Prochaines formations "Methodo, no-code et IA : concevez votre solution métier" (en téléprésentiel, et éligible CPF) : 16-19 juin, et 15-18 septembre. Plus d'infos ici !

Retour à Discernement(s)

Les agents IA débarquent dans Make : l'automatisation qui réfléchit ?

Par 
Michael Parisi
30/4/2025

Salut tout le monde 🙂

Un peu comme je le disais pour Airtable AI récemment, je suis pas mal fatigué par les nouveautés IA qui sont censées faire oublier celles qui sont sorties la veille... C'est un déluge permanent ! Mais quand Make.com, un de nos outils chouchous chez Contournement (vous le savez bien !), annonce l'arrivée des Make AI Agents, ça pique forcément ma curiosité.

Alors oui, c'est officiellement encore en "bêta", mais que les choses soient claires : la fonctionnalité est déjà déployée et pleinement opérationnelle. D'après nos propres tests chez Contournement et les premiers retours qu'on voit passer dans la communauté, ça tourne déjà et ça fait le job au quotidien. Franchement, il était temps ! On voyait pas mal de bruit autour des agents IA ces derniers temps, notamment chez n8n qui a attiré du monde, y compris des débutants, juste avec cette fonctionnalité. Make se devait de répondre présent.

Et la bonne nouvelle, c'est qu'ils l'ont fait à la sauce Make : c'est intégré directement dans l'éditeur de scénarios qu'on connaît. Pas de panique, on n'est pas perdu, l'ergonomie reste familière, et on comprend vite comment ça marche si on a déjà l'habitude de Make. Je trouve ça plutôt bien fichu !

Mais déjà posons les bases, la vraie question, c'est : quand est-ce que vous devriez utiliser un Agent IA plutôt qu'un bon vieux scénario Make ? Pour vous aider à y voir clair, voici notre petite boussole maison :

🧭 La Boussole 3D : Décision – Dynamique – Degré de liberté

Utilisez un Scénario Make Classique (+ Module IA si besoin) Passez à un Make AI Agent

✅ Processus linéaire & stable : La logique est la même à chaque fois (ex: traiter une facture standard, envoyer un email de bienvenue).

🔮 Processus variable & dynamique : Plusieurs chemins possibles, beaucoup de "si... alors...", des décisions à prendre en cours de route (ex: ticket support ambigu).

⏱️ Réaction non critique : La sortie peut être vérifiée plus tard, pas besoin d'une adaptation immédiate.

⚡ Réaction en temps réel nécessaire : Il faut analyser, décider et agir rapidement, en s'adaptant à la situation présente.

🔗 Peu d'outils ou une seule API clé : Le workflow interagit principalement avec un ou deux systèmes de manière prévisible.

🔀 Orchestration de multiples outils : Besoin d'appeler plusieurs API, bases de données, scénarios Make, parfois en boucle ou avec des retours en arrière.

Logique simple ou complexe mais prévisible : Vous pouvez cartographier toutes les branches logiques à l'avance.

🧠 Besoin de "raisonnement" contextuel : L'agent doit comprendre une situation globale, pas juste exécuter une tâche isolée.

Gardez cette boussole en tête, on y reviendra !

C'est quoi exactement, cet "Agent IA" (version simple) ?

Imaginez toujours la différence : la recette de cuisine détaillée (Scénario Make classique) vs. l'assistant débrouillard (Make AI Agent).

  • Le scénario classique (même avec un module IA) : Vous êtes le chef qui donne des ordres précis : "Coupe ça", "Mélange ça", "Enfourne à 180°C".
  • L'Agent IA : Vous êtes le manager qui briefe l'assistant : "Objectif : préparer un dîner sympa. Voici les ingrédients (tes outils), fais au mieux !".

👉 La différence fondamentale, comme le montre notre Boussole 3D, c'est la délégation de la prise de décision. L'agent choisit les étapes et les outils pour atteindre l'objectif.

Zoom sur un cas concret : Le tri intelligent du Support Client

Prenons l'exemple du traitement d'un ticket de support. Comment ça se passe avec un Agent, et pourquoi c'est différent d'un enchaînement de 4 scénarios Make ?

1/ Déclencheur : Un scénario Make classique très simple reçoit un nouveau ticket (via webhook ou email). Il ne fait qu'une chose : passer les infos à l'Agent. Données transmises : ID du ticket, email de l'expéditeur, sujet, corps du message.

2/ L'Agent se met au travail : Son objectif est clair : "Analyser, qualifier et répondre ou assigner ce ticket." Que fait-il ? Il décide :

2.1/ Première étape : Comprendre l'intention réelle et la langue (Outil : Analyse de texte interne ou Outil IA 'Identifier la langue').

2.2/ Deuxième étape : Est-ce urgent ? Quel est le sentiment ? (Outil : Outil IA 'Analyser le sentiment').

