Sommaire
- Ce qu'est Make.com (et pourquoi c'est idéal pour l'IA)
- Les 5 étapes pour créer ton premier workflow IA avec Make.com
- Comparatif des modules IA disponibles dans Make en 2026
- 3 cas concrets de workflows IA Make.com qui fonctionnent vraiment
- Les erreurs les plus fréquentes (et comment les éviter)
- Aller plus loin : workflows IA avancés avec Make
- Questions fréquentes
- Conclusion
- Make.com te permet de connecter des outils IA (ChatGPT, Claude, Gemini) à tes apps sans coder
- Un workflow IA basique se monte en 30 à 60 minutes si tu suis une méthode claire
- Les modules "HTTP" et "OpenAI" de Make sont les deux briques les plus utiles pour intégrer de l'IA
- Les erreurs les plus fréquentes viennent des mappings de données, pas de l'IA elle-même
- Trois cas concrets (freelance, agence, coach) pour comprendre comment ça marche en vrai
Tu entends parler de Make.com depuis quelques mois. Tu as ouvert l'interface, tu as vu les petits ronds reliés par des flèches, et tu as fermé l'onglet. C'est normal. La courbe d'apprentissage de Make a une forme particulière : abrupte les 20 premières minutes, puis quasi plate une fois que tu as compris la logique.
Cet article, c'est ces 20 premières minutes. Je vais te montrer comment créer un workflow IA avec Make.com, de zéro, avec un exemple concret à chaque étape. À la fin, tu sauras construire un scénario qui fait vraiment quelque chose d'utile.
Pas de théorie. On part directement dans l'interface.
Ce qu'est Make.com (et pourquoi c'est idéal pour l'IA)
Make.com (anciennement Integromat) est une plateforme d'automatisation no-code qui connecte tes applications entre elles via des "scénarios". Chaque scénario contient des modules : un module reçoit une donnée, un autre la traite, un autre l'envoie quelque part.
Ce qui rend Make particulièrement intéressant pour l'IA en 2026, c'est sa bibliothèque de modules natifs pour OpenAI, Anthropic (Claude), Google Gemini, et une dizaine d'autres fournisseurs. Tu n'as pas à bricoler des appels API complexes. Tu glisses un module, tu colles ta clé API, et tu configures le prompt.
Make vs Zapier pour les workflows IA
La question revient souvent. Zapier est plus simple à prendre en main sur des automatisations linéaires basiques. Make est plus puissant dès que tu veux faire des choses un peu complexes : boucles, routeurs conditionnels, agrégateurs de données, transformations JSON.
Pour tout ce qui touche à l'IA, Make gagne clairement. Tu peux structurer des réponses IA, les filtrer, les reformater, les envoyer dans plusieurs directions selon leur contenu. Si tu veux comparer les deux en détail, l'article sur les alternatives gratuites à Zapier pour l'automatisation couvre ça bien.
Commence avec le plan gratuit de Make (1 000 opérations/mois). Pour la plupart des workflows IA de test, c'est largement suffisant. Tu passes au plan payant seulement quand tes scénarios tournent en production.
Les 5 étapes pour créer ton premier workflow IA avec Make.com
Voici la méthode que j'utilise avec tous les profils non-techniques qui démarrent sur Make. Elle fonctionne que tu sois freelance, manager, consultant ou créateur de contenu.
définir le déclencheur
Tout scénario Make commence par un déclencheur (le module tout à gauche). C'est l'événement qui lance la machine. Les déclencheurs les plus courants pour des workflows IA :
configurer le module IA
Une fois ton déclencheur en place, tu ajoutes un module IA. Dans Make, cherche "OpenAI" ou "Anthropic" dans la bibliothèque. Tu trouveras des actions comme "Create a Completion" ou "Create a Message".
formater la sortie IA
Le module IA renvoie du texte brut. Parfois tu veux juste l'envoyer tel quel par email. Parfois tu veux en extraire une partie, le mettre en JSON structuré, ou le conditionner.
connecter la destination
La sortie IA va quelque part. Les destinations les plus fréquentes dans un workflow IA Make :
tester et activer
Make a un bouton "Run once" pour tester ton scénario sur une seule entrée sans l'activer en mode automatique. Utilise-le systématiquement. Tu verras chaque module en vert (succès) ou rouge (erreur), avec les données exactes qui circulent.
