{"id":822,"date":"2025-11-14T21:56:35","date_gmt":"2025-11-14T20:56:35","guid":{"rendered":"https:\/\/www.ludovicfavre.ch\/blog\/?p=822"},"modified":"2025-11-15T19:05:38","modified_gmt":"2025-11-15T18:05:38","slug":"detection-du-contenu-de-documents-pdf-avec-n8n-local-et-mistral-sur-infomaniak","status":"publish","type":"post","link":"https:\/\/www.ludovicfavre.ch\/blog\/2025\/11\/detection-du-contenu-de-documents-pdf-avec-n8n-local-et-mistral-sur-infomaniak\/","title":{"rendered":"Classification du contenu de documents pdf avec n8n local et mistral sur Infomaniak"},"content":{"rendered":"\n

Contexte<\/strong>
Afin de classer num\u00e9riquement mes documents, je les scan et je leur donne le pattern suivant: <TYPE>-<PREFIX>-<DATE>-<SUFFIX>.pdf. Le processus manuel s’av\u00e8re fastidieux car l’affichage pour traitement manuel est lent et il faut parfois ouvrir le document pour trouver les informations.

L’id\u00e9e<\/strong>
Il y a quelques mois, j’avais essay\u00e9 de l’OCR via LLM pour automatiser ce traitement, mais les co\u00fbts potentiels pour un usage personnel, ainsi que la protection de mes donn\u00e9es ont stopp\u00e9 net mes ambitions.

Il y a quelques semaines, j’ai eu l’id\u00e9e de changer d’approche apr\u00e8s avoir valid\u00e9 manuellement deux options: <\/p>\n\n\n\n

    \n
  1. Avec une m\u00e9thode traditionnelle d’OCR, il est possible d’extraire le contenu text de documents PDF scann\u00e9. <\/li>\n\n\n\n
  2. Avec les AI Tools d’Infomaniak (https:\/\/ai-tools.infomaniak.com\/<\/a>), j’ai pu confirmer qu’avec un prompt adapt\u00e9, mistral 3 est capable de r\u00e9pondre \u00e0 mon besoin, \u00e0 savoir, donner le nom du fichier souhait\u00e9 \u00e0 partir d’un extrait de la premi\u00e8re page du PDF OCRis\u00e9. Ceci \u00e0 un co\u00fbt d\u00e9fiant toutes concurrences: apr\u00e8s une centaine de documents trait\u00e9s, j’ai une facture de 2 centimes !<\/li>\n<\/ol>\n\n\n\n

    Automatiser ?<\/strong><\/p>\n\n\n\n

    Il fallait maintenant assembler ces briques pour un premier traitement simple: renommer automatiquement mes fichiers selon le pattern souhait\u00e9.<\/p>\n\n\n\n

    Apr\u00e8s avoir effectu\u00e9 quelques recherche, n8n community m’a sembl\u00e9 adapt\u00e9 car disponible gratuitement pour utilisation dans une image docker et devrait supporter l’appel \u00e0 des LLM respectant l’API ChatGPT.<\/p>\n\n\n\n

    J’ai donc commenc\u00e9 \u00e0 faire quelques tests pour v\u00e9rifier qu’il \u00e9tait bien possible d’appeler un mod\u00e8le chez Infomaniak depuis n8n. Et \u00e7a fonctionne :<\/p>\n\n\n\n

    \"\"<\/figure>\n\n\n\n

    S’en est suivie l’exploration de la conception de workflows sur n8n: ce n’est pas tr\u00e8s complexe et on trouve \u00e9norm\u00e9ment d’exemples et d’explications.<\/p>\n\n\n\n


    Ce qui a le plus pos\u00e9 de probl\u00e8mes, c’est le traitement de fichiers locaux ainsi que l’ex\u00e9cution de mon script python d’OCR.

    1. Script d’OCR<\/span><\/p>\n\n\n\n

    Le script fonctionnant sans probl\u00e8me en local, a pris beaucoup de temps pour \u00eatre fonctionnel sur l’image docker n8n. J’ai rapidement cr\u00e9\u00e9 une image personnalis\u00e9e avec les librairies requises: pdf2image, pytesseract, spacy… mais impossible de faire fonctionner mon script. <\/p>\n\n\n\n

    Apr\u00e8s plusieurs recherches, j’ai constat\u00e9 que la fonctionnalit\u00e9 d’ex\u00e9cution de code python propos\u00e9e sur n8n ne permettait pas d’installer n’importe quel module car il repose sur Pyodide: https:\/\/pyodide.org\/en\/stable\/<\/a><\/p>\n\n\n\n

