Claude et n8n : créer des workflows IA sur un VPS

Ce que vous allez construire

Trois workflows d’IA fonctionnels sur l’instance n8n que vous utilisez déjà : un webhook qui résume tout ce que vous lui envoyez, un lecteur de flux planifié qui transforme les articles en lignes structurées dans un tableur, et un agent IA qui appelle seul une API HTTP pour répondre aux questions. C’est l’équivalent no-code de l’appel de l’API Claude depuis Python sur votre VPS : même API, mêmes tokens, même facturation, mais l’orchestration s’effectue dans les nœuds n8n au lieu d’un script.

Je pars du principe que n8n est déjà accessible derrière HTTPS, conformément au guide sur n8n auto-hébergé avec Docker. Si ce n’est pas le cas, commencez par là. Les webhooks nécessitent un véritable endpoint TLS. Le magasin d’identifiants dans lequel vous allez enregistrer une clé d’API nécessite également la sauvegarde de la clé de chiffrement sur laquelle ce guide insiste.

Les difficultés intéressantes ne concernent pas le glisser-déposer. Elles concernent le choix du modèle pour chaque nœud, les champs de prompt qui interpolent silencieusement undefined, et le fait qu’une automatisation s’exécute sans intervention. Un workflow qui coûte un demi-centime par exécution est peu coûteux, jusqu’à ce qu’une boucle de nouvelle tentative l’exécute quatre mille fois pendant la nuit. La majeure partie de ce guide porte sur ces points.

Un identifiant chiffré avec la clé que vous avez sauvegardée

Obtenez une clé API dans Anthropic Console, à l’adresse platform.claude.com, puis ouvrez Settings, API Keys et créez une clé nommée par exemple n8n-vps. Elle n’est affichée qu’une seule fois. Créditez le compte ou configurez la facturation : l’utilisation de l’API est facturée au token et est totalement distincte de tout abonnement Claude.ai. Si vous espériez créer ces trois workflows sans rien payer, il n’existe pas d’offre gratuite, seulement un petit crédit d’inscription et quelques endpoints entièrement gratuits.

Dans n8n : Credentials, Create credential, sélectionnez Anthropic, collez la clé dans le champ API Key, puis enregistrez. Chaque nœud Claude de chaque workflow utilise cette même information d’identification stockée. Vous ne collez jamais la clé directement dans un nœud.

Deux remarques opérationnelles. Premièrement, n8n chiffre les identifiants stockés avec N8N_ENCRYPTION_KEY. Si vous définissez explicitement cette variable d’environnement dans votre fichier Compose, conformément au guide n8n, vos identifiants survivent à la recréation des conteneurs. Si vous laissez n8n en générer une et que vous perdez ensuite le volume, tous les identifiants stockés, y compris cette clé, deviennent des données chiffrées irrécupérables. Sauvegardez la clé maintenant si vous ne l’avez pas encore fait.

Deuxièmement, considérez le magasin d’identifiants n8n comme la limite d’impact : toute personne qui peut modifier les workflows sur votre instance peut envoyer des requêtes avec votre clé Anthropic. L’édition Community ne propose pas de permissions par utilisateur pour les identifiants. Si d’autres personnes se connectent à cette instance, consultez les contrôles d’accès disponibles avec une licence n8n payante avant de créer des comptes. Définissez une limite de dépenses dans la Console, sous Settings, afin qu’une instance compromise ou qui exécute des workflows de manière incontrôlée reste plafonnée.

Le choix du modèle se fait pour chaque nœud

La liste déroulante des modèles dans les nœuds Claude de n8n est récupérée en direct depuis l’API. Elle affiche donc les modèles auxquels votre clé peut accéder. En juillet 2026, la gamme et les tarifs de l’API par million de tokens d’entrée/sortie sont les suivants : Claude Haiku 4.5 (claude-haiku-4-5) à $1/$5, avec une fenêtre de contexte de 200K tokens ; Claude Sonnet 5 (claude-sonnet-5) à $3/$15, avec un tarif de lancement de $2/$10 jusqu’au 31 août 2026 ; et Claude Opus 4.8 (claude-opus-4-8) à $5/$25. Sonnet et Opus disposent tous deux d’une fenêtre de contexte de 1M token. Claude Fable 5 (claude-fable-5) est également disponible à $10/$50 pour les tâches de raisonnement les plus complexes, mais ce guide n’en a pas besoin. Utilisez ces identifiants exacts. Une variante avec une date ajoutée, que vous avez retenue d’un ancien tutoriel, renverra une erreur 404. Les tarifs évoluent également. Consultez donc platform.claude.com avant de vous fier à un tarif lu quelque part, y compris ici.

