Accueil › Make › Make et IA

Make et IA : guide complet des agents, modules et automatisations intelligentes

Make intègre l’IA de trois façons : les Make AI Agents (systèmes autonomes qui raisonnent et utilisent des outils), les modules natifs pour 400+ applications IA (OpenAI, Anthropic Claude, Google Gemini, DeepSeek, Perplexity, ElevenLabs, etc.), et le Make AI Toolkit pour les transformations IA inline. Depuis février 2026, la nouvelle génération d’agents est disponible en open beta sur tous les plans.

Les trois approches IA dans Make

Make permet d’intégrer l’intelligence artificielle dans vos automatisations à trois niveaux de complexité croissante. Chaque approche répond à des cas d’usage différents.

1. Les modules IA natifs : l’approche la plus simple

C’est le point d’entrée le plus accessible. Make propose des modules préconfigurés pour les principales plateformes IA. Vous les ajoutez à un scénario comme n’importe quel autre module, sans configuration technique complexe.

Module OpenAI (ChatGPT, DALL·E, Whisper, Sora) : Le deuxième module le plus utilisé sur Make. Actions disponibles : créer une complétion chat (GPT-5.4, GPT-4o, etc.), générer des images (DALL·E), transcrire de l’audio (Whisper), générer des vidéos (Sora), analyser des images (vision), gérer des vector stores et assistants, modérer du contenu. Vous connectez votre clé API OpenAI et c’est opérationnel.

Module Anthropic Claude : Actions : créer un message (Claude Opus 4.6, Sonnet 4.6, Haiku 4.5), créer des Skills, gérer des fichiers, télécharger des fichiers générés par Claude. Le module supporte les conversations multi-tours et l’envoi de documents pour analyse.

Module Google Gemini : Accès aux modèles Gemini (3.1 Pro, 3 Flash, etc.) pour la génération de texte, l’analyse d’images et la compréhension multimodale.

Module DeepSeek : Accès à DeepSeek V3.2 et ses variantes, avec une tarification très agressive, idéal pour les traitements à haut volume où le coût par token est critique.

Autres modules IA : Perplexity (recherche IA avec citations), ElevenLabs (synthèse vocale), HeyGen (vidéos avec avatars IA), Runway (génération vidéo), Dumpling AI (extraction de données), Vapi (agents vocaux), et bien d’autres parmi les 400+ applications IA disponibles sur Make.

2. Le Make AI Toolkit : l’IA inline

Le Make AI Toolkit intègre des capacités IA directement dans vos scénarios sans module séparé. Il permet d’ajouter des transformations IA là où elles sont nécessaires : sentiment analysis sur un champ texte, catégorisation automatique, extraction d’entités, résumé, traduction. C’est l’IA comme fonction utilitaire plutôt que comme étape séparée.

Depuis novembre 2025, tous les plans payants permettent de choisir entre le fournisseur IA de Make (inclus) ou votre propre connexion à un fournisseur (clé API OpenAI, Anthropic, etc.). Sur le plan gratuit, seul le fournisseur de Make est disponible.

3. Les Make AI Agents : l’automatisation agentique

C’est le niveau le plus avancé. Un AI Agent Make est un système IA autonome qui reçoit un objectif, raisonne sur la meilleure façon de l’atteindre, et utilise des outils (scénarios Make, modules, outils MCP) pour y parvenir. Contrairement aux modules IA classiques (un prompt → une réponse), l’agent décide dynamiquement quels outils appeler et dans quel ordre.

Make AI Agents en détail

Évolution : de la première version à la génération 2026

Les Make AI Agents ont été lancés en avril 2025, d’abord en beta fermée puis ouverte. La « nouvelle génération » (Make AI Agents (New)), sortie le 11 février 2026, représente une refonte majeure. Les agents se construisent, se testent et se déboguent directement dans le builder de scénarios, sans changer d’onglet ou d’outil.

La principale innovation de la version 2026 est la transparence du raisonnement. Un panneau de raisonnement (Reasoning Panel) affiche en temps réel comment l’agent a pris ses décisions : quels outils il a envisagés, pourquoi il en a choisi un plutôt qu’un autre, et quel était son processus de réflexion. C’est un différenciateur clé pour la confiance en production : vous ne déployez pas une boîte noire, vous voyez exactement ce que l’agent fait et pourquoi.

Les trois types d’outils pour les agents

Scénarios Make : N’importe quel scénario existant peut devenir un outil pour un agent. L’agent l’appelle quand il juge pertinent. Par exemple, un scénario « ajouter un contact au CRM » ou « envoyer un email de suivi » peut être mis à disposition de l’agent.