    Restait alors l’option d’ex\u00e9cuter directement le script python via un noeud ‘Execute Command’:<\/p>\n\n\n\n

    \"\"<\/figure>\n\n\n\n

    Une fois cette \u00e9tape r\u00e9gl\u00e9e, l’appel au mod\u00e8le mistral 3 chez Infomaniak est une formalit\u00e9:<\/p>\n\n\n\n

    \"\"<\/figure>\n\n\n\n

    Exemple de r\u00e9sultats du traitement par mistral :
    <\/p>\n\n\n\n

    \"\"<\/figure>\n\n\n\n

    2. Fichiers locaux<\/span>
    Le traitement de fichiers locaux s’est av\u00e9r\u00e9 plus compliqu\u00e9 qu’attendu \u00e0 cause de l’environnement Docker sur lequel n8n tourne: l’image n8n tourne avec l’utilisateur node(1000) qu’il faut \u00ab\u00a0r\u00e9pliquer\u00a0\u00bb sur l’h\u00f4te o\u00f9 tourne l’image.<\/p>\n\n\n\n

    Le r\u00e9sultat, un workflow manuel (pour l’instant) qui scan les fichier \u00e0 traiter, it\u00e8re par lot de 5 pour ocr-iser les pdf et les nommer avec l’aide de mistral 3 sur Infomaniak et un rapport fichierSource->fichierRenomm\u00e9 dans un CSV.<\/p>\n\n\n\n

    \"\"<\/figure>\n\n\n\n

    Conclusion<\/strong><\/p>\n\n\n\n

    Si n8n peut \u00eatre moins \u00ab\u00a0user-friendly\u00a0\u00bb que d’autres solutions similaires, il propose un grand nombre de \u00ab\u00a0noeuds\u00a0\u00bb et supporte surtout des LLM autres que Claude ou ChatGPT sur OpenAI.<\/p>\n\n\n\n

    J’avais accumul\u00e9 pas mal d’id\u00e9es d’automatisation par LLM, certaines floues, d’autres plus nettes, mais aucune ne r\u00e9pondait vraiment \u00e0 un besoin concret chez moi. Maintenant, j’en ai trouv\u00e9 une.
    Ce workflow va certainement encore \u00e9voluer maintenant que j’ai pris en main l’outil.<\/p>\n\n\n\n

    Lien vers l’image n8n utilis\u00e9e: https:\/\/github.com\/fludo\/n8n-py-addons\/tree\/main<\/a> \/ https:\/\/hub.docker.com\/repository\/docker\/swissmountain\/n8n-py-addons\/general<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"

    ContexteAfin de classer num\u00e9riquement mes documents, je les scan et je leur donne le pattern suivant: <TYPE>-<PREFIX>-<DATE>-<SUFFIX>.pdf. Le processus manuel s’av\u00e8re fastidieux car l’affichage pour traitement manuel est lent et il faut parfois ouvrir le document pour trouver les informations. … Continue reading →<\/span><\/a><\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"closed","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_monsterinsights_skip_tracking":false,"_monsterinsights_sitenote_active":false,"_monsterinsights_sitenote_note":"","_monsterinsights_sitenote_category":0,"footnotes":""},"categories":[109,108],"tags":[106,105,107],"class_list":["post-822","post","type-post","status-publish","format-standard","hentry","category-ia","category-n8n","tag-ia","tag-infomaniak","tag-llm"],"_links":{"self":[{"href":"https:\/\/www.ludovicfavre.ch\/blog\/wp-json\/wp\/v2\/posts\/822","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.ludovicfavre.ch\/blog\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.ludovicfavre.ch\/blog\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.ludovicfavre.ch\/blog\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/www.ludovicfavre.ch\/blog\/wp-json\/wp\/v2\/comments?post=822"}],"version-history":[{"count":6,"href":"https:\/\/www.ludovicfavre.ch\/blog\/wp-json\/wp\/v2\/posts\/822\/revisions"}],"predecessor-version":[{"id":852,"href":"https:\/\/www.ludovicfavre.ch\/blog\/wp-json\/wp\/v2\/posts\/822\/revisions\/852"}],"wp:attachment":[{"href":"https:\/\/www.ludovicfavre.ch\/blog\/wp-json\/wp\/v2\/media?parent=822"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.ludovicfavre.ch\/blog\/wp-json\/wp\/v2\/categories?post=822"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.ludovicfavre.ch\/blog\/wp-json\/wp\/v2\/tags?post=822"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}