test agent ia

Un premier prototype : l’IA au service de la veille événementielle
Ce tableau est un premier prototype de ce que pourrait devenir la veille événementielle de VerdonMalin.
L’objectif n’est pas de demander à une IA de « chercher des événements » et de publier automatiquement ce qu’elle trouve. Le véritable travail consiste à construire autour de l’IA un processus capable de collecter, trier, analyser, vérifier et organiser l’information.
Pour ce premier test, nous sommes partis d’une source réelle : l’agenda de Moustiers-Sainte-Marie.
Le workflow n8n récupère les événements publiés sur le site, puis extrait les informations utiles : date, titre, lieu, description, image et lien vers la source. Des règles déterminent ensuite la commune concernée et permettent de calculer la distance par rapport à Riez.
L’IA intervient alors sur une partie précise du processus : elle analyse la nature de l’événement et son intérêt pour un visiteur du Verdon. Elle attribue notamment une catégorie et évalue plusieurs critères : intérêt touristique, caractère exceptionnel, actualité, fiabilité de la source et intérêt pour VerdonMalin.
Mais l’IA ne prend pas seule la décision finale.
Les calculs objectifs — notamment la distance — sont réalisés par n8n. Les différents critères sont ensuite combinés pour obtenir un score final et appliquer les règles définies pour VerdonMalin : publier, vérifier ou rejeter.
Enfin, le résultat est enregistré dans un fichier JSON. Le tableau présenté ici lit ce fichier directement. Ainsi, lorsqu’un visiteur consulte VerdonMalin, il ne sollicite ni n8n ni l’IA : il consulte simplement les données déjà préparées.
C’est une distinction importante : l’IA n’est pas le site et n’est pas le système. Elle est une brique du système.
Le workflow ci-dessous montre concrètement comment différentes tâches, certaines réalisées par n8n et d’autres par l’IA, peuvent être assemblées pour construire progressivement un véritable agent de veille.
Ce premier prototype est encore volontairement simple. Il nous permet surtout de comprendre la méthode : partir d’une source réelle, définir des règles, distinguer ce qui peut être automatisé de ce qui nécessite une interprétation, puis faire intervenir l’IA uniquement là où elle apporte une réelle valeur.