les guides du blog liés à ce pack

FAQ

Questions fréquentes

Quels formats de documents sont pris en charge ?

Le workflow d'ingestion traite les PDF nativement (extraction de texte incluse). Le workflow Notion couvre vos pages et bases Notion. Pour d'autres formats (DOCX, HTML), le guide indique comment ajouter un node d'extraction en amont — la chaîne de vectorisation reste identique.

Pourquoi Supabase et pas Pinecone ou Qdrant ?

Parce que le plan gratuit de Supabase suffit largement pour des milliers de pages, que pgvector est open source, et que vos données restent dans un Postgres classique que vous pouvez requêter, sauvegarder et migrer. Les workflows utilisent le node Supabase officiel de n8n.

Le chatbot peut-il inventer des réponses ?

Le prompt fourni contraint le modèle à répondre uniquement à partir des passages retrouvés et à citer la source de chaque affirmation. S'il ne trouve rien de pertinent, il répond explicitement qu'il ne sait pas. Vous pouvez durcir ou assouplir cette consigne.

Combien de documents puis-je indexer ?

Le plan gratuit de Supabase (500 Mo) absorbe typiquement plusieurs milliers de pages découpées en fragments de 1 000 caractères. Au-delà, le passage au plan payant Supabase (~25 $/mois) repousse la limite très loin — sans rien changer aux workflows.