Bonjour ! Dans la leçon précédente, nous avons établi notre première connexion avec une IA en envoyant un prompt simple et statique depuis n8n. C'était une étape fondamentale, mais la véritable puissance de l'automatisation réside dans la capacité à s'adapter au contexte.
Aujourd'hui, nous allons passer à la vitesse supérieure. L'objectif est d'apprendre à construire des prompts dynamiques, c'est-à-dire des instructions pour l'IA qui incorporent des données variables provenant d'autres parties de votre workflow. Pour vous, en tant que développeur, cela équivaut à passer d'une chaîne de caractères littérale à une chaîne de caractères interpolée, où vous injectez des variables pour créer une sortie personnalisée. C'est la clé pour créer des agents qui ne sont pas de simples perroquets, mais de véritables assistants conscients de leur environnement.
1. Les expressions n8n : Le moteur de la dynamicité
Pour rendre nos prompts dynamiques, nous devons maîtriser le concept des expressions n8n. Une expression est simplement un petit morceau de code JavaScript que vous pouvez insérer dans la plupart des champs de configuration des nœuds, en l'entourant de doubles accolades {{ }}. n8n évalue ce code et remplace l'expression par le résultat.
Pour un développeur, c'est un concept très intuitif. Imaginez que vous voulez construire une chaîne de caractères en JavaScript :const message = "L'email de l'utilisateur est " + user.email;
En n8n, l'équivalent dans un champ de nœud serait :L'email de l'utilisateur est {{$json.email}}
Le guide suivant est une excellente référence (que vous pourrez conserver) sur le sujet. Pour l'instant, concentrons-nous sur les concepts fondamentaux.
Guide complet pour maitriser les expressions n8n
Cet article de Formations Analytics, rédigé par Franck Scandolera, est une ressource très complète pour comprendre les expressions.
Lisez attentivement les deux premières sections pour bien saisir les bases : La définition : cette partie explique ce qu'est une expression et où l'utiliser. Notez les variables clés comme $json (pour les données de l'item courant) et $("NomDuNœud") (pour accéder aux données d'un autre nœud). Le tutoriel pratique : cette section vous montre comment activer le mode "Expression" dans l'interface de n8n.
L'interface de n8n facilite grandement la création de ces expressions. Au lieu de tout taper à la main, vous pouvez glisser-déposer des variables depuis le panneau des données d'entrée directement dans votre champ d'expression.

2. Construire votre premier prompt dynamique
Mettons cela en pratique. Nous allons modifier le workflow de la leçon précédente pour que le prompt envoyé à l'IA inclue non seulement le message de l'utilisateur, mais aussi la date du jour.
Le scénario est le suivant : l'agent agira comme un assistant qui est toujours conscient de la date actuelle.
Étape 1 : Passer le message de l'utilisateur de manière dynamique
Dans la leçon précédente, nous avons utilisé un trigger de chat. La sortie de ce trigger contient le message de l'utilisateur. Nous devons maintenant "mapper" cette sortie au champ Prompt (User Message) de notre nœud AI Agent.
La vidéo suivante montre exactement comment faire cela dans un contexte similaire avec WhatsApp. Le principe est identique pour notre trigger de chat.
Créer un Agent IA WhatsApp en Seulement 30 min (Tutoriel n8n)
Cette vidéo de Yassine Sdiri illustre parfaitement comment connecter la sortie d'un trigger au champ de message de l'agent.
Regardez attentivement le segment de la configuration du prompt utilisateur. Vous y verrez comment : Cliquer sur le nœud AI Agent. Trouver le champ Prompt (User Message). Utiliser l'éditeur d'expression pour récupérer le message entrant (dans son cas, le body du message WhatsApp ; dans notre cas, ce sera le chatInput du trigger de chat).
Étape 2 : Injecter la date du jour dans le System Message
Le System Message est l'endroit idéal pour donner à l'IA son rôle et son contexte de fond. C'est ici que nous allons lui fournir dynamiquement la date du jour.
