Comment une PME peut automatiser sa veille sectorielle avec n8n et des modèles de langage : quelques sources choisies, un tri par un modèle économique, une synthèse par un modèle plus capable, et un digest livré chaque semaine dans Teams. La méthode, étape par étape.
Un problème que beaucoup de dirigeants connaissent
Suivre l'actualité IA quand on dirige une PME est difficile à tenir dans la durée. Vous savez que le secteur évolue vite, que vos concurrents s'équipent, que de nouveaux outils émergent chaque semaine. Mais entre les rendez-vous clients, les devis à rendre et les équipes à gérer, la veille passe systématiquement après le reste.
Le résultat est prévisible : vous tombez sur des informations importantes par hasard, en retard, sur LinkedIn ou lors d'un déjeuner, et certaines décisions se prennent avec des informations dépassées.
Une veille utile n'a pas besoin d'être exhaustive. Elle doit être régulière, triée selon les priorités de l'entreprise, et partagée avec l'équipe. Ces trois conditions se prêtent bien à l'automatisation, à condition de garder l'analyse finale entre des mains humaines.
Ce que coûte la veille manuelle : un ordre de grandeur
Avant d'automatiser, chronométrez votre propre veille pendant deux ou trois semaines. À titre d'illustration, une session sérieuse (une vraie revue d'actualité utilisable, pas un coup d'œil sur un réseau social) peut ressembler à ceci :
| Étape | Temps | Ce qui se passe réellement |
|---|---|---|
| Parcourir les sources habituelles | 20 min | Maddyness, ZDNet, LinkedIn, newsletters |
| Trier le signal du bruit | 15 min | Une bonne partie des articles est hors sujet ou trop technique |
| Lire et comprendre les articles retenus | 30 min | 4 à 6 articles, en diagonale |
| Extraire les points actionnables | 20 min | Qu'est-ce que ça change pour l'entreprise ? Pour ses clients ? |
| Partager avec l'équipe (résumé, message Teams) | 15 min | Étape souvent sautée faute de temps |
| Total par session hebdomadaire | ~1h30 | Pour un résultat souvent incomplet |
Ces durées sont indicatives. Si deux personnes font ce travail chacune de leur côté, le temps passé à collecter et trier double. La collecte et le tri se délèguent bien à une machine. L'analyse, elle, ne se délègue pas : c'est là que l'expérience du dirigeant et de l'équipe compte.
Un pipeline de veille en 10 étapes, livré dans Teams
Le workflow type décrit ici surveille quelques sources choisies, trie automatiquement, analyse avec des modèles de langage en cascade et livre un rapport structuré dans un canal Teams, sans manipulation manuelle.
01 · Déclenchement programmé n8n Scheduler
Le pipeline se déclenche automatiquement chaque semaine, à heure fixe. La fenêtre de surveillance est définie dynamiquement : exactement les 7 derniers jours, à chaque exécution. Aucune configuration manuelle, aucun risque d'oubli.
02 · Collecte multi-sources simultanée flux RSS
Une poignée de sources interrogées en parallèle, choisies pour couvrir votre secteur depuis des angles complémentaires. Pour une veille IA orientée entreprise, on peut par exemple combiner Maddyness et Siècle Digital (innovation et startups), Le Monde Informatique et ZDNet France (transformation des entreprises), le Journal du Net (angle business), et des flux Google News construits sur des requêtes précises (« IA PME », votre métier, votre région). Ajouter une ou deux sources anglophones permet de voir passer les tendances internationales plus tôt.
03 · Nettoyage et déduplication Code Node
Les flux sont fusionnés en une seule collection, les doublons éliminés par URL normalisée, les articles antérieurs à 7 jours filtrés. Ce qui reste : une liste propre d'articles frais, sans redondance, structurée et prête pour l'analyse.
04 · Scoring IA, premier filtre modèle rapide
C'est ici que la logique économique du système s'exprime. Un modèle rapide et peu coûteux (par exemple un modèle de la gamme Flash de Google ou Haiku d'Anthropic) reçoit l'ensemble des articles et les évalue selon des critères pondérés que vous fixez. Exemple de pondération : pertinence business (40 %), actionnabilité pour votre entreprise (30 %), fraîcheur et impact (20 %), crédibilité de la source (10 %). Le modèle note chaque article de 1 à 10, lui attribue une catégorie (cas d'usage, tendance marché, chiffres, stratégie, réglementation) et, si utile, un secteur. Seuls les articles au-dessus d'un seuil (par exemple 8/10) passent à la suite, dans la limite des 5 meilleurs. Le digest reste ainsi court, quel que soit le volume collecté.