L’habitude à prendre est de choisir le modèle pour chaque nœud, et non pour toute la plateforme. La classification, l’extraction, la synthèse et le routage, qui constituent le travail courant de l’automatisation, fonctionnent très bien avec Haiku. Son tarif catalogue est trois fois inférieur à celui de Sonnet et cinq fois inférieur à celui d’Opus. Réservez Sonnet aux agents et au raisonnement en plusieurs étapes. Utilisez Opus pour les rares workflows où une réponse incorrecte coûte plus cher que les tokens consommés. Un workflow comprenant cinq nœuds Claude peut, et devrait, mélanger les modèles.

Les deux nœuds Claude et celui à utiliser selon le cas

n8n fournit deux intégrations Anthropic distinctes. Choisir la mauvaise est l’erreur de débutant la plus fréquente.

Le nœud Anthropic est un nœud d’application classique : une requête en entrée, une réponse en sortie. Sa ressource Text propose l’opération Message a Model, ainsi que des opérations pour analyser des images et des documents. Utilisez-le lorsque la logique du workflow se trouve dans n8n : déclencheur, appel à Claude, nœud suivant. Les workflows 1 et 2 ci-dessous l’utilisent, ou utilisent son équivalent sous forme de chaîne.

Le nœud Anthropic Chat Model est un sous-nœud, c’est-à-dire un petit composant qui fournit le modèle à un nœud racine comme AI Agent ou Basic LLM Chain. Il n’a ni déclencheur ni sortie propre ; il expose le sélecteur de modèle ainsi que des options d’échantillonnage comme Maximum Number of Tokens et Sampling Temperature. Retenez également cette précision de la documentation n8n : les expressions présentes dans les sous-nœuds sont toujours évaluées par rapport au premier élément d’entrée, et non à chaque élément. Placez donc les expressions dépendantes de chaque élément dans les champs d’invite du nœud racine, et non dans le sous-nœud.

Flux 1 : webhook entrant, résumé en sortie

Le bonjour monde de l’automatisation avec l’IA : tout ce qui est envoyé en POST à une URL est résumé, puis transmis dans Slack ou dans votre boîte de réception.

1. Webhook node, méthode HTTP POST, chemin summarize. n8n vous fournit une URL de test et une URL de production ; l’URL de production n’écoute que lorsque le workflow est actif.
2. Anthropic node, Message a Model, modèle claude-haiku-4-5, environ 300 dans Max Tokens.
3. Slack node (ou Send Email), publiez le texte de la réponse dans un canal.

Le prompt est l’interface entre les expressions n8n et Claude. Le corps de la requête POST se trouve sous $json.body. Le champ du message utilisateur ressemble donc à ceci :

Summarize the following feedback in three bullets, then one line:
verdict: praise | complaint | churn-risk. No preamble.

{{ $json.body.text }}

Placez les instructions concernant le rôle et le format dans le champ de prompt système du node, pas dans le message utilisateur. Le prompt système reste constant tandis que la charge utile varie. Le comportement reste ainsi stable et le prompt reste lisible six mois plus tard. Testez-le directement depuis le VPS :

curl -X POST https://n8n.example.com/webhook/summarize \
  -H 'Content-Type: application/json' \
  -d '{"text": "Third support ticket this month about slow disk IO..."}'

Avec Haiku, le coût par exécution est faible : une charge utile de 1,200 tokens, prompt inclus, coûte environ $0.0012 en entrée ; 300 tokens en sortie coûtent $0.0015, soit environ un quart de cent. Mille exécutions par mois coûtent moins de $3. Le même node configuré avec Opus 4.8 coûte environ cinq fois plus cher. Ce ratio, multiplié par chaque workflow que vous créez, explique pourquoi le choix du modèle par node est important.

Workflow 2 : flux RSS planifié vers des lignes structurées

Nous allons maintenant utiliser une exécution planifiée avec une sortie structurée : lire un flux RSS toutes les heures, classifier chaque élément, puis ajouter des lignes dans une feuille.