Pour ce faire, nous allons utiliser une expression qui fait appel à une variable intégrée de n8n. L'article suivant explique très clairement cette technique.
Crée ton premier Agent IA – Un assistant Google Calendar
Ce tutoriel de Dataki, bien que focalisé sur Google Calendar, contient une section parfaite pour notre objectif actuel.
Concentrez-vous sur la section Configuration de l'Agent IA. Portez une attention particulière à ces points : L'activation du mode "Expression" pour le champ System Message. C'est une étape cruciale, sans laquelle la variable ne sera pas interprétée. L'utilisation de la variable {{ DateTime.local().toFormat('cccc d LLLL yyyy') }}. C'est une expression Luxon (la bibliothèque de dates/heures utilisée par n8n) qui récupère la date et l'heure actuelles et les formate de manière lisible.
Maintenant, appliquons cela. Dans votre workflow :
-
Ouvrez le nœud
AI Agent. -
Ajoutez une option
System Messagesi elle n'est pas déjà présente. -
Passez le champ
System Messageen mode Expression. -
Entrez le prompt suivant :
Tu es un assistant IA expert. Ta mission est de répondre aux demandes de l'utilisateur en tenant compte du contexte actuel. Nous sommes le {{ DateTime.local().setZone('Europe/Paris').toFormat('cccc d LLLL yyyy') }}. -
Assurez-vous que le champ
Prompt (User Message)est bien lié à la sortiechatInputde votre trigger, comme vu à l'étape 1.
3. Test et débogage du workflow dynamique
Maintenant que tout est configuré, il est temps de tester.
- Exécutez le workflow en mode test.
- Ouvrez la fenêtre de chat et tapez :
Quels sont les événements marquants de cette journée dans l'histoire ? - Observez la réponse de l'IA. Elle devrait être spécifique à la date du jour où vous exécutez le test.
La vidéo suivante montre un processus de test et de débogage très similaire. L'auteur construit un prompt, rencontre une erreur due à la gestion des dates, et la corrige en rendant le prompt dynamique. C'est une démonstration très instructive du processus de développement itératif dans n8n.
Guide Complet n8n : Ton 1er Agent IA en 30 Minutes (No Code)
Le "Guide Complet n8n" d'Aurélien FAGIOLI contient une section de débogage très pertinente.
Regardez la séquence de test et de correction. Notez comment il : Exécute le workflow et constate une erreur ou un comportement inattendu. Analyse la sortie des nœuds pour comprendre le problème (ici, un format de date). Modifie le prompt système pour injecter dynamiquement la date correcte (the date of the day is... suivi de la variable). Relance le test et valide que le comportement est maintenant correct. Ce processus de "run, inspect, correct" est au cœur du développement de workflows dans n8n, tout comme le cycle "code, compile, debug" en développement logiciel.
Conclusion
Aujourd'hui, vous avez débloqué une capacité fondamentale : rendre vos workflows IA conscients du contexte. Vous ne vous contentez plus d'envoyer des instructions figées, vous construisez des prompts sur mesure à la volée.
Points clés à retenir :
- Les expressions n8n, encadrées par
{{ }}, sont le mécanisme pour injecter des données dynamiques. - Elles utilisent la syntaxe JavaScript, ce qui vous est familier.
- Le
Prompt (User Message)est généralement utilisé pour le contenu variable provenant de l'utilisateur (ex:chatInput). - Le
System Messageest idéal pour définir le rôle de l'IA et injecter un contexte de fond dynamique (ex: la date du jour, des données d'une base de données, etc.). - Il est crucial de basculer un champ en mode "Expression" pour que les variables soient interprétées.
Maintenant que vous savez comment construire un prompt dynamique, la prochaine étape est d'apprendre quoi y mettre pour obtenir les meilleurs résultats possibles, surtout pour des tâches liées au développement logiciel. Dans la prochaine leçon, nous aborderons les principes du "prompt engineering" pour la génération de code, l'explication de concepts et la correction de bugs.