2.3/ Troisième étape : Ce client est-il connu ? Est-il VIP ? (Outil : Scénario Make 'ChercherClientCRM').

2.4/ Quatrième étape : Existe-t-il une réponse standard dans notre base de connaissance ? (Outil : Scénario Make 'ChercherFAQ').

3/ L'Agent choisit l'action : En fonction des réponses précédentes, l'Agent décide d'utiliser l'outil approprié :

  • Si réponse simple trouvée dans la FAQ : Appel de l'outil 'EnvoyerEmailReponseFAQ'.
  • Si client VIP avec problème urgent non FAQ : Appel de l'outil 'CreerTicketUrgentNiveau2' + Outil 'NotifierResponsableSlack'.
  • Si demande hors sujet ou spam : Appel de l'outil 'CloreTicketSpam'.
  • Si demande complexe mais non urgente : Appel de l'outil 'AssignerSupportNiveau1' (pour passer la main à un collègue humain).

Pourquoi c'est mieux qu'une usine à gaz de scénarios classiques ?

Parce que l'Agent gère la logique de décision complexe et l'orchestration des outils. Pas besoin de créer des dizaines de filtres et de routeurs dans Make qui deviennent vite impossibles à maintenir. L'Agent adapte sa route dynamiquement !

⚠️ Un petit disclaimer : tout n'est pas rose au pays des agents...

Ok, l'exemple ci-dessus a l'air prometteur , mais attention, il faut garder les pieds sur terre. Ces agents IA, aussi intelligents soient-ils, ne sont pas parfaits et leur utilisation comporte des risques potentiels qu'il faut connaître :

  • Des erreurs sont possibles (fiabilité) : comme toute IA basée sur des LLMs, les agents peuvent "halluciner", mal interpréter vos instructions, ou se tromper dans leur raisonnement. Une décision erronée de l'agent peut avoir des conséquences bien réelles (envoyer une mauvaise info client, mettre à jour incorrectement une base de données...).
  • Manque de nuance et de contexte : l'agent peut passer à côté de subtilités, d'un double sens, ou du contexte général qu'un humain saisirait immédiatement. Sa compréhension reste limitée à ce qu'on lui fournit.
  • Dépendance aux données : la qualité des décisions de l'agent dépend énormément de la qualité des données auxquelles il a accès (via les "outils") et de la qualité du modèle LLM sous-jacent. Si vos données CRM sont bancales ou votre base de connaissance est obsolète, l'agent ne fera pas de miracles.
  • Complexité du débogage : quand un scénario classique plante, on peut souvent suivre les étapes et trouver l'erreur. Avec un agent qui prend ses propres décisions, comprendre pourquoi il a fait un choix erroné peut être plus complexe. Son comportement n'est pas toujours 100% prévisible.
  • Le besoin crucial de supervision : ce sont des assistants, pas des employés autonomes infaillibles. Leur faire une confiance aveugle, surtout au début et pour des tâches critiques, est risqué. Une supervision humaine reste essentielle.

Bref, comme pour tout outil puissant, il faut y aller avec enthousiasme mais aussi avec prudence, rigueur et beaucoup, beaucoup de tests avant de leur confier les clés de processus importants !

OK, concrètement, comment on met ça en place ?

Alors, sans faire le tuto complet ici, voici les grandes étapes pour donner vie à votre agent (et oui, c'est bien intégré à Make !) :

1/ Créer l'Agent lui-même : Via un nouveau module dédié. C'est là qu'on configure son "cerveau" :

  • Choisir la connexion à votre LLM préféré (OpenAI, Claude, Gemini... via votre clé API).
  • Donner un nom et choisir le modèle (GPT-4o, Claude 3.5 Sonnet...).
  • Rédiger les Instructions (System Prompt) : C'est CRUCIAL ! Définissez son rôle, ses objectifs, ses limites, le ton à adopter. Soyez clair et précis !

2/Créer les "Outils" : Ce sont simplement d'autres scénarios Make conçus pour faire UNE action spécifique (envoyer un email, chercher dans Airtable...). Chaque outil doit avoir un nom et une description clairs pour que l'agent comprenne quand l'utiliser !

👉 L'avantage énorme : Vous pouvez réutiliser ces scénarios 'outils' pour plusieurs agents différents ! Beaucoup plus simple que les anciens appels HTTP + Webhook Response pour faire communiquer des scénarios !.

3/ Déclencher l'Agent : Il faut un scénario Make classique (Webhook, Email, Scheduler...) qui va simplement "lancer" l'agent avec les données initiales nécessaires !

Ce découpage Agent > Outils > Déclencheur est la clé.

D'autres idées où la Boussole 3D pointe vers un Agent ?