1. Schedule Trigger, toutes les heures.
2. RSS Read, avec l’URL du flux. Le nœud produit un élément par article.
3. Basic LLM Chain, avec un sous-nœud Anthropic Chat Model configuré sur claude-haiku-4-5, et un sous-nœud Structured Output Parser contenant un schéma JSON.
4. Google Sheets (ou Postgres), pour ajouter une ligne par élément.

Le Structured Output Parser transforme la demande « Claude, renvoie du JSON » : ce qui n’était qu’une attente devient un contrat. Il valide la réponse du modèle par rapport à votre schéma et fait échouer explicitement l’élément au lieu d’écrire des lignes incorrectes. Exemple de schéma :

{
  "type": "object",
  "properties": {
    "category": { "type": "string", "enum": ["release", "security", "tutorial", "other"] },
    "relevance": { "type": "number" },
    "one_line_summary": { "type": "string" }
  },
  "required": ["category", "relevance", "one_line_summary"]
}

Le prompt de la chaîne fait référence à l’élément du flux :

Classify this article for a VPS hosting audience.

Title: {{ $json.title }}
Content: {{ $json.contentSnippet }}

Le calcul du coût est différent ici : il s’effectue par élément, et non par exécution. Cinquante articles par heure, 24 heures par jour, représentent 36,000 appels Claude par mois. Avec Haiku, comptez environ $40–90 selon la longueur des articles ; avec Opus, le coût est environ cinq fois supérieur. Dédupliquez les éléments avant le nœud LLM (avec un simple IF comparant les liens déjà vus, ou avec le nœud Remove Duplicates de n8n). Le nombre d’appels diminue fortement, car la plupart des interrogations horaires ne renvoient aucun nouvel élément. Le token le moins cher est celui de l’appel que vous n’effectuez pas.

Workflow 3 : un agent IA qui utilise des outils

Les deux premiers workflows sont des pipelines : vous définissez les étapes. Un nœud AI Agent inverse cette logique : vous donnez à Claude un objectif et des outils, puis il décide quels outils appeler et dans quel ordre, jusqu’à avoir terminé. n8n exige un sous-nœud de modèle de chat et au moins un sous-nœud d’outil associé.

Voici un exemple concret : un assistant d’exploitation qui répond à la question « quels services sont indisponibles et pourquoi ? » à partir de votre supervision :

1. Chat Trigger (ou webhook) reçoit la question.
2. AI Agent, avec un sous-nœud Anthropic Chat Model configuré sur claude-sonnet-5. Les agents planifient et enchaînent les appels d’outils. Haiku peut piloter des agents simples utilisant un seul outil, mais Sonnet constitue le minimum raisonnable dès que le nombre d’outils augmente.
3. Un nœud HTTP Request associé comme outil, dirigé vers votre API d’état Uptime Kuma ou votre endpoint Zabbix. Un second outil HTTP peut appeler n’importe quel autre service disposant d’une API REST.

Deux paramètres font l’essentiel du travail. Le System Message de l’agent définit sa mission : « Vous êtes un assistant d’exploitation. Utilisez l’outil d’état pour vérifier l’état actuel des moniteurs avant de répondre. Indiquez uniquement les moniteurs indisponibles, avec leur durée d’indisponibilité. » La description de chaque outil ne sert pas de documentation pour les utilisateurs. Elle permet à Claude de décider quand l’appeler. « Renvoie au format JSON l’état actuel, actif ou indisponible, de tous les services supervisés » sera appelé au bon moment. « API d’état » risque d’être ignoré ou mal utilisé. Lorsque vous associez le nœud HTTP Request comme outil, activez l’option Optimize Response et sélectionnez les champs JSON utiles. Sinon, chaque réponse d’API verbeuse est injectée dans le contexte du modèle sous forme de tokens d’entrée facturés.

Définissez Max Iterations sur l’agent (la valeur par défaut est 10) avec le plus petit nombre qui fonctionne. C’est ce qui fait la différence entre « l’agent a abandonné après 4 appels d’outils » et une boucle d’une douzaine d’allers-retours avec le modèle. Tenez également compte de la structure de la facturation : à chaque itération, la conversation complète est renvoyée, avec le message système, la question et tous les résultats d’outils précédents, sous forme de tokens d’entrée. Une exécution en six itérations peut facilement atteindre 20,000 tokens d’entrée cumulés et 2,000 tokens de sortie : avec le tarif de lancement de Sonnet 5, cela représente environ $0.06, ou environ $0.09 au tarif standard de $3/$15. Comptez une vingtaine de fois le coût d’une simple exécution de synthèse. Si vous ajoutez de nombreux outils à un même agent, c’est le moment où l’exécution de serveurs MCP sur votre VPS devient une architecture plus claire.

