Workflow n8n : résumé quotidien des avis clients
# Workflow n8n : résumé quotidien des avis clients code: v1j36q | type: workflow | language: fr | licence: MIT | version: v1 description: Workflow n8n : récupère les avis Shopify du jour, les classe par sentiment avec un LLM, résume les négatifs et envoie le tout sur Slack chaque matin. page: https://contextetech.com/workflows/resume-avis-clients-n8n-v1j36q mcp: connect https://contextetech.com/mcp then call load_resource with code "v1j36q" (or ask "load v1j36q") json: https://contextetech.com/api/resources/contextetech--resume-avis-clients-n8n python: pip install contexte && contexte get v1j36q citation (required by the licence): contextetech. (2026). Workflow n8n : résumé quotidien des avis clients (Version 1) [Workflow]. Contexte Tech. https://contextetech.com/workflows/resume-avis-clients-n8n-v1j36q
Workflow n8n : récupère les avis Shopify du jour, les classe par sentiment avec un LLM, résume les négatifs et envoie le tout sur Slack chaque matin.
Accès Moyen
- Lire des fichiers ou des données
- Modifier ou supprimer des fichiers : Non
- Envoyer des données sur Internet
- Lancer des commandes sur la machine : Non
| Entrée | Avis clients Shopify des dernières 24 h |
|---|---|
| Sortie | Message Slack chaque matin à 8 h |
Étapes
- Déclenchement chaque matin à 8 h
- Récupérer les avis des dernières 24 h (API Shopify)
- Classer chaque avis (positif, neutre, négatif) et résumer les négatifs avec un LLM
- Envoyer le résumé dans le canal Slack du service client
Définition exportée
{
"name": "Résumé quotidien des avis clients",
"nodes": [
{
"parameters": {
"rule": {
"interval": [
{
"field": "cronExpression",
"expression": "0 8 * * *"
}
]
}
},
"name": "Chaque matin à 8 h",
"type": "n8n-nodes-base.scheduleTrigger",
"typeVersion": 1.2,
"position": [
0,
0
]
},
{
"parameters": {
"url": "https://VOTRE-BOUTIQUE.myshopify.com/admin/api/2024-10/reviews.json",
"authentication": "predefinedCredentialType",
"nodeCredentialType": "shopifyAccessTokenApi"
},
"name": "Avis des dernières 24 h",
"type": "n8n-nodes-base.httpRequest",
"typeVersion": 4.2,
"position": [
220,
0
]
},
{
"parameters": {
"method": "POST",
"url": "https://api.anthropic.com/v1/messages",
"authentication": "predefinedCredentialType",
"nodeCredentialType": "anthropicApi",
"sendBody": true,
"specifyBody": "json",
"jsonBody": "={\"model\": \"claude-haiku-4-5\", \"max_tokens\": 800, \"messages\": [{\"role\": \"user\", \"content\": \"Classe ces avis en positif, neutre ou négatif, puis résume les négatifs en 5 points maximum, avec le nombre d'avis par point.\\n\\n{{ JSON.stringify($json) }}\"}]}"
},
"name": "Classer et résumer (LLM)",
"type": "n8n-nodes-base.httpRequest",
"typeVersion": 4.2,
"position": [
440,
0
]
},
{
"parameters": {
"channel": "#service-client",
"text": "=Avis d'hier :\n{{ $json.content[0].text }}"
},
"name": "Envoyer sur Slack",
"type": "n8n-nodes-base.slack",
"typeVersion": 2.2,
"position": [
660,
0
]
}
],
"connections": {
"Chaque matin à 8 h": {
"main": [
[
{
"node": "Avis des dernières 24 h",
"type": "main",
"index": 0
}
]
]
},
"Avis des dernières 24 h": {
"main": [
[
{
"node": "Classer et résumer (LLM)",
"type": "main",
"index": 0
}
]
]
},
"Classer et résumer (LLM)": {
"main": [
[
{
"node": "Envoyer sur Slack",
"type": "main",
"index": 0
}
]
]
}
}
}- Identifiant
- contextetech--resume-avis-clients-n8n
- Fichier
- resume-avis-clients-n8n.workflow.json
- Format
- JSON (application/json)
- Taille
- 2 521 octets (2,5 Ko)
- Encodage
- UTF-8
- Tokens estimés
- ≈ 697
- Usage commercial
- Autorisé
- Données personnelles
- Réelles
- Version
- 1.0
- Publié le
- 1 octobre 2026 à 18:21
- Mis à jour le
- 16 octobre 2026 à 23:20
- Stockage
- en base
Statistiques
J'aime : 0 · Commentaires : 0
Cliquez sur un compteur pour l’afficher ou le masquer, survolez le graphique pour le détail. Une vue par visiteur et par jour, robots exclus ; décompte commencé le 30 septembre 2026.