Modules individuels : Un module spécifique (recherche Google Sheets, envoi Slack, création Notion) peut servir d’outil atomique pour l’agent.

Outils MCP : Via le Make MCP Server, l’agent peut accéder à des outils hébergés sur des serveurs MCP externes. Cela ouvre l’accès à tout l’écosystème MCP : bases de données, systèmes internes, services tiers compatibles.

Configurer un AI Agent dans Make

Dans le builder de scénarios, ajoutez le module « Make AI Agents (New) ». Configurez le fournisseur IA (Make AI ou votre propre connexion OpenAI/Anthropic/Gemini). Définissez les instructions de l’agent (son rôle, ses contraintes, le format de sortie attendu). Attachez les outils disponibles (scénarios, modules, outils MCP). Configurez le déclencheur du scénario (webhook, schedule, ou trigger d’application). Testez avec « Run once » pour observer le raisonnement de l’agent dans le panneau dédié.

Make MCP Server

Le Make MCP Server (Model Context Protocol) est un composant qui permet à des clients MCP externes d’interagir avec Make. Concrètement, cela signifie que des outils comme Claude Code, Claude Desktop, ou tout autre client compatible MCP peuvent appeler des scénarios Make comme outils.

L’intérêt est double. D’un côté, vos agents Make peuvent utiliser des outils MCP externes pour accéder à des services qui n’ont pas de module Make natif. De l’autre, des agents IA hébergés ailleurs peuvent utiliser vos scénarios Make comme outils d’action dans le monde réel (envoyer un email, créer un ticket, mettre à jour un CRM).

Les MCP Toolboxes permettent d’organiser et de regrouper les outils MCP accessibles à vos agents, avec des contrôles de permissions et de traçabilité. Depuis novembre 2025, le Make MCP Server utilise le protocole HTTP stateless streamable pour des connexions plus fiables.

12 scénarios IA concrets dans Make

Classification et routage

1. Triage intelligent d’emails : Gmail Watch → Module OpenAI (classifier : prospect / support / spam / partenariat) → Router (4 branches) → chaque branche traite l’email différemment (CRM, Zendesk, poubelle, canal partenaires).

2. Analyse de sentiment sur avis clients : Webhook (nouvel avis) → Claude Sonnet 4.6 (évaluer le sentiment : positif/négatif/neutre + extraire les thèmes) → IF négatif → Slack alerte + création ticket Zendesk. IF positif → Google Sheets (log) + demande de témoignage automatique.

Génération de contenu

3. Pipeline de contenu blog : Airtable Watch (nouveau sujet validé) → GPT-5.4 (rédiger un brouillon structuré) → Claude Sonnet 4.6 (relecture et amélioration) → Google Docs (créer le document) → Slack (notification pour review humaine).

4. Génération d’images pour réseaux sociaux : Schedule (quotidien) → Google Sheets (récupérer le thème du jour) → DALL·E (générer l’image) → Canva (appliquer la charte graphique) → Buffer (planifier la publication).

5. Traduction multilingue : Webhook (nouveau contenu) → Iterator (pour chaque langue cible) → Claude Sonnet 4.6 (traduire avec contexte culturel) → Aggregator → CMS (publier les versions traduites).

Extraction et analyse

6. Traitement automatique de factures : Gmail Watch (emails avec PDF) → Anthropic Claude (Analyze Document : extraire fournisseur, montant, date, TVA en JSON) → IF montant > seuil → approbation manuelle via Slack → QuickBooks (créer l’écriture).

7. Veille concurrentielle : RSS Watch (blogs concurrents) → HTTP Request (récupérer le contenu) → GPT-5.4 (résumer, identifier les nouveautés produit et les changements de prix) → Notion (ajouter à la base de veille) → Email (digest hebdomadaire).

8. Enrichissement de leads par IA : HubSpot Watch (nouveau contact) → HTTP Request (API d’enrichissement) → Claude Haiku 4.5 (évaluer le potentiel, scorer, rédiger une note personnalisée) → HubSpot (mettre à jour le profil + assigner au commercial).

Agents autonomes

9. Agent de support client : AI Agent Make avec outils : recherche base de connaissances (Zendesk module), vérification commande (Shopify module), escalade humaine (Slack module). L’agent reçoit la question client, raisonne, appelle le bon outil, et formule la réponse.

10. Agent de recrutement : AI Agent Make avec outils : parsing de CV (Claude), recherche candidats (module ATS), envoi d’emails personnalisés (Gmail module). L’agent analyse chaque candidature, compare avec la fiche de poste, et propose un classement.

