- ETL
- Extract Transform Load
- pipeline building with drag and drop
- code sous jacent
- le drag and drop genere le code
- outils no code d’automatisation
- meme principe
- le code est genere par l’outil
- connection
- logique conditionelle
- on rajoute une couche de IA
en resume les use case deja mis en place, sont bien prepare et fonctionnent bien
- mais des que l’on s’en eloigne c’est moins facile et il est necessaire de plonger dans le code
- les erreurs sont difficile a interpreter
ma methode
le pipeline n8n est strcturé sur du json
demander a un LLM de generer le json
et importer dans n8n
-
trigger job : scheduled, manual, external
-
hierarchie des plateofrms
equilibre complexite (et possibilité) avec simplicite d’utilisation
top: code : SDK from Anthropic, OpenAI, GCP . most flexible. but rquires coding and knowledge of cloud infra
then n8n
- open source
- very flexible, wide connections
- more difficult to setup. might require a bit of coding (which can be generaed by an AI)
Then Zappier
- easier to setup
but far less lexible . can’t loop through a drive for instance
Then AI platorms like chatgpt.com or Claude.ai . but limited wrt to communications
Then claude in browser. Nice but no control and slow.
-