Template n8n · Pack Assistant 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.

Par Clément Lacaille (Tech-Bharat) · mis à jour le 11 juillet 2026 · notre méthode

{
  "name": "FlowKit — Synchronisation Notion → base vectorielle",
  "nodes": [
    {"name": "Toutes les nuits à 2h", "type": "n8n-nodes-base.scheduleTrigger", "typeVersion": 1.2, "position": [-660,0]},
    {"name": "Pages de la base Notion", "type": "n8n-nodes-base.notion", "typeVersion": 2.2, "position": [-440,0]},
    {"name": "Préparer le contenu", "type": "n8n-nodes-base.set", "typeVersion": 3.4, "position": [-220,0]},
    {"name": "Boucle", "type": "n8n-nodes-base.splitInBatches", "typeVersion": 3, "position": [0,0]},
    {"name": "Notifier la fin sur Slack", "type": "n8n-nodes-base.slack", "typeVersion": 2.2, "position": [220,-160]},
    {"name": "Insérer dans la base vectorielle", "type": "@n8n/n8n-nodes-langchain.vectorStoreSupabase", "typeVersion": 1.1, "position": [220,160]},
    // … 3 autres nodes, connections, settings
  ]
}

Le problème que ça règle

Le pire défaut d'un assistant documentaire est de répondre juste... sur une version périmée. Une base vectorielle remplie une fois se dégrade en silence, à mesure que la documentation évolue dans Notion.

En planifiant l'indexation la nuit, la fraîcheur devient une propriété du système : personne n'a besoin d'y penser. Le traitement page par page (boucle) évite les timeouts sur les grosses bases et trace chaque insertion.

Comment le workflow fonctionne, node par node

1. 01

   Toutes les nuits à 2h

   Planification (cron)

   Cron 0 2 * * * : la synchronisation tourne pendant les heures creuses. Rapprochez la fréquence si votre documentation bouge plusieurs fois par jour.

2. 02

   Pages de la base Notion

   Notion

   Liste toutes les pages de la base Notion visée (databasePage getAll). L'intégration Notion doit avoir été invitée sur cette base.

3. 03

   Préparer le contenu

   Set (champs)

   Construit pour chaque page un champ content (titre et propriétés) et un champ source (URL de la page) qui deviendra la citation du chatbot.

4. 04

   Boucle

   Boucle (batches)

   Traite les pages une par une : chaque itération vectorise une page, et la sortie « done » ne se déclenche qu'une fois la base entière parcourue.

5. 05

   Insérer dans la base vectorielle

   Base vectorielle Supabase

   Mode insert vers la table documents partagée avec les autres workflows du pack : Notion et PDF cohabitent dans le même index.

6. 06

   Chargeur de texte

   Chargeur de documents

   Sous-node ai_document en mode JSON : charge le champ content et attache la métadonnée source pour les citations.

7. 07

   Découpage du texte

   Découpage de texte

   Fragments de 1 000 caractères, chevauchement 150 — mêmes réglages que l'ingestion PDF pour un index homogène.

8. 08

   Embeddings OpenAI

   Embeddings OpenAI

   text-embedding-3-small, identique aux autres workflows du pack : un seul espace vectoriel pour tout le corpus.

9. 09

   Notifier la fin sur Slack

   Slack

   Branche « done » de la boucle : un message confirme la synchronisation complète — l'absence de message un matin vous alerte d'un problème.

Ce qu'il faut pour le faire tourner

• ✔n8n ≥ 1.60 avec les nodes LangChain
• ✔Une intégration Notion invitée sur la base à synchroniser
• ✔Un projet Supabase pgvector (table documents + match_documents, SQL dans le guide)
• ✔Une clé API OpenAI et un bot Slack pour la notification

Pistes de personnalisation

• →Purger puis réindexer les pages modifiées seulement, en filtrant sur last_edited_time de Notion
• →Récupérer le corps complet des pages (blocs) via un node Notion supplémentaire si vos contenus dépassent les propriétés
• →Synchroniser plusieurs bases Notion en dupliquant le node source et en fusionnant les items