Traitement OCR et VLM de Documents Volumineux via SubworkflowAI et Gemini - Workflow n8n

Les spécialistes de l'automatisation devant traiter des documents dépassant les limites de contexte standard de l'IA (plus de 100 Mo ou des milliers de pages).
Les développeurs construisant des pipelines d'ingestion de documents robustes.
Les utilisateurs à la recherche de modèles n8n avancés démontrant le polling asynchrone des tâches et l'utilisation de l'IA multimodale.
Les organisations mettant en œuvre l'OCR documentaire via les Modèles de Langage Visuel (VLM).

Le traitement des documents volumineux entraîne souvent des limites de mémoire applicative ou dépasse la fenêtre de contexte des modèles d'IA standards. Ce workflow n8n puissant résout ce problème en s'intégrant à SubworkflowAI, spécialisé dans la décomposition de fichiers volumineux en pages gérables et adressables (Datasets et Dataset Items).

Le workflow n8n télécharge d'abord de manière sécurisée un document depuis Google Drive et le télécharge pour extraction via l'API Extract de SubworkflowAI. Il utilise ensuite une structure robuste de corelogicflow_control — une boucle de polling n8n — pour attendre que la tâche d'extraction soit terminée sans bloquer immédiatement l'exécution du workflow. Une fois terminée, le workflow n8n récupère les pages individuelles du document (Dataset Items). Enfin, ces liens de partage de page sont transmis directement au nœud Google Gemini n8n, permettant une transcription OCR efficace par Modèle de Langage Visuel (VLM) sans nécessiter de téléchargements de fichiers binaires gourmands en mémoire dans l'environnement n8n lui-même. Cette approche en fait l'un des modèles n8n les plus efficaces pour gérer des charges documentaires massives.

Ce workflow n8n complet fonctionne en six étapes :

1. Initialisation et Téléchargement : Le processus démarre via un déclencheur n8n manuel (Lors du clic sur ‘Exécuter le workflow’). Le nœud Google Drive n8n télécharge le document volumineux cible.


2. Téléchargement du Fichier : Le fichier est immédiatement téléversé vers SubworkflowAI en utilisant un nœud HTTP Request n8n ciblant l'API Extract. Ceci initialise une tâche de traitement asynchrone et retourne un identifiant de tâche.


3. Boucle de Polling de Tâche : Une boucle complexe de corelogicflowcontrol est initiée. Le nœud Si n8n Job Complete? vérifie l'état de la tâche. Si l'état est 'INPROGRESS', le workflow interroge (poll) le point de terminaison Check Job Status, attend 1 seconde en utilisant le nœud Wait de n8n, et boucle pour vérifier à nouveau l'état. Ce polling se poursuit jusqu'à ce que l'état soit 'SUCCESS' ou 'ERROR'.


4. Récupération du Dataset : Une fois le succès obtenu, le workflow n8n récupère le Dataset résultant, puis extrait les éléments de Dataset individuels (pages du document) en utilisant la pagination (extraction de 10 éléments par requête, jusqu'à 5 fois) pour gérer efficacement les nombres élevés de pages.


5. Séparation des Éléments : Le nœud Split Out de n8n garantit que chaque page (Dataset Item) est traitée comme un élément distinct dans le flux du workflow n8n.


6. OCR VLM : L'action finale utilise le nœud Google Gemini n8n (VLM). Il exploite le 'Lien de partage' public fourni par SubworkflowAI pour l'image de la page, demandant à Gemini de 'Transcribe this image to Markdown' (Transcrire cette image en Markdown). Ceci exécute un OCR haute précision sur chaque page, terminant le workflow n8n automatisé.

Pour utiliser ce workflow n8n puissant, suivez ces étapes :

1. Importation : Copiez le JSON fourni et importez-le directement dans votre instance n8n en tant que nouveau workflow n8n.


2. Identifiants Google Drive : Configurez les identifiants pour le nœud Google Drive n8n afin d'autoriser l'accès au téléchargement de fichiers.


3. Identifiants SubworkflowAI : Obtenez une clé API auprès de SubworkflowAI. Configurez un identifiant d'authentification par en-tête HTTP dans n8n et liez-le aux étapes du nœud HTTP Request n8n (Extract API, Check Job Status, Get Dataset, Get Dataset Items).


4. Identifiants Google Gemini : Configurez un identifiant pour le nœud n8n Google Gemini (PaLM).


5. Personnalisation : Mettez à jour le nœud n8n Download file avec l'ID de fichier du document volumineux spécifique que vous souhaitez traiter.


6. Activation : Sauvegardez le workflow n8n et exécutez-le.

Lors du clic sur ‘Exécuter le workflow’ (Déclencheur Manuel) : Sert de déclencheur n8n initial pour démarrer le processus manuellement.
Download file (Nœud Google Drive n8n) : Télécharge le fichier binaire volumineux spécifié depuis Google Drive vers l'instance n8n locale pour un traitement temporaire.
Extract API (Nœud HTTP Request n8n) : Téléverse le document binaire vers https://api.subworkflow.ai/v1/extract en utilisant multipart-form-data. Ceci constitue la première étape du pipeline de traitement documentaire de SubworkflowAI.
Job Complete? (Nœud If n8n) : Le composant crucial de corelogicflow_control. Il vérifie la propriété status (SUCCESS ou ERROR) pour déterminer si la boucle de traitement doit se terminer ou continuer l'interrogation (polling).
Check Job Status (Nœud HTTP Request n8n) : Utilisé à l'intérieur de la boucle de polling pour récupérer l'état actuel de la tâche asynchrone SubworkflowAI.
Wait (Nœud n8n) : Introduit un délai d'une seconde dans la boucle de polling pour prévenir les limitations de débit de l'API.
Get Dataset Items (Nœud HTTP Request n8n) : Récupère les enregistrements de pages individuelles en utilisant des paramètres de pagination complexes, permettant au workflow n8n de gérer des documents contenant potentiellement des milliers de pages en les récupérant par lots.
Split Out (Nœud n8n) : Prépare les éléments de dataset récupérés afin que les étapes VLM suivantes traitent une page à la fois.

• OCR Documentaire via VLM (Nœud Google Gemini n8n) : L'étape de traitement finale. Il utilise le modèle models/gemini-2.5-flash et l'URL de partage sécurisée fournie par SubworkflowAI pour effectuer la transcription d'image (OCR), transformant la page du document en texte Markdown.