05 · Synthèse structurée par article modèle plus capable
Pour chacun des articles retenus, un modèle plus capable (par exemple Claude Sonnet) produit une fiche structurée : titre traduit/adapté en français, synthèse de 4 à 6 phrases couvrant le contexte, l'information clé et sa portée, les points clés en liste courte, et les chiffres marquants isolés. Le prompt impose un registre business clair, sans jargon technique, avec l'instruction de toujours répondre en français même si l'article source est en anglais.
06 · Analyse « So What » modèle plus capable
C'est l'étape qui distingue un digest d'une analyse. Une fois les synthèses produites, elles sont agrégées et soumises à un second appel avec une consigne différente : non plus « résume cet article », mais « tu conseilles la direction de telle entreprise : quels sont les 3 à 5 enseignements actionnables cette semaine, et que fait-on concrètement ? ». La consigne contient le contexte de l'entreprise : métiers, clients cibles, zone géographique, priorités du moment. Pour chaque enseignement : un titre court, les articles liés, une analyse en 3 à 4 phrases et une action concrète à mener dans la semaine. Ces propositions restent des pistes : c'est la direction qui décide.
07 · Construction du rapport Teams Code Node
Les données structurées sont assemblées en Adaptive Card : en-tête avec la période et le nombre d'articles traités, section « So What » en premier (les enseignements actionnables d'abord, les articles ensuite), puis les fiches articles groupées par catégorie avec score, points clés, chiffres et lien source.
08 · Livraison dans Teams Power Automate Webhook
Le rapport est envoyé dans le canal Teams dédié par un webhook de workflow Power Automate (l'application Workflows de Teams). L'Adaptive Card est interactive : chaque article dispose d'un bouton "Lire l'article source" directement cliquable depuis Teams. Aucune boîte mail à ouvrir, aucun outil supplémentaire.
09 · Gestion d'erreurs Error Trigger
Un nœud de déclenchement d'erreur surveille l'ensemble du pipeline. En cas d'échec à n'importe quelle étape, une alerte est automatiquement envoyée dans Teams avec le nom du nœud défaillant, le message d'erreur et le timestamp. Le diagnostic est immédiat, sans avoir à ouvrir n8n.
10 · Traçabilité complète n8n Logs
Chaque exécution est loggée avec le nombre d'articles traités, l'ID de publication et le timestamp. Le pipeline est auditable, l'historique consultable, les anomalies détectables en un coup d'œil.
Outils : n8n · un modèle rapide et un modèle plus capable, appelés directement ou via un routeur comme OpenRouter · Microsoft Teams · Power Automate · flux RSS natifs et Google News
La logique de cascade : deux niveaux de modèles
Un réflexe courant est d'utiliser le même modèle pour toutes les étapes. Les tâches ne se valent pas, et les modèles non plus : les prix par token varient fortement d'une gamme à l'autre chez un même fournisseur.
Le modèle économique en premier filtre
Le premier modèle traite tous les articles bruts pour n'en garder que quelques-uns. C'est une tâche de classification répétitive : évaluer, étiqueter, noter. Un modèle rapide et peu coûteux suffit pour ce niveau de filtrage, et c'est l'étape qui traite le plus de volume. Y mettre le modèle le plus cher augmenterait la facture sans gain visible.
Le modèle plus capable sur les étapes à valeur
Le second modèle intervient uniquement là où la nuance compte : comprendre un article en anglais, en extraire les enjeux business réels, formuler une analyse adaptée au contexte de l'entreprise. Sur ces tâches, un modèle trop léger produit plus souvent des synthèses génériques.
La consigne « So What » : le contexte de l'entreprise
Un résumé d'article est facile à obtenir. La question utile est autre : concrètement, que fait-on avec cette information ? Pour que le modèle y réponde correctement, la consigne doit décrire précisément l'entreprise : ses métiers, ses clients cibles, sa zone, ses priorités. C'est ce travail de rédaction, fait une fois puis ajusté, qui transforme un digest d'actualités en note de lecture pour la direction.