- Google Sheets : une nouvelle ligne est ajoutée
- Gmail / Outlook : tu reçois un email
- Webhooks : un formulaire est soumis (Typeform, Tally, etc.)
- Planification : le scénario tourne tous les jours à 8h
- Airtable : un enregistrement change de statut
Pour un premier workflow, je recommande Google Sheets comme déclencheur. C'est universel, tu n'as besoin d'aucune config webhook, et tout le monde a déjà un Google Drive.
La configuration demande :
- Ta clé API (tu la génères sur platform.openai.com ou console.anthropic.com)
- Le modèle (GPT-4o, Claude 3.5 Sonnet, etc.)
- Le prompt système (ce que l'IA doit faire en général)
- Le prompt utilisateur (la donnée qui varie à chaque exécution)
Le prompt utilisateur, c'est là que tu injectes les données du déclencheur. Par exemple, si ta Google Sheet contient une colonne "Nom du client" et une colonne "Problème signalé", tu glisses ces variables dans ton prompt avec le système de mapping Make (les petites cases colorées).
Make a un module "Text Parser" très utile pour extraire des données structurées d'une réponse IA. Si tu demandes à l'IA de renvoyer du JSON (avec une instruction dans le prompt), tu peux ensuite utiliser le module "JSON > Parse JSON" pour mapper chaque champ séparément.
Instruis toujours ton IA de répondre en JSON quand tu veux plusieurs champs en sortie. Exemple : "Réponds uniquement en JSON avec les champs : résumé, priorité, action_suggérée." Ça évite 80% des erreurs de parsing en aval.
- Envoyer un email (Gmail, Outlook, SendGrid)
- Créer une tâche (Notion, Asana, ClickUp, Trello)
- Mettre à jour la Google Sheet source avec la réponse IA
- Poster dans Slack ou Teams
- Générer un document Google Docs
Pour un premier test, envoie simplement la réponse IA dans une cellule Google Sheets. Tu verras le résultat directement et tu pourras itérer sur le prompt sans aller chercher des emails ou des tâches à chaque test.
Une fois satisfait du résultat, tu actives le scénario. Il tournera selon le déclencheur que tu as défini.
Comparatif des modules IA disponibles dans Make en 2026
| Module IA | Fournisseur | Facilité de config | Qualité des sorties | Coût approximatif | Idéal pour |
|---|---|---|---|---|---|
| OpenAI (GPT-4o) | OpenAI | ⭐⭐⭐⭐⭐ | ⭐⭐⭐⭐⭐ | ~0,005$/1K tokens | Rédaction, classification, résumé |
| Anthropic (Claude 3.5) | Anthropic | ⭐⭐⭐⭐ | ⭐⭐⭐⭐⭐ | ~0,003$/1K tokens | Textes longs, analyse fine |
| Google Gemini | ⭐⭐⭐⭐ | ⭐⭐⭐⭐ | Gratuit jusqu'à 1M tokens/mois | Volume élevé, test de workflows | |
| Mistral AI | Mistral | ⭐⭐⭐ | ⭐⭐⭐⭐ | ~0,002$/1K tokens | Données sensibles, souveraineté |
| Module HTTP (custom) | N'importe lequel | ⭐⭐ | Variable | Selon fournisseur | APIs non natives dans Make |
Gagne du temps avec l'IA, sans la théorie.
Just Use AI te donne les ressources, modules et templates pour automatiser ton quotidien.
3 cas concrets de workflows IA Make.com qui fonctionnent vraiment
le freelance qui automatise ses relances clients
Maxime est consultant marketing indépendant. Il avait 40 clients actifs et passait 3h par semaine à rédiger des relances personnalisées pour les devis sans réponse.
Son workflow Make : une Google Sheet liste ses prospects avec leur nom, secteur, et le contenu du devis envoyé. Chaque lundi matin, Make déclenche le scénario, envoie chaque ligne à Claude via le module Anthropic, et Claude génère un email de relance contextualisé. L'email part automatiquement via Gmail avec son adresse pro.