Garde-fous budgétaires, parce que personne ne surveille

Un workflow sans surveillance a besoin des contrôles qu’une personne devant son clavier applique implicitement. Quatre niveaux, du moins coûteux au plus coûteux.

Max Tokens sur chaque nœud Claude. Il s’agit d’une limite stricte de la sortie. Un summarizer a besoin de 300 tokens, un classifier de 100. Cela limite le volet coûteux de la facture (5–25 $ par million de tokens de sortie contre 1–5 $ pour l’entrée) et sert aussi de frein en cas de dérive : un prompt défectueux qui fait trop parler Claude coûte 300 tokens, pas 8,000.

Un modèle par nœud. Ce point est déjà abordé plus haut. Il permet de multiplier le prix par cinq à dix selon les modèles actuellement disponibles et se configure en dix secondes.

Limitez les boucles. Définissez Max Iterations sur les agents. Configurez aussi un délai d’expiration dans les paramètres du workflow afin qu’une exécution bloquée s’arrête au lieu de tourner indéfiniment. Soyez prudent avec Retry On Fail sur chaque nœud : cette option convient aux erreurs temporaires, mais les nouvelles tentatives multiplient le coût. Avec Max Tries à 3 et Wait Between Tries à 5000 ms, une erreur persistante peut vous être facturée jusqu’à trois fois par élément avant l’abandon. N’entourez jamais d’une nouvelle tentative un nœud qui a déjà réussi après une opération coûteuse.

Un workflow d’erreur comme dernier recours. Créez un workflow qui commence par le nœud Error Trigger et qui publie dans Slack le nom et l’erreur du workflow ayant échoué. Définissez-le ensuite comme Error Workflow dans les paramètres de chaque workflow d’IA. Ce mécanisme intercepte le cas le plus problématique : un workflow déclenché par une planification qui échoue à chaque exécution, toutes les heures pendant une semaine, en consommant des tokens avant de s’arrêter. Associez-le à une limite de dépenses mensuelle dans l’Anthropic Console et consultez la page d’utilisation de la Console pendant les premiers jours suivant l’activation de tout élément planifié. Pour comprendre précisément ce qui vous est facturé, le guide sur l’utilisation des tokens l’explique en détail.

Modes d’échec et messages affichés

Le nœud échoue immédiatement avec « Authorization failed - please check your credentials. » L’API a renvoyé 401. Le corps de la réponse contient :

{"type": "error", "error": {"type": "authentication_error", "message": "invalid x-api-key"}}

La clé a peut-être été mal copiée, tronquée, suivie d’espaces ou remplacée par la valeur fictive d’un tutoriel. Recréez l’identifiant n8n et collez à nouveau la clé. Si cela fonctionnait hier, vérifiez si la clé a été révoquée dans la Console ou si une restauration de volume a rétabli un identifiant chiffré avec un autre N8N_ENCRYPTION_KEY.

Les exécutions échouent par rafales avec une erreur 429 rate_limit_error, accompagnée d’un message du type « Number of request tokens has exceeded your per-minute rate limit. » Les limites de débit sont appliquées par fenêtres d’une minute, et n8n peut très facilement lancer simultanément cinquante exécutions de webhook ou de RSS. Corrigez la structure du workflow : traitez les éléments séquentiellement avec Loop Over Items plutôt qu’en parallèle, puis activez Retry On Fail avec Max Tries à 3 et Wait Between Tries à sa valeur maximale de 5000 ms. n8n limite ce champ à 5000 ms. Si vous avez besoin d’un délai plus long pour que les nouvelles tentatives arrivent dans la fenêtre de la minute suivante, ajoutez un nœud Wait dans le chemin d’erreur ou traitez les éléments un par un. La réponse contient un en-tête retry-after qui indique précisément le délai à respecter. Le délai fixe de n8n ne peut pas le lire. Vous devez donc construire vous-même la pause plus longue.

