Comment Zapier, Make et n8n gèrent-ils maintenant les agents d’IA?

Jusqu’à récemment, ajouter de l’IA à un outil d’automatisation voulait dire ajouter une étape : envoyer du texte à un modèle, recevoir du texte en retour, le transmettre plus loin. Le flux lui-même restait fixe. Un agent d’IA change cela. Vous donnez à un modèle un objectif et un ensemble d’outils, c’est-à-dire des actions qu’il a le droit de faire, comme chercher dans un tableur ou rédiger un courriel, et le modèle décide quels outils utiliser et dans quel ordre.

Zapier, Make et n8n, les trois plateformes d’automatisation que la plupart des petites équipes comparent, ont chacune ajouté des agents. Elles partagent la même idée de base, mais diffèrent quant à l’endroit où vit l’agent, au degré de contrôle que vous avez sur lui et à la façon de garder une personne aux commandes des étapes risquées.

Trois conceptions de la même idée

Les Zapier Agents sont un produit à part, à côté des Zaps (les flux de travail fixes de Zapier). Vous décrivez en langage courant ce que l’agent doit faire, et un assistant de prompts aide à peaufiner les consignes. Vous lui donnez ensuite accès à des applications du catalogue de Zapier, qui en compte plus de 9 000, à des sources de données comme Google Drive ou Notion, et à la recherche Web. Un agent peut démarrer sur demande, selon un horaire, à partir d’un Zap ou d’un événement dans une autre application, et il peut appeler d’autres agents. Une page d’activité énumère chaque exécution, et une liste « Needs action » montre les exécutions qui attendent votre intervention.

Les Make AI Agents vivent à l’intérieur des scénarios de Make, le nom que Make donne à ses flux de travail visuels. Vous créez un agent une seule fois, avec un prompt système (ses consignes permanentes), et vous le réutilisez dans plusieurs scénarios, chacun ajoutant son propre contexte. Un scénario démarre l’agent avec un module « Run an agent ». Les outils de l’agent peuvent être d’autres scénarios, des outils MCP (des connecteurs qui suivent la norme Model Context Protocol) ou, depuis une mise à jour récente, des modules Make individuels, pour lesquels Make construit automatiquement l’enveloppe. Les agents utilisent le fournisseur d’IA de Make dans tous les forfaits, et les forfaits payants peuvent connecter leurs propres comptes de modèles.

n8n offre un nœud AI Agent sur son canevas de flux de travail. Vous y rattachez un modèle de clavardage, par exemple un modèle d’OpenAI, d’Anthropic ou de Mistral, et au moins un outil : un nœud d’application comme Gmail ou Google Sheets, une requête HTTP, du code ou tout un autre flux de travail n8n. Les options comprennent un message système, un plafond sur le nombre de boucles que l’agent peut faire (10 par défaut) et un format de sortie obligatoire. Vous pouvez aussi placer certains outils derrière une révision humaine : le flux de travail fait une pause et demande à une personne d’approuver ou de refuser l’action dans un canal comme Slack ou le clavardage de n8n.

Un exemple concret : une tâche, trois montages

La tâche : quand un courriel de client arrive, trouver la commande dans une feuille Google Sheets, rédiger une réponse et laisser une personne l’approuver avant l’envoi.

Un prompt système raisonnable pour n’importe lequel des trois :

Tu réponds aux courriels des clients d’une petite boutique en ligne.
1. Trouve la commande du client dans la feuille « Commandes » à l’aide de son adresse courriel.
2. Si tu la trouves, rédige une réponse courte et amicale avec l’état de la commande et la date prévue.
3. Si tu ne la trouves pas, rédige une réponse qui demande le numéro de commande. Ne devine jamais.
4. Ne promets jamais de remboursement ni de rabais. Signale plutôt ces courriels à une personne.
Crée seulement des brouillons. N’envoie rien.

La conception la plus sûre est la même dans chaque outil : laissez l’agent rédiger, jamais envoyer, jusqu’à ce que vous l’ayez vu traiter correctement quelques dizaines de vrais courriels.

En quoi diffèrent-ils en pratique?

Zapier met le plus d’efforts sur la facilité : configuration en langage courant, modèles prêts à l’emploi et le plus grand catalogue d’applications. Ses propres conseils sont francs sur le compromis : ils suggèrent les Zaps quand vous avez besoin de précision, et les agents quand une exactitude d’environ 80 % est acceptable et que la rapidité de mise en place compte davantage.

Make se situe au milieu. Les agents sont des blocs réutilisables, et le scénario qui les entoure reste visuel et explicite : vous voyez donc quelles étapes fixes s’exécutent avant et après que l’agent décide quoi que ce soit.

n8n donne le plus de contrôle : vous choisissez le modèle, voyez chaque nœud, plafonnez la boucle et soumettez des outils précis à une approbation. Ce contrôle demande plus de configuration, et les équipes qui hébergent n8n elles-mêmes doivent aussi faire fonctionner le serveur et le tenir à jour.

Lequel convient à une petite équipe?

Partez de ce que vous utilisez déjà. Si votre équipe a des Zaps qui fonctionnent, Zapier Agents est le chemin le plus court : les mêmes connexions aux applications, des consignes en langage courant et un journal d’activité que des collègues non techniques peuvent lire. Si vos automatisations vivent déjà dans Make, ses agents s’insèrent dans vos scénarios existants avec peu de nouveautés à apprendre.

Choisissez n8n si une personne de l’équipe est à l’aise avec un outil plus technique et que vous voulez un contrôle fin : choisir votre fournisseur de modèles, limiter les itérations et exiger une approbation outil par outil. Il convient aux équipes qui traitent des données sensibles et veulent décider exactement ce qu’un agent peut toucher.

Quel que soit votre choix, faites d’abord un petit projet pilote. Confiez à un agent une seule tâche étroite, lisez son journal d’activité ou d’exécution chaque jour pendant deux semaines, et comparez son coût et son taux d’erreur à ceux du travail fait à la main. Ce petit test vous en apprendra plus que n’importe quelle comparaison de fonctions.