Interroger ses relevés bancaires avec Mistral AI et Qdrant
Vos relevés bancaires sont dans un dossier sur disque et vous voulez poser des questions sur leur contenu sans les ouvrir un à un. Le workflow surveille ce dossier : les nouveaux fichiers sont découpés, vectorisés avec Mistral AI et écrits dans Qdrant, les fichiers modifiés sont réindexés et ceux qui disparaissent sont retirés de Qdrant. Un agent Question and Answer Chain répond ensuite aux questions posées dans le chat à partir de ces vecteurs. Le dossier doit être visible par n8n, par un volume Docker ou un dossier monté depuis l'hôte.
- Déclencheur
- Message de chat
- Taille
- 23 nœuds
- Outils
- Fichiers locaux, Mistral AI, Requêtes HTTP (API), Qdrant
Comment fonctionne ce workflow
- 1
Local File Trigger surveille le dossier cible et lance le workflow à chaque modification.
- 2
Des nœuds If et Switch répartissent les fichiers selon qu'ils sont nouveaux, modifiés ou supprimés.
- 3
HTTP Request appelle l'API de Qdrant pour supprimer les points des fichiers retirés du dossier.
- 4
Pour un fichier modifié, le point existant est supprimé puis recréé à partir du relevé mis à jour.
- 5
Qdrant Vector Store enregistre les vecteurs des nouveaux fichiers, calculés avec Embeddings Mistral Cloud.
- 6
Lorsqu'une question arrive par le chat, Question and Answer Chain interroge Qdrant via le retriever et répond avec Mistral Cloud Chat Model.
Quand l'utiliser
- Retrouver un virement ou un prélèvement précis dans plusieurs années de relevés.
- Demander le total des frais bancaires sur une période donnée.
- Mettre la base à jour quand un nouveau relevé mensuel est déposé dans le dossier.
À préparer avant l'import
- Un compte Mistral AI et une clé API, enregistrée comme identifiants dans n8n.
- Une instance Qdrant accessible depuis n8n, avec son URL et sa clé d'API.
- Un dossier local accessible à n8n, monté dans le conteneur si n8n tourne sous Docker.
- Les relevés bancaires à indexer, placés dans le dossier surveillé.
Bon à savoir
Commencez par le chemin du dossier dans Local File Trigger et vérifiez qu'il existe pour n8n. Sous Docker, un dossier de l'hôte non monté dans le conteneur ne déclenchera aucun événement.
Installer ce template dans n8n
- Téléchargez le fichier JSON avec le bouton en haut de la page.
- Dans n8n, ouvrez le menu d'un workflow vide, choisissez « Import from File » et sélectionnez le fichier.
- Reliez vos propres identifiants à chaque nœud qui en demande un, lancez un test, puis activez le workflow.
Ce template demande n8n auto-hébergé : Local File Trigger, Read Write File ne fonctionnent pas sur n8n Cloud. Les nœuds IA demandent une version récente de n8n.
Autres templates : RAG & Base de Connaissances
- Découper des documents en notes de stage avec Mistral AI et QdrantLit les nouveaux fichiers d'un dossier local, les indexe dans Qdrant et produit trois notes d'étude avec Mistral AI.
- Répondre sur WhatsApp à partir de documents Google DriveUn chatbot WhatsApp qui répond à partir de documents Google Drive indexés dans Qdrant, avec OpenAI.
- Indexer des fichiers JSON depuis FTP dans QdrantLit des fichiers JSON sur un serveur FTP, calcule leurs embeddings OpenAI et les écrit dans une collection Qdrant.
- Interroger l'API GitHub en chat avec RAG, Pinecone et OpenAIUn chatbot qui répond aux questions sur l'API GitHub à partir de sa spécification OpenAPI, indexée dans Pinecone.
- Interroger ses e-mails sur Telegram avec un agent RAGUn agent IA répond à vos questions sur vos e-mails, à partir d'une base vectorisée et d'une base SQL, depuis Telegram ou le chat de n8n.
- Interroger des PDF Google Drive avec un agent RAG MilvusUn agent de chat qui répond à partir de vos PDF Google Drive, indexés dans une base vectorielle Milvus.
Vous voulez ce workflow branché sur vos outils ?
Ce template est un point de départ. Nous l'adaptons à vos règles, à vos comptes et à votre hébergement, puis nous le maintenons.
Voir notre accompagnement n8n