Aperçu du workflow

Il s'agit d’un modèle de workflow de surveillance de la santé des cultures à partir d’images de drones, basé sur N8N. Ce workflow reçoit des images aériennes de champs agricoles prises par drone, les analyse intelligemment grâce à l’IA, et permet ainsi une surveillance et une enregistrement automatisés de l’état de santé des cultures. Le système intègre une base de données vectorielle, un assistant conversationnel intelligent alimenté par l’IA et une fonctionnalité d’enregistrement des données, offrant ainsi un soutien technologique à l’agriculture de précision.

Fonctionnalités principales

1. Analyse intelligente d’images

• Réception des images de champs capturées par drone
• Analyse de la santé des cultures à l’aide de technologies d’IA
• Construction d’une base de connaissances pour permettre des requêtes intelligentes

2. Stockage vectoriel

• Conversion des résultats d’analyse en données vectorielles
• Stockage dans une base de données vectorielle Supabase
• Prise en charge d’une recherche sémantique efficace

3. Système de dialogue intelligent

• Assistant conversationnel basé sur le modèle Anthropic Claude
• Mémoire contextuelle pour conserver la continuité des échanges
• Possibilité d’interroger les données historiques d’analyse

Analyse détaillée des nœuds

Nœuds d’entrée

Nom du nœud	Type	Description
Webhook	n8n-nodes-base.webhook	Point d’accès POST /drone_image_crop_health recevant les images de drone

Nœuds de traitement des données

Nom du nœud	Type	Description
Splitter	textSplitterCharacterTextSplitter	Diviseur de texte : fractionne les longs textes en blocs de 400 caractères avec un chevauchement de 40 caractères
Embeddings	embeddingsOpenAi	Génère des vecteurs d’embedding textuel via OpenAI

Nœuds de stockage

Nom du nœud	Type	Description
Insert	vectorStoreSupabase	Insère les données vectorielles dans l’index drone_image_crop_health de la base Supabase
Query	vectorStoreSupabase	Interroge la base vectorielle pour récupérer des informations pertinentes

Nœuds IA intelligents

Nom du nœud	Type	Description
Tool	toolVectorStore	Outil de stockage vectoriel destiné à l’agent IA
Memory	memoryBufferWindow	Mémoire tampon de dialogue assurant la continuité contextuelle
Chat	lmChatAnthropic	Modèle linguistique Anthropic Claude
Agent	agent	Agent IA intelligent intégrant outils et mémoire

Nœuds de sortie

Nom du nœud	Type	Description
Sheet	googleSheets	Ajoute les résultats traités à une feuille Google Sheets (journal)

Nœuds auxiliaires

Nom du nœud	Type	Description
Sticky	stickyNote	Note explicative du workflow, intitulée « Drone Image Crop Health »

Schéma du flux de données

[Données reçues via Webhook]
        ↓
    ┌───┴───┐
    ↓       ↓
[Division texte] [Mémoire tampon]
    ↓           ↓
[Embedding]     ↓
    ↓           ↓
    ├→[Stockage dans Supabase]
    ↓           ↓
[Requête base vectorielle] ↓
    ↓           ↓
[Création outil] ↓
    ↓           ↓
    └→[Agent IA]←[Modèle Claude]
           ↓
    [Enregistrement dans Google Sheets]

Stack technique

Services utilisés

1. API OpenAI – Vectorisation de texte
2. Supabase – Base de données vectorielle
3. Anthropic Claude – Modèle conversationnel IA
4. Google Sheets – Journalisation des données

Paramètres clés

• Division du texte : taille des blocs = 400 caractères, chevauchement = 40 caractères
• Nom de l’index vectoriel : drone_image_crop_health
• Déclenchement : requête POST via Webhook
• Ordre d’exécution : version v1

Cas d’usage

Utilisations principales

1. Surveillance agricole de précision – Analyse en temps réel de la croissance des cultures
2. Alerte précoce contre maladies et ravageurs – Détection précoce des problèmes phytosanitaires
3. Prévision des rendements – Estimation des récoltes à partir des données de santé des cultures
4. Prise de décision agricole – Recommandations culturales fondées sur les données

Valeur métier

• Amélioration de l’efficacité agricole
• Réduction des coûts liés aux inspections manuelles
• Gestion agricole pilotée par les données
• Constitution d’une base de connaissances agricoles

Exigences de déploiement

Identifiants API requis

1. Clé API OpenAI
2. Identifiants de base de données Supabase
3. Clé API Anthropic
4. Authentification OAuth2 pour Google Sheets

Prérequis

1. Création d’une table vectorielle dans Supabase
2. Configuration de l’ID du document Google Sheets
3. Mise en place du point de terminaison Webhook
4. Initialisation de l’index vectoriel

Suggestions d’extension

1. Ajout de reconnaissance d’images – Intégration d’un modèle de vision par ordinateur pour traiter directement les images
2. Système d’alerte en temps réel – Détection d’anomalies et notifications automatiques
3. Visualisation des données – Tableau de bord affichant les résultats d’analyse
4. Fusion multi-sources – Intégration de données météorologiques, pédologiques et autres dimensions
5. Traitement par lots – Analyse parallèle de plusieurs images simultanément

Conclusion

Ce modèle de workflow illustre comment appliquer les technologies modernes d’IA au secteur agricole. En combinant la collecte d’images par drone, le stockage vectoriel, l’analyse intelligente et l’enregistrement automatique, il constitue un système complet de surveillance de la santé des cultures. Capable non seulement de traiter des données en temps réel, mais aussi d’offrir un service de requêtes intelligentes via une interface conversationnelle, ce système apporte un soutien technologique puissant à l’agriculture de précision.