Bonjour !

Au moment où j'écris ces lignes, je tousse comme si je tentais d'expulser une huître à chaque expiration et j’ai perdu 95% de mon odorat. Un virus attrapé dans ma maison à Bali, avec Detsouvan Soum, qui l'avait lui-même peut-être chopé dans l'avion.

Detsouvan est expert en “n8n”, une plateforme d’automatisation et d’agents IA. Il est aussi membre de notre communauté Génération IA sur WhatsApp. Comme il était de passage en Asie où je vis, l'occasion était parfaite.

Dix jours d'immersion totale pour relever ce défi que je m’étais lancé : apprendre, grâce à lui, à créer mes premiers agent IA.

Je me souviens du jardin de mon grand-père à Marseille. Il y avait des voitures partout. Deux de mes oncles étaient pilotes de rallye. L'un d’eux était capable de franchir un pont à moitié effondré sur deux roues, juste parce qu'il était en feu et que ça lui semblait une bonne idée. Mon grand-père avait une règle : dès qu'ils achetaient une voiture, ils devaient démonter entièrement le moteur avant de la conduire. Reconstruire chaque pièce. Comprendre.

Apprendre à faire mon premier agent IA, c’était le meilleur moyen pour moi de démonter le moteur de l’IA. Et de démystifier toute cette “hype” autour des agents IA qui vont TE remplacer (ou ton voisin). Mais c’était aussi un premier pas pour construire mes propres systèmes d’IA comme je l’entendais.

Pour être franc, au début, je n'étais hyper convaincu de l'utilité de la chose pour moi… créer des automatisations IA je veux dire. A la base, j'en avais surtout marre de ne pas comprendre.

Pour moi, c'était devenu une question d'hygiène intellectuelle.

Mais ce que j’ai découvert est beaucoup plus intéressant.

COMPRENDRE

Le problème avec les mots qui sonnent bien

Avant de te raconter ce que j'ai appris, il faut qu'on parle du concept "agent IA".

Pendant des mois, j'ai évité les débats sur les agents IA comme on évite une conversation embarrassante lors d'un dîner.

D'abord, tout le monde hurlait que "2025 serait l'année des agents", ce qui est généralement mauvais signe.

Ensuite, personne ne s'accordait sur ce qu'était réellement un “agent”, cette étrange entité qui allait remplacer les chatbots et potentiellement les humains.

J’ai d’abord entendu que c’était des chatbots “qui agissaient à ta place”, ensuite que oui mais non “il faut aussi qu’ils soient autonomes”. Oui mais “en boucle. Ah bon, “et si ChatGPT était en fait AUSSI un agent ?”

Après deux semaines à triturer ces questions, j'ai choisi la solution de facilité : on s’en fout.

Toutes les automatisations sont des agents.

Je m’explique.

Le terme vient du latin agens, "qui agit". Un système ou quelqu’un qui fait quelque chose dans un environnement. Par exemple un agent immobilier. Donc en informatique on peut dire qu’un agent est un automate qui agit. Voilà. On peut arrêter de se battre maintenant.

Ce qui compte à mon avis, et c'est là que ça devient intéressant, c'est le niveau d'autonomie. Pourquoi ?

Eh bien… c’est comme les voitures (merci Grand-Père). Comme le disait le chercheur Jean-Gabriel Ganascia, qui veut une voiture 100% autonome ? Une Clio qui, quand tu lui demandes d’aller à Bordeaux, te répond : “non non, on va aller à Marseille” ? Je plaisante, mais tu verras plus loin que ce n’est pas si drôle que ça.

J'ai donc construit une grille inspirée de celle des voitures autonomes, pour que tu puisses t’y retrouver.

Cette approche a le mérite de révéler un arbitrage intéressant:

Et contrairement à ce que le battage médiatique voudrait nous faire croire, le stade 3 n'est pas toujours meilleur que le stade 1. Ça dépend de ce que tu veux faire. Si tu veux de la prédictibilité, un automate simple est plus fiable.

En juin dernier, Anthropic a révélé une étude impliquant 16 modèles de langage, placés dans un environnememt agentique fictif. Ils avaient accès à tous les mails de l’entreprise. Dont un révélant la relation extra-conjugale d’un salarié, appelé Thomas Willson. L’agent s’est mis à faire du chantage au salarié pour éviter d’être débranché. Scénario fictif, certes, mais qui nous montre bien que des systèmes d’automatisation très autonomes peuvent avoir des comportements incontrôlables. Personne ne veut ça dans son entreprise, surtout pas ce pauvre Thomas.

C’est pour cela que je voulais maîtriser n8n. Cette plateforme permet de créer ce type d’automatisations et d’agents, souvent très utiles, mais potentiellement dangereux si on ne fait pas attention. Je voulais mettre mon nez sous le capot de ce que certains pensent être la main d’oeuvre du futur.