Coût estimé
- Tokens d'entrée par appel
- ≈ 992
| Modèle | Par appel | Par mois |
|---|---|---|
| GPT-6 Luna · OpenAImeilleur prix | 0,00009 € | 0,09 € |
| DeepSeek Flash · DeepSeek | 0,00026 € | 0,26 € |
| Mistral Large · Mistral AI | 0,00044 € | 0,44 € |
| DeepSeek V4 Pro · DeepSeek | 0,00115 € | 1,15 € |
| GPT-6 Sol · OpenAI | 0,00175 € | 1,75 € |
| Claude Sonnet 5.5 · Anthropic | 0,00175 € | 1,75 € |
| Claude Opus 5.5 · Anthropic | 0,00349 € | 3,49 € |
| Modèle open source hébergé chez soi (Ollama, vLLM) | 0 € d'API (coût du serveur seulement) | |
Coût d'entrée seulement, sans la réponse du modèle. Prix publics des fournisseurs (Mistral AI, DeepSeek, OpenAI, Anthropic), tarif standard en dollars converti en euros au taux BCE du 13 octobre 2026. Estimation : 1 token ≈ 3,6 caractères.
Commun aux 3 régions
Contenu créé par l'auteur, sans source extérieure.
Usage commercial autorisé · citer l'auteur · modifications permises.
Accès déclarés : lire des fichiers, envoyer sur Internet.
Hébergé en France (Scaleway, Paris). Aucun transfert hors UE.
Union européenne · 4/5
Données réelles.
Base légale non indiquée.
Pas de données d'entraînement : pas de résumé à fournir.
États-Unis · 4/5
Données réelles.
Base légale non indiquée.
Pas de données d'entraînement : pas de documentation à publier.
Chine · 4/5
Données réelles.
Base légale non indiquée.
Pas de données d'entraînement ; les contenus générés par IA diffusés en Chine doivent être marqués (2025).
Synthèse indicative au 30/09/2026, sans valeur de certification juridique. Méthode et sources →
Qualité du contenu
Le détail des critères est réservé aux membres.
Chaque critère, les points retirés et un conseil pour corriger.
Analyse du contenu
Le détail des critères est réservé aux membres.
Chaque critère, les points retirés et un conseil pour corriger.
Calculé à partir du contenu de la fiche, par règles, sans IA. La note est dans l'onglet Qualité.
MCP contexte
https://contextetech.com/mcp
charge v1j36q
Ajoutez l'adresse comme connecteur dans les pages des applications d'IA, puis envoyez la demande ci-dessus.
API
import json, urllib.request url = "https://contextetech.com/api/resources/contextetech--resume-avis-clients-n8n" fiche = json.load(urllib.request.urlopen(url)) print(fiche["title"] or fiche["name"])
resume-avis-clients-n8n.workflow.json
{
"name": "Résumé quotidien des avis clients",
"nodes": [
{
"parameters": {
"rule": {
"interval": [
{
"field": "cronExpression",
"expression": "0 8 * * *"
}
]
}
},
"name": "Chaque matin à 8 h",
"type": "n8n-nodes-base.scheduleTrigger",
"typeVersion": 1.2,
"position": [
0,
0
]
},
{
"parameters": {
"url": "https://VOTRE-BOUTIQUE.myshopify.com/admin/api/2024-10/reviews.json",
"authentication": "predefinedCredentialType",
"nodeCredentialType": "shopifyAccessTokenApi"
},
"name": "Avis des dernières 24 h",
"type": "n8n-nodes-base.httpRequest",
"typeVersion": 4.2,
"position": [
220,
0
]
},
{
"parameters": {
"method": "POST",
"url": "https://api.anthropic.com/v1/messages",
"authentication": "predefinedCredentialType",
"nodeCredentialType": "anthropicApi",
"sendBody": true,
"specifyBody": "json",
"jsonBody": "={\"model\": \"claude-haiku-4-5\", \"max_tokens\": 800, \"messages\": [{\"role\": \"user\", \"content\": \"Classe ces avis en positif, neutre ou négatif, puis résume les négatifs en 5 points maximum, avec le nombre d'avis par point.\\n\\n{{ JSON.stringify($json) }}\"}]}"
},
"name": "Classer et résumer (LLM)",
"type": "n8n-nodes-base.httpRequest",
"typeVersion": 4.2,
"position": [
440,
0
]
},
{
"parameters": {
"channel": "#service-client",
"text": "=Avis d'hier :\n{{ $json.content[0].text }}"
},
"name": "Envoyer sur Slack",
"type": "n8n-nodes-base.slack",
"typeVersion": 2.2,
"position": [
660,
0
]
}
],
"connections": {
"Chaque matin à 8 h": {
"main": [
[
{
"node": "Avis des dernières 24 h",
"type": "main",
"index": 0
}
]
]
},
"Avis des dernières 24 h": {
"main": [
[
{
"node": "Classer et résumer (LLM)",
"type": "main",
"index": 0
}
]
]
},
"Classer et résumer (LLM)": {
"main": [
[
{
"node": "Envoyer sur Slack",
"type": "main",
"index": 0
}
]
]
}
}
}
Importer
# n8n : Workflows › Import from file › resume-avis-clients-n8n.workflow.json
Étapes
1. Déclenchement chaque matin à 8 h 2. Récupérer les avis des dernières 24 h (API Shopify) 3. Classer chaque avis (positif, neutre, négatif) et résumer les négatifs avec un LLM 4. Envoyer le résumé dans le canal Slack du service client
Communauté
Pas encore de commentaire. Partagez votre retour, il aidera les suivants.