🧠 J’ai transformé l’infobésité réglementaire en synthèse utile pour les pharmaciens. Automatiquement.

Trop d’infos. Trop peu de temps. 📉 Et au milieu, des pharmaciens noyés dans les publications de l’ANSM, de la HAS, de l’Ordre…

Alors j’ai créé un agent de veille santé automatisé. 🎯 Objectif : produire chaque jour une synthèse claire, hiérarchisée et contextualisée, directement exploitable en officine.


🔧 Concrètement, comment ça fonctionne ?

Voici la logique de mon workflow n8n :

🟢 1. Extraction multicanal : Je dĂ©clenche tous les matins une requĂŞte sur plusieurs sites officiels (ANSM, HAS, Ordre…). Les flux sont scrappĂ©s automatiquement, c’est Ă  dire que leur contenu est rĂ©cupĂ©rĂ© intĂ©gralement.

🧹 2. Nettoyage HTML personnalisé : Chaque article est nettoyé de tout bruit (menus, publicité, etc.) pour ne garder que le contenu pertinent.

Contenu de l’article
Une requĂŞte rĂ©cupère le code source de la page, du code Javascript normalise les informations contenues afin d’avoir des donnĂ©es uniformes de date, titre et lien de l’article. Les articles de plus de 5 jours sont Ă©cartĂ©s.

🔍 3. Scoring mĂ©tier automatique : Chaque texte passe par un filtre basĂ© sur des mots-clĂ©s pondĂ©rĂ©s (ex. « tension d’approvisionnement », « rappel de lot », « nouvelle indication ») pour attribuer un score de pertinence de 0 Ă  100. → Je ne conserve uniquement les articles qu’avec un impact direct en pharmacie selon un degrĂ© d’exigence dĂ©fini.

Contenu de l’article
Chaque article est alors entièrement rĂ©cupĂ©rĂ©, nettoyĂ©, taggĂ© avec les premières informations obtenues (date, titre…), et rejoint les articles d’autres sites. Un score de pertinence est attribuĂ© qui sĂ©lectionne les articles Ă  envoyer.

đź§  4. RĂ©sumĂ© structurĂ© par une IA locale (Ollama) : Pas de cloud. J’utilise un LLM (grand modèle linguistique) sur mon propre PC (i9, 64Go RAM) pour gĂ©nĂ©rer sans envoyer d’informations vers l’extĂ©rieur, un rĂ©sumĂ© structurĂ© (contexte/infos clĂ©s/impacts), adaptĂ© Ă  une lecture rapide par un professionnel.

📬 5. Compilation finale : Tous les articles filtrés sont regroupés dans un courriel structuré et envoyé automatiquement via Gmail.

Contenu de l’article
Une IA en local résume les articles et les structure (Contexte / infos clés / impact). Le texte est normalisé et transformé pour être envoyé par mail automatiquement.

📣 Résultat :

➡️ Une veille quotidienne fiable, sans surcharge cognitive, orientée terrain, contextualisée et circonstanciée.

➡️ Zéro dépendance à une base ou un cloud externe, sans exposer ses données.

➡️ Un gain de temps concret pour les professionnels de santé.

Contenu de l’article
Exemple d’un article pertinent, d’un rapport transmis par mail

💡 Ce projet est duplicable dans d’autres contextes (industrie, juridique, tech…). Envie d’en discuter ? Je suis ouvert aux échanges pro ou partenariats.

#n8n #veilleautomatique #pharmacie #IA #automation #openSource #ollama #nocode #santĂ©Engaging Introductions: Capturing Your Audience’s Interest

Laisser un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *

Retour en haut