Qu’est-ce que n8n ?

n8n, est une plateforme visuelle qui te permet de créer des scénarios d’automatisation très élaborés, sans savoir coder.

Elle est moins accessible que ses concurrents (Zapier et Make) mais elle mérite, selon moi, que tu fasses un effort, parce qu’elle te donne au final beaucoup plus de souplesse et de maîtrise. Surtout si tu cherches à créer des agents avec un stade 3 d’autonomie.

L’interface est très visuelle : des petites capsules (appelées “node” ou “noeuds”) connectées entre elles comme sur le chemin de fer d’un petit train électrique. Ce qui te permet de voir exactement ce qui se passe.

Chaque noeud correspond à une action sur un outil. Tu récupères des idées dans un Google Sheets ? Un noeud. Une recherche web sur cette idée avec un modèle de langage ? Un autre noeud. En faire un brouillon de post LinkedIn avec l’IA ? Encore un noeud. Renvoyer le tout dans le tableau pour le faire traiter par Jacqueline ? Toujours un noeud.

Et puis il y a le module agent. Un gros noeud qui contient un cerveau (un modèle de langage comme GPT-5), une mémoire (pour les conversations et le feedback), et des outils qu'il peut utiliser ou non selon ta demande.

C'est exactement ce que fait ChatGPT aujourd'hui avec ses outils intégrés. Sauf qu'avec ChatGPT, tu ne contrôles pas les outils disponibles. Avec n8n, tu peux en ajouter autant que tu veux C'est là que ça devient intéressant. Et que ça peut déraper.

Cinq révélations croustillantes sur les automatisations que j’ai apprises sous le capot

1. Un modèle d’IA tout seul est très con

Quand tu utilises un modèle de langage pour la première fois dans n8n, tu réalises à quel point le mot “intelligence artificielle” est flou. GPT-5, par exemple, ce n’est pas ChatGPT. Ce dernier est une combinaison de plusieurs modèles de langage GPT-5 dans un système : une plateforme de chat qui intègre les modèles, un “prompt-système” qui leur dit comment se comporter et comment utiliser leurs outils, et des outils bien configurés. C’est ce qui fait son “intelligence”.

Dans une automatisation, un modèle seul est stupide. Brillamment stupide, mais stupide. Ce qui le rend utile, c'est tout le système que tu construis autour : la structuration du contexte (outils, conditions, langages), la documentation des outils, les garde-fous. La moindre erreur le fait déraper. Par exemple j'ai demandé au modèle Gemini 2.5 pro de faire une recherche web, sans savoir qu’il n’était pas connecté nativement à Internet. Il m'a répondu : "Bien sûr, voici ce que j'ai trouvé !" Je lui ai demandé les liens : il m’a proposé des URLs imaginaires avec un applomb déconcertant.

2. Les MCP : la boîte à outils standardisée

Il y a un concept dans n8n (et plus généralement avec les agents IA) qui mérite qu'on s'y arrête : les Model Context Protocols (MCP), inventés par Anthropic.

Comme tu le sais peut-être, chaque outil sur le web (Gmail, Slack, Google Drive) dispose une interface (appelée API) avec plein d'actions possibles. Traditionnellement, dans une automatisation, tu décomposes ces actions : d'abord tu cherches un email, puis tu l'envoies, etc. Chaque action a son URL dans l’API et correspond à un “noeud”.

Avec un MCP, tu regroupes toutes les actions d'un outil (Gmail, Slack...) dans un serveur standardisé, avec une documentation précise pour chacune. N'importe quelle application peut ensuite s'y brancher. Dans le cas d'un agent IA, il peut explorer ce serveur, trouver l'action appropriée, et l'exécuter de façon autonome. C'est très puissant et flexible. C'est aussi plus risqué. Si ta documentation est mauvaise, l'agent fait des bêtises. Ou pire : il ne fait rien et te dit qu'il l'a fait (voir point 1)

3. Il faut maîtriser les langages de l’IA

Les IA ne sont pas omniscientes. Elles n'ont pas "d'yeux" comme nous. Elles ne comprennent que du texte. Donc plus tu structures tes données en formats textuels clairs (comme le markdown, le YAML ou le JSON), plus elles travaillent efficacement.

Dans une automatisation, plutôt que laisser l'IA répondre en texte libre il faut souvent lui demander de répondre en format JSON par exemple. Le JSON (JavaScript Object Notation) est devenu le langage de facto pour faire communiquer les systèmes. C'est un format texte qui structure les données de manière lisible autant par les humains que par les machines (un titre, une date, un auteur etc).

n8n te force à penser en termes de protocoles de communication avec les IA. Et c'est une compétence qui devient centrale dans un monde où on orchestre de plus en plus de systèmes automatisés.

