Dev.to AI 🤖 Ai 👁 0 📖 4 min read

Tutoriel n8n : classer les messages entrants avec le nœud Text Classifier (catégories claires, cas « autre » et relais humain)

Beaucoup de workflows d'automatisation commencent par la même étape : un message arrive (e-mail, formulaire, WhatsApp, ticket) et il faut décider où il part. Devis, support, facturation, candidature, spam… On peut

Beaucoup de workflows d'automatisation commencent par la même étape : un message arrive (e-mail, formulaire, WhatsApp, ticket) et il faut décider où il part. Devis, support, facturation, candidature, spam… On peut confier cette décision à un agent IA complet, mais c'est souvent trop : il suffit d'une classification, simple, rapide et facile à contrôler.

Dans n8n, le nœud Text Classifier (famille LangChain / AI) fait exactement ça : il reçoit un texte, le compare à une liste de catégories que vous décrivez, et envoie l'élément vers une sortie par catégorie. Ce tutoriel montre comment le configurer proprement, gérer les cas ambigus et garder un humain dans la boucle. Les noms exacts des options peuvent varier selon votre version de n8n ; la logique reste la même.

1. Pourquoi un classifieur plutôt qu'un agent ?

Un agent IA choisit ses outils, enchaîne plusieurs étapes et peut agir. Un classifieur, lui, ne fait qu'une chose : mettre une étiquette. Ça a plusieurs avantages :

  • le comportement est prévisible : une entrée, une (ou plusieurs) sorties ;
  • chaque branche du workflow reste du n8n classique, testable sans IA ;
  • en cas d'erreur, on sait tout de suite où regarder : la catégorie était-elle mauvaise, ou la branche ?

Règle pratique : si la seule question est « où envoyer ce message ? », commencez par un classifieur. Gardez l'agent pour les branches qui ont vraiment besoin de raisonner.

2. Préparer le texte à classer

Avant le classifieur, nettoyez l'entrée avec un nœud Edit Fields (Set) :

{
  "texte": "{{ ($json.subject || '') + '\n\n' + ($json.text || '').slice(0, 3000) }}",
  "expediteur": "{{ $json.from }}",
  "recu_le": "{{ $now.toISO() }}"
}

Trois réflexes :

  • objet + corps : l'objet d'un e-mail contient souvent l'intention (« Demande de devis », « Facture n°… ») ;
  • tronquer le corps : les signatures, historiques de réponses et mentions légales n'aident pas à classer et coûtent des tokens ;
  • ne pas envoyer de données inutiles au modèle (pièces jointes, numéros de carte, etc.).

3. Configurer le Text Classifier

Ajoutez le nœud Text Classifier, branchez-lui un modèle de chat (OpenAI, Anthropic, Mistral, Ollama… selon vos credentials), puis :

  • Text to Classify : {{ $json.texte }}
  • Categories : une ligne par catégorie, avec un nom court et une description.

La description est la partie la plus importante. Exemple :

Catégorie Description
devis Le client veut un prix, une estimation ou une proposition pour un nouveau projet ou produit.
support Un client existant signale un problème, une panne ou pose une question sur un service déjà en place.
facturation Questions sur une facture, un paiement, un avoir ou un relevé.
candidature Candidature spontanée, CV, demande de stage.
autre Tout ce qui ne correspond clairement à aucune des catégories ci-dessus.

Conseils :

  • décrivez ce qui distingue les catégories voisines (devis = nouveau projet ; support = service existant) ;
  • gardez peu de catégories (4 à 7) ; au-delà , regroupez puis sous-classez dans une branche ;
  • écrivez les descriptions dans la langue des messages, ou précisez dans les instructions système que les messages peuvent être en français, en arabe, en darija ou en anglais.

4. Le cas « autre » : ne jamais forcer une catégorie

Le nœud propose une option du type When No Clear Match : soit l'élément est écarté, soit il part vers une sortie « Other ». Choisissez toujours la sortie dédiée, et reliez-la à une notification humaine (Slack, e-mail, Telegram).

Un classifieur obligé de choisir entre 4 catégories finira par ranger une réclamation dans « devis ». Une catégorie de repli explicite est votre meilleur garde-fou.

5. Une ou plusieurs catégories ?

L'option Allow Multiple Classes To Be True permet à un message de sortir sur plusieurs branches. Utile pour « Je veux un devis, et au passage ma dernière facture est fausse ». Mais attention : chaque branche s'exécute, donc deux réponses automatiques peuvent partir. Si vos branches envoient des messages au client, gardez une seule catégorie et laissez le relais humain gérer les cas mixtes.

6. Ajouter un relais humain sur les branches sensibles

Classer n'est pas agir. Pour les branches qui déclenchent une action visible (réponse au client, création de ticket prioritaire), ajoutez une étape de validation :

  1. le classifieur envoie vers facturation ;
  2. un nœud prépare un brouillon de réponse ;
  3. un nœud Send and Wait (Slack, Gmail, Telegram…) demande « Valider / Corriger » à un collègue ;
  4. seulement ensuite, l'e-mail part.

Pour les branches à faible risque (accusé de réception, étiquetage dans la boîte mail), l'automatisation directe est généralement suffisante.

7. Tester avec un petit jeu de cas

Avant de brancher le vrai déclencheur :

  1. créez 15 à 20 messages d'exemple, dont des cas pièges (message très court, message mixte, spam, autre langue) ;
  2. épinglez-les (pin data) sur un nœud Manual Trigger ;
  3. lancez le workflow et notez la catégorie obtenue pour chacun dans un Google Sheet ;
  4. corrigez les descriptions (pas le modèle) jusqu'à ce que les erreurs restantes tombent dans « autre » plutôt que dans une mauvaise catégorie.

Gardez ce jeu de cas : à chaque modification des catégories, relancez-le.

8. Journaliser chaque classement

Ajoutez en fin de branche une ligne dans une table (Google Sheets, Postgres, Data Table de n8n) : date, expéditeur masqué, catégorie, identifiant d'exécution ({{ $execution.id }}). Après quelques semaines, vous verrez quelles catégories sont confondues et lesquelles mériteraient d'être scindées.

En résumé

  • un Text Classifier suffit souvent là où on imagine un agent ;
  • la qualité vient des descriptions de catégories ;
  • une sortie « autre » reliée à un humain évite les mauvais classements silencieux ;
  • validation humaine sur les branches qui agissent, tests sur un jeu de cas, journal de chaque décision.

Chez Flux Intelligent, à Casablanca, c'est souvent la première brique que nous posons avant de construire des agents IA plus complets pour des PME. Si vous voulez qu'on regarde votre propre flux de messages entrants, vous pouvez demander un devis.

📰 Read the original article on Dev.to AI

Originally published by Dev.to AI. Aggregated on AIWithGhost for educational purposes — full credit and traffic to the original publisher.