Une fois ces étapes terminées, vous disposerez d’un flux de travail de traitement IA fonctionnel, alimenté par Ollama, que vous pourrez intégrer dans un système d’automatisation plus complet. Par exemple, vous pouvez connecter des applications de messagerie telles que WhatsApp pour créer un chatbot IA fonctionnel. <\/p>
De plus, le fait de l’exécuter localement sur un serveur privé tel qu’un VPS Hostinger vous offre un niveau de contrôle plus élevé sur vos données. Cette intégration est donc particulièrement adaptée à l’automatisation de tâches impliquant des informations sensibles, telles que la synthèse de documents internes ou la création d’un chatbot interne. <\/p>
Voyons en détail comment connecter Ollama à n8n et créer un chatbot basé sur cette intégration. À la fin, nous expliquerons également les cas d’utilisation courants de cette intégration et étendrons ses capacités à l’aide des nœuds LangChain. <\/p>
Prérequis<\/strong><\/h2>Pour intégrer n8n à Ollama, vous devez remplir les conditions préalables suivantes :<\/p>
\n- Ollama doit être installé localement<\/strong>. Assurez-vous d’avoir installé Ollama<\/a> localement sur un serveur privé virtuel (VPS). L’hôte doit disposer d’un matériel suffisant pour exécuter les modèles d’IA souhaités, ce qui peut nécessiter plus de 8 Go <\/strong>de RAM. <\/li>\n\n\n\n
- n8n doit être configuré et accessible<\/strong>. Installez n8n<\/a> sur un VPS et créez un compte. Il doit être configuré sur le même serveur qu’Ollama en raison de contraintes de compatibilité. <\/li>\n\n\n\n
- Assurez-vous que les ports nécessaires sont ouverts<\/strong>. Vérifiez que les ports 11434 <\/strong>et 5678 <\/strong>de votre serveur sont ouverts afin de garantir l’accessibilité d’Ollama et de n8n. Si vous les hébergez sur Hostinger VPS, vérifiez les ports et configurez-les en demandant simplement à notre assistant Kodee IA. <\/li>\n\n\n\n
- Connaissances de base en JSON<\/strong>. Apprenez à lire le JSON, car les nœuds n8n échangent principalement des données dans ce format. Le comprendre vous aidera à sélectionner les données et à résoudre les erreurs plus efficacement.<\/li>\n<\/ul>
\n\n\n
Important !<\/strong> Nous vous recommandons vivement d’installer n8n et Ollama dans le même conteneur Docker pour une meilleure isolation. C’est la méthode que nous avons utilisée pour tester ce tutoriel, elle a donc fait ses preuves.<\/p>Si vous utilisez un VPS Hostinger, vous pouvez commencer par installer n8n ou Ollama dans un conteneur Docker en sélectionnant simplement le template d’OS correspondant. L’application sera installée dans un conteneur par défaut. Vous devrez ensuite installer l’autre application dans le même conteneur.<\/p><\/div>\n\n\n\n<\/p>
Comment configurer l’intégration d’Ollama dans n8n<\/strong><\/h2>Pour connecter Ollama à n8n, il faut ajouter le nœud nécessaire et configurer plusieurs paramètres. Dans cette section, nous allons expliquer les étapes en détail, y compris comment tester le fonctionnement de l’intégration. <\/p>
1. Ajouter le nœud Ollama Chat Model<\/strong><\/h3>L’ajout du nœud Ollama Chat Model permet à n8n de se connecter à de grands modèles linguistiques (LLM) sur la plateforme IA via un agent conversationnel. <\/p>
n8n propose deux nœuds Ollama : Ollama Model <\/strong>et Ollama Chat Model<\/strong>. Le nœud Ollama Chat Model <\/strong>est spécialement conçu pour la conversation et dispose d’un nœud Basic LLM Chain <\/strong>intégré qui transmet votre message au modèle choisi. Le nœud Ollama Model<\/strong>, quant à lui, convient à des tâches plus générales avec d’autres nœuds Chain<\/strong>. Nous aborderons ce sujet plus en détail dans la section LangChain.<\/p>Dans ce tutoriel, nous utiliserons le nœud Ollama Chat Model, car il est plus facile à utiliser et s’intègre à un flux de travail plus complet. Voici comment l’ajouter à n8n :<\/p>
\n- Accédez à votre instance n8n. Vous devriez pouvoir l’ouvrir dans un navigateur web en utilisant le nom d’hôte <\/strong>ou l’adresse IP de <\/strong>votre VPS<\/strong>, selon votre configuration. <\/li>\n\n\n\n
- Connectez-vous à votre compte n8n. <\/li>\n\n\n\n
- Créez un nouveau flux de travail en cliquant sur le bouton en haut à droite de la page principale de n8n. <\/li>\n<\/ol>\n
![\"Page](\"https:\/\/imagedelivery.net\/LqiWLm-3MGbYHtFuUbcBtA\/wp-content\/uploads\/sites\/46\/2025\/09\/n8n-page-principale-creation-workflow-bouton.png\/public\")
\n\n\n
Important !<\/strong> Nous vous recommandons vivement d’installer n8n et Ollama dans le même conteneur Docker pour une meilleure isolation. C’est la méthode que nous avons utilisée pour tester ce tutoriel, elle a donc fait ses preuves.<\/p> Si vous utilisez un VPS Hostinger, vous pouvez commencer par installer n8n ou Ollama dans un conteneur Docker en sélectionnant simplement le template d’OS correspondant. L’application sera installée dans un conteneur par défaut. Vous devrez ensuite installer l’autre application dans le même conteneur.<\/p><\/div>\n\n\n\n<\/p> Pour connecter Ollama à n8n, il faut ajouter le nœud nécessaire et configurer plusieurs paramètres. Dans cette section, nous allons expliquer les étapes en détail, y compris comment tester le fonctionnement de l’intégration. <\/p> L’ajout du nœud Ollama Chat Model permet à n8n de se connecter à de grands modèles linguistiques (LLM) sur la plateforme IA via un agent conversationnel. <\/p> n8n propose deux nœuds Ollama : Ollama Model <\/strong>et Ollama Chat Model<\/strong>. Le nœud Ollama Chat Model <\/strong>est spécialement conçu pour la conversation et dispose d’un nœud Basic LLM Chain <\/strong>intégré qui transmet votre message au modèle choisi. Le nœud Ollama Model<\/strong>, quant à lui, convient à des tâches plus générales avec d’autres nœuds Chain<\/strong>. Nous aborderons ce sujet plus en détail dans la section LangChain.<\/p> Dans ce tutoriel, nous utiliserons le nœud Ollama Chat Model, car il est plus facile à utiliser et s’intègre à un flux de travail plus complet. Voici comment l’ajouter à n8n :<\/p>Comment configurer l’intégration d’Ollama dans n8n<\/strong><\/h2>
1. Ajouter le nœud Ollama Chat Model<\/strong><\/h3>
\n