Skip to main content

Welcome to a Grasp lesson

Create a free account to keep studying and create your own study path.

Lesson 15

Enchaînement d'appels API séquentiels

Recommended resources

Bonjour ! Dans la leçon précédente, vous avez appris à extraire et à manipuler les données des réponses JSON en utilisant les expressions n8n. C'est une compétence cruciale que nous allons mettre en application dès aujourd'hui.

Cette leçon se concentre sur une technique fondamentale en automatisation : l'enchaînement de plusieurs appels API. Rarement une tâche complexe se résout avec une seule requête. Le plus souvent, il s'agit d'un processus séquentiel où le résultat d'une première action conditionne la suivante. C'est exactement ce que nous allons apprendre à construire.

À la fin de cette leçon, vous saurez créer des workflows où une donnée extraite d'une première réponse API est utilisée pour paramétrer et exécuter un second appel, vous permettant ainsi de construire des logiques d'automatisation bien plus puissantes et utiles dans vos projets de développement.

Le principe du chaînage d'appels API

Le chaînage d'appels API est le processus qui consiste à utiliser la sortie d'un nœud HTTP Request comme entrée pour un autre. En tant que développeur, vous pouvez voir cela comme l'équivalent de l'exécution de fonctions imbriquées, par exemple deuxiemeFonction(premiereFonction()). Dans n8n, cela se matérialise par une séquence de nœuds connectés sur le canevas.

Ce schéma est omniprésent dans le monde des APIs pour plusieurs raisons :

  • Processus asynchrones : Certaines APIs fonctionnent en deux temps. Un premier appel pour démarrer une tâche (générer un rapport, une image, lancer une analyse) qui retourne un identifiant de tâche. Un ou plusieurs appels suivants sont alors nécessaires pour vérifier le statut de cette tâche et récupérer le résultat final une fois qu'il est prêt.
  • Enrichissement de données : Un premier système vous donne un identifiant (ex: user_id). Vous utilisez cet identifiant pour interroger un second système et obtenir des informations détaillées sur cet utilisateur.
  • Workflows multi-étapes : Un processus métier, comme un achat en ligne, peut se décomposer en plusieurs appels : rechercher un produit, l'ajouter au panier, valider la commande.

Visuellement, un enchaînement simple dans n8n ressemble à ceci :

Exemple d'un workflow séquentiel. La donnée circule de gauche à droite, chaque nœud traitant la sortie du précédent.

Exemple 1 : Lancer une tâche et récupérer le résultat

L'un des cas d'usage les plus courants est le lancement d'une tâche asynchrone. La vidéo ci-dessous illustre parfaitement ce scénario en utilisant une API de génération d'images. Un premier appel POST est effectué pour demander la création d'une image, et un second appel GET est utilisé pour récupérer l'image une fois générée.

API pour Débutants : Maîtriser la requête HTTP dans N8N (Guide Complet)

La chaîne de Julien Sanson propose cet excellent exemple concret qui décompose le processus en deux requêtes HTTP distinctes.

Regardez d'abord la section sur la requête POST pour initier la génération d'image. Observez bien la structure de la requête et la réponse obtenue, qui contient un identifiant unique pour la tâche. Ensuite, visionnez la section sur la requête GET pour récupérer le résultat. C'est le cœur de notre leçon : le formateur prend l'identifiant (id) de la réponse du premier nœud et l'injecte dans l'URL du second nœud HTTP Request. C'est l'essence même du chaînage.

Ce que vous venez de voir est la mise en pratique directe de la leçon précédente. L'expression pour récupérer l'identifiant, qui pourrait être par exemple {{ $json.id }}, est créée en glissant-déposant le champ id de la sortie du premier nœud vers le champ URL du second.


Exemple 2 : Un scénario plus complexe avec Apify

Les workflows peuvent devenir plus complexes, impliquant parfois plusieurs étapes de vérification. L'exemple suivant, utilisant le service Apify pour le scraping web, illustre un enchaînement en trois temps :

  1. Lancer le job : Une requête POST pour démarrer une tâche de scraping.
  2. Vérifier le statut : Une requête GET pour vérifier si la tâche est terminée. Dans un vrai workflow, on pourrait même ajouter une boucle d'attente (Wait node) et une condition (IF node) pour vérifier ce statut périodiquement.
  3. Récupérer les données : Une fois la tâche terminée, une dernière requête GET pour télécharger les données collectées.

Comment configurer une API et des Requêtes HTTP Facilement sur n8n (Tutoriel Débutant)

Cette vidéo de Lucas Reverdy montre un cas d'usage avancé et très pertinent, illustrant un processus API en plusieurs étapes.

Concentrez-vous sur la section qui commence à l'exemple avec Apify. Suivez attentivement comment il configure la première requête pour lancer un "run". Puis, observez comment il utilise les identifiants (runId, datasetId) retournés par les premières requêtes pour construire les requêtes suivantes, d'abord pour vérifier le statut, puis pour récupérer les items.

Ce second exemple montre une chaîne plus robuste et réaliste, où chaque étape dépend logiquement de la précédente.

Un workflow plus élaboré peut impliquer plusieurs chaînes d'appels API fonctionnant en parallèle ou de manière conditionnelle.

Le chaînage dans des contextes variés

Ce principe de chaînage est universel et vous le retrouverez dans de nombreux contextes d'automatisation. L'article suivant de Hostinger présente plusieurs workflows qui reposent tous sur ce même concept.

Comment créer un workflow IA dans n8n : guide détaillé - Hostinger

Cet article vous donnera un aperçu de la puissance du chaînage d'API dans différents cas d'usage.

Parcourez la première section, "Comment créer un workflow ETL". Observez comment le flux enchaîne un Webhook, une requête HTTP, un nœud de transformation et un nœud de base de données (Airtable). Ensuite, lisez l'exemple suivant, "Comment automatiser la génération de leads". Vous y verrez un enchaînement encore plus intéressant : Webhook -> HTTP Request (pour enrichir les données) -> HTTP Request (vers une API d'IA pour analyse) -> Airtable. C'est un excellent avant-goût de ce que nous construirons dans les prochains modules.

Ces exemples renforcent l'idée qu'un workflow est une suite logique d'opérations où la donnée est progressivement traitée et enrichie à chaque étape.


Conclusion

Vous maîtrisez désormais l'une des techniques les plus importantes de n8n : la création de workflows séquentiels qui enchaînent des appels API. Cette compétence démultiplie les possibilités d'automatisation et vous permet de modéliser des processus complexes qui interagissent avec plusieurs services externes.

Points clés à retenir :

  • Le chaînage consiste à utiliser la sortie d'une requête API comme entrée pour la suivante.
  • Le passage de données se fait via les expressions n8n ({{ ... }}), en utilisant les compétences de la leçon précédente.
  • Les cas d'usage typiques incluent les tâches asynchrones (lancer puis vérifier) et l'enrichissement de données.
  • Des nœuds de logique comme IF ou Wait peuvent être insérés entre les appels API pour gérer des conditions ou des temps d'attente.

Maintenant que vous savez construire des workflows plus complexes, il est inévitable que vous rencontriez des erreurs ou des comportements inattendus. C'est pourquoi la prochaine leçon sera consacrée au test et au débogage. Nous verrons comment inspecter les données à chaque étape, comprendre les messages d'erreur et utiliser les outils de n8n pour diagnostiquer et résoudre les problèmes efficacement.