Build ANYTHING with Gemini 3 Pro and n8n AI Agents

Build ANYTHING with Gemini 3 Pro and n8n AI Agents

par Nate Herk

Sciences appliquées & ingénierie IA — Modèles & Recherche UYQIntelligence artificielle (IA)UYQFIntelligence artificielle générative
🎙 Nate Herk 👥 964K 📅 19 novembre 2025 ⏱ 24 min 👁 98K 📄 tutoriel 🧭 2026-08-28
Disponible en : Français (actuel) English

Mots-clés

Gemini 3 Pron8nagents IAautomatisationbenchmarks

Résumé

La vidéo présente le nouveau modèle Gemini 3 Pro de Google, ses benchmarks et son intégration dans n8n pour créer des automatisations et des agents IA. Nate Herk commence par un aperçu des caractéristiques du modèle, notamment son contexte de 1 million de tokens et ses performances en codage et en raisonnement. Il montre ensuite trois méthodes pour connecter Gemini 3 Pro à n8n : via le nœud Google Gemini, via un modèle de chat avec OpenRouter, ou via une requête HTTP directe. Il réalise trois expériences : l’analyse d’images (comparée à OpenAI), le raisonnement sur un long contexte (un PDF de 121 pages) et la génération de workflows n8n par Gemini lui-même. Les résultats montrent que Gemini 3 Pro est performant en analyse d’images et en raisonnement, mais qu’il présente une limitation importante : l’utilisation d’outils (tool calling) échoue en raison d’un problème de ’thought signatures’ non géré par n8n. La vidéo se termine par des conseils sur l’utilisation de Gemini 3 Pro et une promotion de ses cours.

170 mots

Évaluation critique

Valeur des informations & solidité de l’argumentation

La vidéo offre une valeur pratique certaine en montrant concrètement comment intégrer Gemini 3 Pro dans n8n, avec des exemples de code et des comparaisons avec d’autres modèles. L’argumentation est structurée autour de trois expériences qui illustrent les forces et faiblesses du modèle. Cependant, l’argumentation repose en partie sur des benchmarks fournis par Google, sans vérification indépendante, et la démonstration de la génération de workflows est entachée par l’utilisation de connaissances obsolètes dans l’agent, ce qui limite la portée des conclusions. La mise en évidence de la limitation des ’thought signatures’ est un point important et honnête, qui renforce la crédibilité de l’analyse.

Rigueur scientifique, qualité des sources, adéquation du titre

Les sources citées sont principalement des liens vers les cours et outils de l’auteur, ainsi que des liens vers des plateformes comme OpenRouter et Google AI Studio. Les benchmarks sont mentionnés comme provenant du blog officiel de Google, mais ne sont pas détaillés ni vérifiés. Le titre est un peu accrocheur, mais le contenu correspond globalement à ce qui est annoncé. La rigueur scientifique est moyenne : les tests sont réalisés de manière empirique, mais sans protocole strict, et les comparaisons sont limitées à quelques modèles. L’adéquation titre/contenu est bonne, mais le titre promet de ‘construire n’importe quoi’, ce qui est exagéré.

220 mots

Adéquation titre / contenu

Le titre est légèrement exagéré mais globalement fidèle au contenu, qui montre comment utiliser Gemini 3 Pro dans n8n pour créer des automatisations.

Qualité & fiabilité

7/10

Démonstrations pratiques et comparaisons de modèles, mais sources principalement promotionnelles et benchmarks non vérifiés de manière indépendante.

Chapitres

Sources citées

Sources concordantes

  • Blog officiel de Google sur Gemini 3 — Annonce officielle de Gemini 3, mentionnée dans la vidéo pour les benchmarks.

Références externes

Apport & nouveautés

La vidéo apporte une mise à jour pratique sur l’intégration de Gemini 3 Pro dans n8n, avec des tests concrets et une identification des limitations actuelles (thought signatures). Elle est utile pour les utilisateurs de n8n qui souhaitent adopter ce nouveau modèle.

Pour aller plus loin :

  • Documentation Gemini API — Documentation officielle pour comprendre les paramètres et les fonctionnalités de Gemini 3.
  • n8n Documentation — Documentation officielle de n8n pour approfondir les nœuds et les workflows.
  • Article sur les agents IA — Concept d’agent intelligent, pertinent pour comprendre le contexte des agents IA dans n8n.

96 mots

Profil radar

Le profil radar montre des scores élevés en quantité d'information et en niveau technique, mais une fiabilité globale plus faible, ce qui indique une vidéo riche en contenu pratique mais avec des sources à vérifier.

Fiabilité 6/10

💬 Très positif. Sur les 30 commentaires analysés, la grande majorité exprime de l'enthousiasme pour la démonstration et les capacités de Gemini 3 Pro, avec quelques remerciements pour les explications claires et les astuces.