11. Agent de reporting financier : AI Agent Make avec outils : lecture Google Sheets (données financières), calcul KPI (Make functions), génération de graphiques (module Chart), envoi rapport (Email module). L’agent produit un rapport complet à partir des données brutes.

12. Agent vocal avec Vapi : Vapi Watch (appel entrant) → AI Agent Make (comprendre la demande, rechercher dans le CRM, fournir une réponse) → Vapi (répondre vocalement au client). L’agent gère des conversations téléphoniques complètes.

Coûts IA dans Make

Les coûts IA dans Make se composent de deux postes.

Crédits Make : Chaque module IA consomme des crédits Make comme tout autre module. Certains modules IA (notamment les AI Agents) peuvent consommer plus d’un crédit par exécution. Surveillez votre consommation via le tableau de bord des crédits (disponible depuis novembre 2025).

Coûts API du fournisseur IA : Si vous utilisez votre propre connexion (clé API OpenAI, Anthropic, etc.), les tokens consommés sont facturés directement par le fournisseur IA, en plus des crédits Make. Si vous utilisez le fournisseur IA de Make, les coûts de tokens sont intégrés dans votre consommation de crédits Make (mais potentiellement à un tarif différent).

Make vs n8n pour l’IA : positionnement clair

Les deux plateformes supportent l’IA, mais avec des approches radicalement différentes.

Make excelle en accessibilité IA. Les modules IA sont préconfigurés et visuels. Les AI Agents se construisent sans code, directement dans le builder. Le panneau de raisonnement offre une transparence unique. Pour une équipe marketing ou ops qui veut ajouter de l’IA à ses automatisations existantes, Make est le chemin le plus court.

n8n excelle en profondeur IA. L’architecture LangChain native supporte les agents autonomes avec tool use dynamique, les bases vectorielles, les pipelines RAG, la mémoire persistante, et les modèles locaux (Ollama). Pour les développeurs qui construisent des systèmes IA complexes, n8n est plus adapté.

Pour les appels IA simples à modérés (classification, résumé, extraction, génération de contenu), Make fait parfaitement le travail. Pour les architectures agentiques complexes avec RAG, mémoire multi-sessions, et modèles locaux, n8n a un avantage structurel.

Sécurité et gouvernance IA

L’utilisation de l’IA dans l’automatisation pose des questions spécifiques de sécurité et de gouvernance.

Contrôle des données : Quand vous envoyez des données à un module OpenAI ou Anthropic via Make, les données transitent par les serveurs de Make puis par ceux du fournisseur IA. Make est conforme RGPD, SOC 2 Type II et SOC 3. Mais si vos données sont extrêmement sensibles, évaluez si ce double transit est acceptable.

Feature flags IA : Depuis novembre 2025, les administrateurs d’organisation Make peuvent activer ou désactiver les fonctionnalités IA et bêta avec des toggles simples. C’est utile pour contrôler le déploiement progressif de l’IA dans votre organisation.

Traçabilité des décisions : Le panneau de raisonnement des AI Agents et l’historique d’exécution détaillé de Make permettent de retracer chaque décision prise par un agent IA. C’est essentiel pour la conformité, l’audit, et la confiance.

Validation humaine : Pour les actions critiques, insérez un module d’approbation humaine (notification Slack avec boutons approve/reject, par exemple) entre l’agent IA et l’action finale. L’agent recommande, l’humain valide.

Limites de l’IA dans Make (et comment les contourner)

Pas de RAG natif : Make n’intègre pas nativement les bases vectorielles ni les pipelines RAG. Contournement : utilisez le module HTTP pour appeler une API de base vectorielle (Pinecone, Qdrant, Weaviate) ou le module OpenAI pour interagir avec les vector stores d’OpenAI.

Pas de modèles locaux : Make est cloud-only, donc aucun moyen d’utiliser des modèles locaux (Ollama). Toutes les données IA transitent par des APIs externes. Si la confidentialité totale est requise, c’est une limitation.

Crédits AI Agents : Les agents IA consomment potentiellement plus de crédits que les modules classiques, surtout s’ils font plusieurs appels d’outils par exécution. Surveillez attentivement la consommation avec le tableau de bord de crédits.

Latence des agents : Un agent qui raisonne et appelle plusieurs outils prend plus de temps qu’un scénario déterministe classique. Pour les workflows temps-réel (réponse client en moins de 2 secondes), un scénario linéaire avec un module IA classique sera plus rapide qu’un agent.