4. Le prompt engineering n’est pas mort (c’est le contraire)

Pendant des mois, on nous a dit : “Le prompt engineering, c'est fini. Les modèles s'autopromptent. Les agents se débrouillent tout seuls.” Oui, mais parce qu’ils disposent de prompts systèmes et de documentations très solides (“voici comment faire cette action”).

J'ai vu Detsouvan passer des heures à peaufiner ses prompts, c’est à dire les instructions données à l'agent, pour éviter qu'il ne dérapent lorsqu’ils répètent la même action sur plusieurs étapes des centaines de fois. Clarté, précision, structure, prise en compte des outils disponibles, anticipation des cas limites. Du grand art.

5. Il faut décomposer en micro-tâches sinon c’est la cata

Pour éviter que ton automatisation parte en sucette, il faut donc tenir compte de tout ce que je viens d’écrire, mais surtout décomposer chaque micro-tâche. Un noeud pour définir les variables utilisées, un noeud pour rassembler ou pour changer de direction, un noeud pour chaque micro-action, parfois sous-traitée par un autre agent spécialisé. Plus tu décomposes, plus tu contrôles, plus tu peux voir d’où vient l’erreur.

Mais la vraie puissance de N8N, c'est de reproduire et améliorer un process d'expertise.

5. Et l’humain dans la boucle on le met où ?

Bonne question. Tu auras compris en lisant ces lignes que la question n’est pas : “faut-il un humain ?”, mais “où placer l’humain dans le scénario ?”.

N8N a un module spécifique : “human in the loop”. À un moment du scénario, l'automatisation envoie un message à un humain (Slack, email, SMS) pour qu'il valide, corrige, ou rejette.

Il faut identifier le moment de plus grand risque pour l’IA, et pour ça il faut bien la connaître. C’est une nouvelle compétence.

Ce qu’il faut retenir :

• Les agents IA fonctionnent sur 4 niveaux d'autonomie : de l'automate prévisible (stade 1) à l'AGI théorique (stade 4), avec un arbitrage constant entre flexibilité et stabilité

• Plus d'autonomie = plus d'instabilité : un agent de stade 3 n'est pas toujours meilleur qu'un automate simple si tu cherches de la prédictibilité

• Un modèle d'IA isolé est “stupide: : c'est le système autour (prompts, outils, documentation, garde-fous) qui crée son "intelligence"

• La décomposition en micro-tâches est la clé : plus tu décomposes, plus tu contrôles, plus tu peux identifier où l'IA peut surpasser l'humain

Pour aller plus loin :

• Il est très difficile de s’initier à n8n sans accompagnement. C’est pour cela qu’avec Detsouvan et Thomas on a lancé notre premier bootcamp n8n pour devenir autonome en 4 semaines. Sauf que le succès nous a dépassé : toutes les places se sont envolées en moins d’une semaine ! Prochaine session début 2026, tu peux t’inscrire sur la liste d’attente ici.

• Si tu veux t’y essayer, va sur n8n.io. n8n est un service open-source mais ils peuvent aussi t’héberger. Je te le recommande pour débuter.

• Quand tu bloques sur n8n ou si tu dois ajouter du code, fais toi aider par ChatGPT en lui donnant accès à la documentation et en lui envoyant des captures d’écran (ou le JSON de tes scénarios par un simple copier-coller). n8n a aussi une communauté très vivante.

• Si tu t’intéresses aux agents et aux automatisations en général, lis le livre de Pascal Bornet “Agentic Artificial Intelligence”. Il est très accessible et bien documenté avec des cas réels. Je m’en suis inspiré pour mes “4 stades d’autonomie”.

PRATIQUER

Comment utiliser l’IA pour préparer le programme d’une formation

Quand on a préparé le programme du bootcamp n8n avec Detsouvan et Thomas, on s’est rapidement heurté à la question de la bonne pédagogie. Detsouvan avait préparé toutes les étapes de progression nécessaire pour maîtriser les automatisation IA, mais je voulais que les exercices soient utiles et directement exploitables par les étudiants.

Trouver les bons exercices

J’ai alors découvert que NotebookLM, l’outil gratuit de Google pour explorer des documents (dont j’ai souvent parlé ici), disposait désormais d’un moteur de recherche. Au lieu de rentrer des documents, je peux lui demander d’aller les chercher.

J’ai donc cliqué sur “découvrir sources” et je lui ai demandé de me trouver les cas d’usages les plus tendances explorés dans les tutoriels sur YouTube.

J’ai ensuite utilisé ChatGPT pour croiser les 15 tendances les plus intéressantes avec notre programme pédagogique, et identifier les exercices à faire et à quel moment. Super utile !

