Nano Banana + n8n : j'ai créé cet Agent IA à 10 000€ (à ton tour !)

Nano Banana + n8n : j'ai créé cet Agent IA à 10 000€ (à ton tour !)

🎙 Aurélien FAGIOLI 👥 21K 📅 16 septembre 2025 ⏱ 26 min 👁 12K 📄 tutoriel 🧭 2026-08-28
Disponible en : Français (actuel) English

Mots-clés

Nano Bananan8nautomatisationédition d'imageimmobilier

Résumé

La vidéo présente un tutoriel complet pour créer une automatisation avec n8n et l’outil d’édition d’image Google Gemini 2.5 Flash, surnommé Nano Banana. L’auteur explique comment il a conçu un workflow destiné à une agence immobilière, permettant de transformer des photos brutes en visuels attrayants : suppression du filigrane, correction des imperfections, rénovation virtuelle, adaptation d’un style de décoration, intégration du logo de l’agence et création d’une ambiance cosy. Il détaille chaque étape du processus, de la configuration de l’environnement (Google Drive, Google Sheets) à l’intégration de Nano Banana via des requêtes HTTP, en passant par la gestion des pauses et des boucles pour traiter plusieurs images. L’auteur met en avant la valeur commerciale de cette solution, qu’il dit avoir vendue 10 000 €, et propose des ressources complémentaires (formation, communauté Skool, appel gratuit). La vidéo est structurée en chapitres et s’adresse à un public souhaitant automatiser des tâches de traitement d’images avec l’IA.

154 mots

Évaluation critique

Valeur des informations & solidité de l’argumentation

La vidéo apporte une valeur pratique indéniable : elle montre concrètement comment utiliser Nano Banana dans un workflow n8n, avec des exemples visuels avant/après et des explications pas à pas. L’argumentation repose sur une démonstration réelle, ce qui renforce la crédibilité. Cependant, l’affirmation d’un gain de 10 000 € est présentée sans preuve ni détail sur la transaction, ce qui relève plus de l’anecdote que d’une étude de cas rigoureuse. La démarche de segmentation du processus en étapes distinctes (suppression du filigrane, rénovation, décoration, etc.) est bien pensée et montre une compréhension des capacités et limites de l’outil.

Rigueur scientifique, qualité des sources, adéquation du titre

La rigueur scientifique est limitée : aucune source académique ou officielle n’est citée. Les seules références sont des liens vers des ressources commerciales (formation, appel, hébergement) et une communauté. Le titre est en adéquation avec le contenu, mais il est volontairement accrocheur. La vidéo ne prétend pas à une démonstration scientifique, mais à un tutoriel pratique ; elle est donc à prendre comme telle. La qualité des sources est donc faible, mais le contenu est cohérent et transparent sur les outils utilisés.

195 mots

Adéquation titre / contenu

Le titre est accrocheur et correspond au contenu : la vidéo montre effectivement la création d'une automatisation avec Nano Banana et n8n, en mettant en avant un gain potentiel de 10 000 €.

Qualité & fiabilité

6/10

Le contenu est un tutoriel pratique basé sur une expérience personnelle, avec des démonstrations concrètes. La fiabilité est limitée par l'absence de sources externes vérifiables et par des affirmations commerciales non étayées.

Chapitres

Sources citées

Sources concordantes

  • n8n - Workflow Automation — Outil d'automatisation utilisé dans la vidéo, conforme à la démonstration.
  • Google Gemini API — Documentation officielle de l'API Gemini, qui inclut Nano Banana.

Apport & nouveautés

La vidéo apporte une méthode concrète pour intégrer un modèle d’édition d’image (Nano Banana) dans un outil d’automatisation (n8n), avec un cas d’usage métier (immobilier). Elle montre comment décomposer un processus complexe en étapes simples et comment gérer les appels API asynchrones. L’originalité réside dans la combinaison de ces outils pour créer un service à valeur ajoutée.

Pour aller plus loin :

  • n8n - Workflow Automation — Plateforme d’automatisation open-source utilisée dans la vidéo.
  • Google Gemini API — Documentation officielle de l’API Gemini, qui inclut Nano Banana.
  • Image editing with AI — Article Wikipédia sur l’édition d’image, pour comprendre les bases.
  • Prompt engineering — Concept clé pour optimiser les requêtes envoyées à l’IA.

113 mots

Profil radar

Le profil radar montre une bonne quantité d'informations et un niveau technique correct, mais une fiabilité globale moyenne due à l'absence de sources vérifiables. La qualité de l'information est bonne pour un tutoriel pratique, mais la rigueur scientifique est limitée.

Fiabilité 6/10