Résultat : 3h économisées par semaine, taux de réponse aux relances +22% (les emails sont plus personnalisés qu'avant). Si tu veux aller plus loin sur ce sujet, l'article sur l'agent IA pour la gestion des relances clients détaille des variantes plus avancées.
l'agence marketing qui traite ses briefs entrants
Une agence de 6 personnes recevait des briefs clients via Typeform. Chaque brief partait dans une boîte mail partagée, et quelqu'un devait lire, résumer, et créer la tâche dans ClickUp à la main.
Leur workflow Make : Typeform déclenche un webhook, Make envoie le brief à GPT-4o avec un prompt structuré, GPT-4o sort un JSON avec : résumé en 3 lignes, budget estimé, délai suggéré, compétences nécessaires. Make crée automatiquement la tâche ClickUp avec ces champs pré-remplis et notifie le bon chef de projet dans Slack.
Temps gagné : environ 25 minutes par brief, soit 2h par jour pour l'équipe. Pour aller plus loin sur l'automatisation dans ce secteur, consulte ce qu'on a fait avec l'IA pour agence marketing automation.
Quand tu traites des briefs ou formulaires avec Make + IA, ajoute toujours un module "Filter" après l'IA pour détecter les cas où la confiance est faible (l'IA peut signaler son incertitude dans le JSON). Ces cas-là, tu les routes vers une révision humaine au lieu de les automatiser à 100%.
la coach qui génère ses comptes-rendus de séance
Sophie est coach professionnelle. Après chaque séance Zoom, elle prenait 45 minutes pour rédiger son compte-rendu et préparer les points de suivi pour le prochain appel.
Son workflow Make : elle enregistre chaque séance sur Zoom (transcription automatique activée). Zoom envoie le fichier texte à Make via webhook. Make envoie la transcription à OpenAI avec un prompt spécifique ("Tu es un assistant de coaching. À partir de cette transcription, génère : 1/ un résumé des thèmes abordés, 2/ les engagements pris par le client, 3/ 3 questions d'ouverture pour la prochaine séance"). Le résultat part dans Notion sous forme de fiche client.
45 minutes réduites à 2 minutes de relecture. Pour les structures de prompt qui fonctionnent le mieux dans ce type de workflow, notre guide pour automatiser avec l'IA a des templates prêts à copier-coller.
"J'avais peur que l'IA rate des nuances importantes dans mes séances. En réalité, elle capte mieux certaines formulations que moi parce qu'elle ne fait pas de sélection inconsciente.", Sophie, coach certifiée PCC
Les erreurs les plus fréquentes (et comment les éviter)
Après avoir accompagné des dizaines de freelances et de petites équipes sur Make, les mêmes erreurs reviennent systématiquement.
Erreur 1 : mapper les mauvais champs
Make est très visuel, mais il peut être trompeur. Quand tu glisses une variable dans un champ, vérifie toujours dans l'onglet "Output" du module source que le champ contient bien ce que tu crois. Une variable qui s'appelle "Réponse" peut contenir l'objet entier JSON et pas juste le texte.
Erreur 2 : oublier la gestion des erreurs
Si l'API OpenAI est en timeout ou si ton Google Sheet est vide, le scénario plante. Utilise le module "Error Handler" de Make pour définir ce qui se passe en cas d'échec : réessayer, ignorer, ou alerter par email.
Erreur 3 : des prompts trop vagues
Un prompt comme "Résume ce texte" donne des résultats inconsistants à grande échelle. Plus ton prompt est précis sur le format de sortie attendu, plus ton workflow est fiable. Précise le nombre de mots, la structure, le ton, les champs JSON si tu en veux.
Teste ton prompt directement dans ChatGPT ou Claude.ai avant de l'intégrer dans Make. Si la réponse est bonne manuellement, elle sera bonne dans le workflow. Si elle est bancale, ton scénario sera bancal à chaque exécution.