Erreur 404 not_found_error lors du nom du modèle. Le corps de la réponse reprend la faute :

{"type": "error", "error": {"type": "not_found_error", "message": "model: claude-haiku-4.5"}}

Il peut s’agir de points à la place des tirets (4.5 au lieu de 4-5), d’un suffixe de date provenant d’un ancien article de blog ou d’un modèle retiré. Corrigez l’ID en vous basant sur la liste actuelle. Ce problème concerne souvent les utilisateurs qui saisissent le nom dans le champ du modèle comme une expression au lieu de le sélectionner dans la liste déroulante.

Claude répond à une question que vous n’avez pas posée. Aucune erreur n’apparaît et l’exécution est réussie. Une expression n8n qui référence un champ absent, comme {{ $json.body.text }} alors que la charge utile contient message, insère la chaîne littérale undefined dans votre prompt. Claude répond alors à un prompt qui ne contient pas la question attendue. Si le nœud référencé ne s’est pas exécuté du tout, le message « Referenced node is unavailable » s’affiche. En revanche, l’absence d’un champ ne génère aucune erreur. Avant d’activer le workflow, exécutez-le toujours une fois avec des données réelles et lisez le prompt effectivement généré dans le panneau d’entrée du nœud. L’éditeur d’expressions affiche un aperçu de la valeur résolue, et undefined apparaît à cet endroit si vous le consultez.

FAQ

Comment connecter Claude à n8n ?

Créez une clé API dans l’Anthropic Console, à l’adresse platform.claude.com, puis ajoutez dans n8n un credential de type Anthropic et collez-la dans le champ API Key. Chaque nœud Claude, le nœud d’application Anthropic et le sous-nœud Anthropic Chat Model utilisent ce credential enregistré. n8n le chiffre avec N8N_ENCRYPTION_KEY. Sauvegardez donc cette clé, car vos credentials seront perdus avec le volume.

Combien coûte une exécution de workflow d’IA ?

Estimez le nombre de tokens par exécution, puis multipliez-le par les tarifs du modèle par million de tokens. En juillet 2026, Haiku 4.5 coûte $1/$5 par million de tokens d’entrée/sortie et Sonnet 5 coûte $3/$15 ($2/$10 au tarif de lancement jusqu’en août 2026). Une synthèse déclenchée par webhook avec Haiku coûte environ un quart de centime. Une exécution d’agent avec Sonnet et plusieurs appels d’outils coûte plutôt $0.06–$0.10, car chaque itération renvoie toute la conversation comme entrée. Vérifiez l’exécution dans la page d’utilisation de la Console au lieu de vous fier aux estimations.

Quel modèle Claude utiliser pour les automatisations n8n ?

Utilisez Haiku 4.5 pour la classification, l’extraction, la synthèse et le routage, ainsi que pour les traitements à gros volume lorsque la vitesse et le prix sont prioritaires. Utilisez Sonnet 5 pour les nœuds AI Agent et le raisonnement en plusieurs étapes. Utilisez Opus 4.8 uniquement lorsqu’une réponse incorrecte coûte suffisamment cher pour justifier son tarif catalogue de $5/$25, cinq fois celui de Haiku et un peu moins du double de celui de Sonnet. Définissez le modèle pour chaque nœud, et non pour chaque workflow. Un même workflow peut utiliser les trois modèles.

Comment empêcher un workflow n8n de trop dépenser avec l’API Claude ?

Mettez en place plusieurs garde-fous : une valeur faible pour Max Tokens sur chaque nœud Claude, une limite Max Iterations pour les agents, un délai d’expiration du workflow et des paramètres Retry On Fail prudents afin d’éviter que les échecs ne multiplient la consommation de tokens. Ajoutez ensuite un workflow Error Trigger qui vous alerte dans Slack lorsqu’un workflow d’IA échoue, puis définissez une limite mensuelle de dépenses dans l’Anthropic Console. Cette limite constitue le plafond strict qu’aucun élément du VPS ne peut dépasser.

Les appels d’outils d’un AI Agent entraînent-ils des frais supplémentaires ?

Il n’existe pas de frais distincts pour les outils, mais ils ne sont pas gratuits : chaque résultat d’outil est renvoyé au modèle sous forme de tokens d’entrée, et chaque itération de l’agent renvoie toute la conversation accumulée. La réponse verbeuse d’une API transmise sans filtrage peut dépasser largement votre prompt réel. Activez Optimize Response sur les outils HTTP Request et ne renvoyez que les champs nécessaires à l’agent.