Rapidement, pour vous inspirer :

  • Prospection commerciale sur-mesure : L'agent cherche des infos sur un lead (web, CRM), analyse ce qu'il trouve, décide de l'angle d'approche et rédige un email personnalisé unique.
  • Gestion Com' Événement Client : L'agent gère la communication avant/après un webinaire, personnalise les messages selon le profil, répond aux questions logistiques simples et transmet les cas complexes à l'équipe.

Avant de vous lancer : Votre propre Boussole Mentale

Vous hésitez encore ? Posez-vous ces questions sur le processus que vous voulez automatiser :

  • Est-ce qu'il y a beaucoup de variations, de "si... alors..." basés sur le contexte ?
  • Le processus doit-il "apprendre" de ce qui s'est passé aux étapes précédentes pour décider de la suite ?
  • Implique-t-il d'appeler plusieurs outils, API ou bases de données différentes de manière coordonnée ?

Si vous répondez "oui" à plusieurs de ces questions, il y a de fortes chances que notre Boussole 3D pointe vers l'utilisation d'un Make AI Agent !

Ce qu'il faut garder en tête (les points de vigilance)

Même si ça fonctionne bien, restons lucides :

  • 👉 Planifiez avant de cliquer ! C'est encore plus vrai ici. Cartographiez votre processus cible : objectif de l'agent, décisions clés, outils nécessaires, flux logique. Ne foncez pas tête baissée dans Make ! C'est une étape de conception critique.
  • Disponibilité Plan : Attention, les Agents IA sont disponibles uniquement à partir du plan Core chez Make (ou supérieur). Pas pour les comptes Gratuits !
  • Statut Bêta = Évolution : Make peut encore ajuster les choses. Mais je le répète : ça fonctionne déjà bien !
  • Coût : L'agent lui-même est gratuit. Vous payez vos opérations Make consommées par les Outils (scénarios) et le coût de l'API du LLM externe (OpenAI, etc.). Pas de mauvaise surprise pour l'instant.
  • Fiabilité ? L'IA reste l'IA : Testez, testez, testez ! L'agent peut parfois mal interpréter. Prévoyez une validation humaine au début pour les processus critiques, et réévaluer l’agent et son propre en fonction des besoins.
  • Configuration des Outils : La qualité de la description de vos outils est essentielle pour que l'agent les utilise correctement.

{encadré}

Ce que j'en retiens, c'est que...

Ces Make AI Agents sont une évolution logique et intéressante. Ils ouvrent la porte à l'automatisation de processus plus complexes, plus dynamiques, ceux qui demandent un peu de "cerveau" et pas juste de suivre une recette. Chez Contournement, on est contents d'avoir cette possibilité en plus dans notre boîte à outils.

Le fait que ce soit déjà fonctionnel, bien intégré, et sans surcoût direct (hors API externe et opérations) est une bonne nouvelle.

Mais soyons clairs : pour l'immense majorité de nos besoins et de ceux que nous voyons chez nos apprenants, une automatisation classique, éventuellement enrichie avec des modules IA ponctuels (comme le module OpenAI ou les AI Tools de Make pour des besoins basiques) reste et restera souvent la solution la plus directe, efficace et maîtrisable. Les Agents sont une corde de plus à notre arc, particulièrement pour les cas où la Boussole 3D (Décision, Dynamique, Degré de liberté) s'affole !

L'approche change un peu : on ne conçoit plus chaque micro-étape, on guide un assistant intelligent avec un objectif, des règles et des outils. La planification en amont devient reine !

On continue d'explorer ça chez Contournement et on vous partagera nos découvertes si on trouve des cas d'usage vraiment bluffants, pour l’instant, c’est pas trop le cas.

D'ici là, si votre plan le permet, jetez-y un œil. Et surtout, continuez à maîtriser les bases solides de l'automatisation classique sur Make, c'est ce qui vous servira le plus au quotidien :)

{/encadré}

Les derniers articles

17/4/2025
Wispr Flow : l'outil ultime pour dicter sur Windows sans friction
Outils & productivité
Nos coulisses
IA
Nouvelle bureautique

Wispr Flow : l'outil ultime pour dicter sur Windows sans friction

17/4/2025
No-code ops : définition, enjeux et comment optimiser vos processus métier
Décryptages & réflexions
Automatisation
IA
Méthodologies
Technique
Concepts

No-code ops : définition, enjeux et comment optimiser vos processus métier

17/4/2025

Notre livre sur le no-code est disponible !

Publié aux Éditions Eyrolles, ce livre se positionne comme une bonne introduction pour comprendre ce que sont les outils no-code et tous les phénomènes qui les entourent

Inscrivez-vous à notre newsletter hebdomadaire

Pour recevoir toutes nos actualités, ressources et réflexions tous les jeudis, inscrivez-vous à notre newsletter (voir nos anciennes publications) :

Merci! Votre inscription a bien été prise en compte
Il y a un pépin! Pourriez-vous réessayer ou nous contacter?