Aller plus loin : workflows IA avancés avec Make
Une fois les bases maîtrisées, tu peux construire des choses vraiment puissantes avec Make. Quelques pistes pour la suite :
- Boucles sur des listes : traiter 500 lignes d'une Sheet avec l'IA en une seule exécution grâce au module "Iterator"
- Routeurs conditionnels : envoyer la réponse IA dans Slack si priorité = "haute", dans Notion si priorité = "normale"
- Mémoire multi-séances : stocker le contexte de chaque client dans Airtable et le réinjecter dans le prompt à chaque nouvelle exécution
- Génération de documents : combiner Make + OpenAI + Google Docs pour générer des devis ou rapports personnalisés automatiquement (voir comment utiliser Claude pour écrire ses devis)
Si tu veux comparer Make avec d'autres outils d'automatisation avant d'investir du temps dessus, l'article sur les différences entre agents IA, chatbots et RPA te donnera une vue d'ensemble utile.
Quand ton scénario dépasse 10 modules, documente-le. Make permet d'ajouter des notes sur chaque module. Une capture d'écran annotée dans Notion, c'est 30 secondes de travail qui t'évitera 2h de debug dans 3 mois.
Questions fréquentes
Make propose un plan gratuit avec 1 000 opérations par mois. Chaque module exécuté dans un scénario compte comme une opération. Pour des tests et des workflows légers (moins de 20-30 exécutions par jour), le plan gratuit suffit. Pour des usages en production, le plan Core à 9$/mois donne 10 000 opérations.
Oui. Pour OpenAI, tu la génères sur platform.openai.com. Pour Claude, sur console.anthropic.com. Ces APIs sont payantes à l'usage, mais les coûts sont très faibles pour des volumes de PME : quelques euros par mois pour plusieurs milliers d'appels. Google Gemini a une couche gratuite généreuse.
L'interface visuelle de Make est accessible, mais elle demande 2 à 4 heures de prise en main pour être à l'aise. Si tu n'as jamais touché à un outil d'automatisation, commence par un workflow simple à 3 modules avant de t'attaquer à des scénarios avec des boucles et des routeurs.
n8n est open source et auto-hébergeable, ce qui intéresse les équipes qui ont des contraintes de confidentialité des données. Make est plus simple à prendre en main et mieux maintenu en termes de connecteurs natifs. Pour une comparaison détaillée sur l'hébergement et les cas d'usage, l'article sur les différences entre agences Make et intégrateurs n8n est une bonne lecture.
C'est une question importante. Les données transitent par les serveurs de Make (EU ou US selon ta config) et par ceux du fournisseur IA. Pour des données sensibles, active le stockage EU dans Make, utilise des modèles avec DPA (Data Processing Agreement), et évite d'envoyer des données identifiantes non nécessaires dans le prompt. Notre checklist RGPD et AI Act pour l'automatisation IA couvre ce sujet en détail.
Un workflow simple (déclencheur + IA + destination) se monte en 30 à 60 minutes. Un workflow avec routeurs, boucles et gestion d'erreurs prend une demi-journée à une journée pour quelqu'un qui maîtrise Make. Si tu pars de zéro, compte le double pour les allers-retours de test.
Oui, c'est même l'un des cas d'usage les plus populaires. Make connecté à LinkedIn (via Phantombuster ou des webhooks), à un CRM, et à OpenAI permet de générer des messages de prospection personnalisés à grande échelle. Le playbook B2B d'automatisation de la prospection IA donne un workflow complet pour ça.
Conclusion
Créer un workflow IA avec Make.com, c'est à portée de main si tu suis une méthode. Déclencheur, module IA, sortie formatée, destination : quatre blocs, et tu as quelque chose qui tourne.
La vraie difficulté, ce n'est pas la technique. C'est de choisir le bon cas d'usage pour commencer. Commence par un problème répétitif que tu règles actuellement à la main, en 15 minutes minimum. Construis le workflow Make autour de ce problème-là. Le reste vient naturellement.
Sur Just Use AI, on a rassemblé des templates Make prêts à l'emploi, des guides pratiques et une communauté de professionnels non-techniques qui partagent leurs workflows. Si tu veux un point de départ structuré, commence par notre audit IA gratuit : il t'aide à identifier les 2 ou 3 processus de ton activité qui gagneraient le plus à être automatisés avec Make.