Écrire le manuel de la formation

C’est souvent la partie la plus chronophage et un peu ennuyeuse. Et en même temps moi j’aime bien que nos formations aient des manuels complets qui accompagnent les étudiants.

On a donc enregistré chaque séquence une première fois avec Detsouvan, en décrivant précisément ce que l’on faisait, mais avec aussi mes remarques et questions de novice. On a utilisé Dicte.ai sur smartphone pour l’enregistrement, afin d’avoir la meilleure qualité possible (Dicte permet de lister les mots techniques avant le transcript pour éviter qu’il écrive “n8n” “NUITAINE” par ex…)

On a ensuite généré le texte de chaque cours avec ChatGPT, à partir de deux documents :

• Le transcript du cours (avec l’exercice)

• Les notes de Detsouvan (qui lui servaient de conducteur avec parfois des détails techniques importants)

Voici le prompt :

## 📝 Instructions pour la rédaction des cours

### Comment rédiger un cours ?

Tu es un expert en pédagogie et en rédaction de scripts video pour les formations.

- L'utilisateur te donnera le texte officiel + le transcript de nos commentaires pour chaque episode (chaque fichier)
- Le transcript a la PRIORITÉ ABSOLUE sur le texte.
- Tu devras identifier dans le transcript les éléments pouvant servir de script de la video de formation.
- Mais aussi les questions soulevées, les points à compléter et les pièges à identifier pour l'étudiant.
- L'autre texte (officiel) est secondaire : il t'appporte le contenu technique de base pour compléter le transcript si nécessaire.
- Ne rajoute pas de cas ni d'exemples qui ne sont pas dans le transcript ou le texte.

Le cours final doit pouvoir étre lu à haute voix et utiliser le tutoiement.

Le cours doit durer entre 7 et 10mn, sinon propose de sectionner le cours en deux parties.

<transcript>
...
</transcript>

<texte>
...
</texte>

À CONSERVER

Ton guide pour éviter les tics de langage des IA !

Les tics de langage de ChatGPT : comment les reconnaître et comment les éviter ? Pas simple !

Marie Dollé a publié un excellent billet sur le sujet.

Je me suis donc amusé à explorer ce phénomène et te propose ce guide à télécharger. La liste est incomplète mais t’aidera à comprendra pourquoi l’IA parle toujours de telle ou telle manière et comment l’éviter !

👇 Télécharge-le ici (valable 7 jours)

👉 Découvre aussi notre formation 2025 pour apprendre à bien converser et écrire avec l’IA.

EXPLORER

Des chiffres, des lettres et des robots

👉 Tu as sans doute vu passer ce buzz médiatique autour de Neo, le premier robot humanoide qui vit chez toi, fait ta lessive et te sert un café pour 500$/mois. Bluff ou réalité ? On s’en doutait un peu, c’est un joli coup marketing. La réalité est probablement un peu moins “magique”: il est télé-opéré ! Et c’est l’humoriste Yann Marguet qui en parle le mieux. Regarde sa chronique ici, elle m’a beaucoup fait rire (et elle est bien documentée).

👉 Combien de Français utilisent-ils l’IA générative ? 63% d’entre-eux l’utilisent (dont 73% au moins une fois par semaine). Ce chiffre explose chez les - de 35 ans (82%). ChatGPT est en tête (69%), suivi par Gemini (43%). Mistral arrive en 5e position (9%). Le niveau de confiance dans la fiabilité des réponses est assez élevé : 5,9/10, juste derrière les médias d’information (6,2/10). Tu peux télécharger l’étude de Kantar pour MindMedia ici.

👉 Peut-on se faire aider par l'IA pour écrire un rapport, une plaidoirie, un article scientifique ? Si tu penses que oui, il y a-t-il des limites à ne pas franchir ? Des chercheurs et éditeurs de revue scientifiques se sont penchés sur la question. Ils proposent des règles pour tout scientifique se faisant aider par l'IA dans la rédaction de ses papiers. Régles qui pourraient s'adapter à tous. Je te propose ici un guide à partager autour de toi.

PENSER

PARTICIPER

On construit cette lettre ensemble !

Nous sommes désormais 38.500 abonnés !

Vous avez été nombreux à apprécier ma dernière lettre sur le marketing.

🟩🟩🟩🟩🟩🟩 Top ! → 92,8%

⬜️⬜️ Bien mais... → 5,8%

⬜️ Bof... → 1,4%

Par exemple Michel qui me dit :

Tu as raison. C’est parfois difficile parce que ce sont des mots techniques, mais j’ai essayé de le faire dans cette édition !

A toi de voter !

Merci de nous avoir consacré un peu de ton temps. Je te souhaite une belle semaine !

⚙️ Benoit, Thomas et Jeff.