Ce que le rapport contient concrètement
| Section | Contenu | Utilité directe |
|---|---|---|
| So What | 3 à 5 enseignements actionnables, action de la semaine | Décision, prospection, argumentaire |
| Articles notés ≥ 8/10 | Titre FR, synthèse 4 à 6 phrases, points clés, chiffres | Compréhension rapide sans lire la source |
| Classement par catégorie | Cas usage / Tendances / ROI / Stratégie / PME / Réglementation | Navigation et priorisation |
| Sources et liens | Accès direct depuis Teams | Vérification si besoin |
Avant / Après
| Veille manuelle | Veille automatisée | |
|---|---|---|
| Temps | Collecte, tri et lecture à la main, chaque semaine | Lecture du digest et décision seulement |
| Couverture | Sources consultées selon disponibilité | Mêmes sources, chaque semaine, sans oubli |
| Bruit filtré | Manuellement, avec fatigue | Automatiquement, selon un seuil que vous fixez |
| Synthèse | Variable selon le temps disponible | Structurée, homogène, en français |
| Dimension So What | Rarement formulée explicitement | Proposée à chaque digest, à valider par la direction |
| Distribution équipe | Souvent oubliée ou informelle | Rapport Teams structuré, chaque semaine |
Combien ça coûte : la méthode de calcul
Le coût d'exécution se calcule simplement : pour chaque étape, nombre d'appels × tokens envoyés et reçus × prix par million de tokens du modèle choisi. Les prix changent souvent : prenez ceux de la grille publique de votre fournisseur au moment du calcul.
Exemple illustratif, avec des hypothèses à remplacer par les vôtres : 80 articles collectés par semaine, notés sur leur titre et leur chapô par un modèle rapide facturé 0,30 $ par million de tokens en entrée et 2,50 $ en sortie ; 5 articles synthétisés puis une analyse « So What » par un modèle facturé 3 $ en entrée et 15 $ en sortie.
| Étape | Volume supposé | Coût approximatif |
|---|---|---|
| Notation des 80 articles | 24 000 tokens en entrée, 4 000 en sortie | ~0,02 $ |
| Synthèse de 5 articles | 20 000 tokens en entrée, 7 500 en sortie | ~0,17 $ |
| Analyse So What | 8 000 tokens en entrée, 2 000 en sortie | ~0,05 $ |
| Total par exécution | ~0,25 $ |
Avec ces hypothèses, une exécution hebdomadaire revient à environ un dollar par mois de modèles, auxquels s'ajoute l'hébergement de n8n, souvent déjà payé pour d'autres automatisations. Le vrai coût du projet est ailleurs : le temps de choisir les sources, d'écrire et d'ajuster les consignes de notation et d'analyse, puis de relire les premiers digests pour corriger le tir.
La veille n'est qu'un exemple : la logique s'applique à d'autres flux d'information
Ce type de pipeline répond à un problème courant : traiter un volume d'information supérieur à ce qu'une équipe peut lire, pour n'en garder que ce qui compte pour l'entreprise, son marché et ses décisions du moment.
La même architecture (collecte, filtrage par un modèle, enrichissement, distribution automatique) s'applique à d'autres flux dans une PME : suivi des appels d'offres, avis clients, alertes réglementaires sectorielles, veille concurrentielle, analyse des retours commerciaux. Dans chaque cas, la structure reste la même. Ce qui change, ce sont les sources, les critères de notation et le contexte donné au modèle.
Lumivi applique la même logique à un autre sujet : chaque lundi, un scan de visibilité IA pose dix-sept questions de prospect à quatre moteurs (Claude, ChatGPT, Gemini, DeepSeek), fait juger les réponses par un modèle indépendant et rend le résultat lisible dans l'intranet.
Par où commencer dans une PME
- Notez les trois ou quatre sujets sur lesquels la direction a besoin d'être à jour, et les sources que vous consultez déjà.
- Chronométrez la veille actuelle pendant deux semaines pour savoir ce que vous cherchez à économiser.
- Écrivez en une page le contexte de l'entreprise (métiers, clients, zone, priorités) : c'est la base de la consigne « So What ».
- Lancez un premier digest simple, relisez-le chaque semaine pendant un mois et ajustez les critères de notation avant d'ajouter des sources.
Pour situer ce projet parmi les autres automatisations possibles, lisez le guide de l'automatisation IA en PME. Pour identifier les flux d'information qui méritent d'être automatisés chez vous, le diagnostic gratuit est un bon point de départ.
Article rédigé par Loïc Mabilon, cofondateur de Lumivi.
