Automatiser son entreprise avec IA + Make / Zapier / n8n

Contexte

Dix tâches d'une PME fictive décrites en deux lignes : saisie des demandes de devis, relance des factures, tri de la boîte support, compte rendu hebdomadaire, mise à jour du CRM après un rendez-vous, accueil d'un nouveau client…

Consigne

Pour chaque tâche, identifier le déclencheur, les données d'entrée, l'étape où l'IA serait utile, l'action finale et le point de décision humaine, puis la classer : automatisable, en partie, non.

Production attendue

Un tableau de dix lignes : déclencheur, données, étape IA, action, décision humaine, classement justifié.

Critère de réussite

Chaque tâche retenue a un déclencheur observable et une sortie vérifiable ; toute décision engageante est marquée comme humaine.

Contexte

Les demandes de devis arrivent par un formulaire web et sont recopiées à la main, le lendemain, dans un tableur partagé.

Consigne

Construire le scénario : déclencheur sur le formulaire, ajout d'une ligne dans le tableur avec date normalisée, message dans la messagerie de l'équipe ; tester avec cinq envois, dont un incomplet.

Production attendue

Un scénario actif et les cinq lignes de test dans le tableur.

Critère de réussite

Les cinq envois arrivent sans intervention manuelle, avec chaque champ dans la bonne colonne ; l'envoi incomplet est repéré par un filtre.

Contexte

Une application métier fictive envoie chaque nouvelle commande sous forme de JSON ; il faut compléter la fiche avec des informations issues d'une API publique fournie par le formateur.

Consigne

Créer un webhook, lui envoyer un JSON de test, découper les champs, appeler l'API avec le module HTTP (méthode, paramètres, en-têtes), mapper deux champs de la réponse dans le tableur, puis provoquer un appel erroné et l'identifier.

Production attendue

Un scénario webhook, appel d'API, tableur, et une note sur l'appel erroné : code reçu, cause, correction.

Critère de réussite

Le JSON reçu est découpé en champs exploitables, deux champs de la réponse d'API arrivent dans le tableur, et l'appel erroné est expliqué à partir de son code de retour.

Contexte

Vingt messages clients fictifs reçus par le formulaire : réclamations, demandes de devis, questions de facturation, messages hors sujet, un message ambigu.

Consigne

Rédiger l'instruction de l'étape IA pour classer chaque message dans une liste fermée de catégories, noter l'urgence de 1 à 3, extraire l'entreprise et résumer la demande en une phrase, au format JSON imposé ; tester sur les vingt messages et comparer au classement de référence.

Production attendue

L'instruction versionnée, le schéma JSON et le tableau des vingt résultats comparés à la référence.

Critère de réussite

Vingt sorties JSON lisibles sans retouche, catégories toutes prises dans la liste fermée, au moins dix-sept classements conformes à la référence et chaque écart expliqué.

Contexte

Le scénario de l'exercice 2 fait désormais passer chaque message par l'étape IA de l'exercice 4.

Consigne

Ajouter les branches : réclamation urgente vers une alerte au responsable et un brouillon de réponse, demande de devis vers le tableur commercial, question de facturation vers la file comptable, et une branche par défaut pour « à revoir » ou JSON invalide ; empêcher le double traitement d'un même message.

Production attendue

L'automatisation n° 1 : formulaire, IA, branches, destinations.

Critère de réussite

Six messages de test, dont un ambigu et un doublon, arrivent chacun au bon endroit ; aucun ne se perd, aucun n'est traité deux fois.

Contexte

Pour les réclamations, l'IA prépare un brouillon de réponse au client ; la direction exige qu'aucun message ne parte sans relecture.

Consigne

Insérer une étape d'approbation (message avec choix approuver, corriger ou refuser, ou ligne « à valider » dans un tableur) ; l'envoi ne part qu'après approbation, un refus arrête le flux, chaque décision est tracée.

Production attendue

La branche réclamation avec validation humaine et le relevé des décisions de test.

Critère de réussite

Sur quatre essais — approbation, correction, refus, absence de réponse —, aucun e-mail ne part sans approbation enregistrée, et chaque décision indique qui, quand et quoi.

Contexte

Le formateur provoque trois pannes sur l'automatisation n° 1 : API indisponible, réponse IA hors du format JSON, champ obligatoire absent du formulaire.

Consigne

Diagnostiquer chaque panne à partir de l'historique d'exécution, puis configurer la réponse adaptée : relance après un délai, contrôle du JSON avant usage, file de reprise, alerte au responsable.

Production attendue

Le scénario fiabilisé et une table des erreurs : panne, symptôme, traitement configuré.

Critère de réussite

Chacune des trois pannes est détectée, journalisée et signalée ; aucun message n'est perdu ni traité deux fois après la reprise.

Contexte

La responsable du service veut savoir chaque lundi ce que les automatisations ont traité, ce qui a échoué et ce qui a été refusé à la validation.

Consigne

Ajouter à chaque exécution une ligne de journal (date, identifiant de l'entrée, sortie IA, branche, statut, validateur), puis construire un tableau de suivi hebdomadaire avec deux seuils d'alerte.

Production attendue

Le journal alimenté par les exécutions de test et le tableau de supervision.

Critère de réussite

À partir du journal seul, un autre participant retrouve en moins de deux minutes ce qui est arrivé à un message de test choisi au hasard.

Contexte

Des factures fournisseurs fictives en PDF arrivent par e-mail à une adresse dédiée ; elles sont aujourd'hui ressaisies à la main avant validation.

Consigne

Déclencher sur l'e-mail avec pièce jointe, extraire par l'IA fournisseur, date, numéro, montant hors taxes, TVA et échéance au format JSON, contrôler automatiquement la cohérence des montants et des dates, écrire dans un tableur « à valider » et notifier la personne qui valide.

Production attendue

L'automatisation n° 2 et les résultats sur cinq documents de test.

Critère de réussite

Sur cinq documents, les champs sont extraits et le document volontairement incohérent est signalé par les contrôles ; aucune donnée n'est écrite hors de l'espace « à valider ».

Contexte

Un processus répétitif apporté par le participant — suivi des devis envoyés, demandes de support, compte rendu et tâches après une réunion, veille sur des sources publiques — ou, à défaut, un cas fourni par le formateur, en plus des automatisations n° 1 et n° 2.

Consigne

Construire la troisième automatisation, ou fiabiliser et étendre les deux premières si le processus apporté ne s'y prête pas ; rédiger une fiche d'exploitation par automatisation, passer la liste de contrôle avant mise en production, puis faire une démonstration de dix minutes : un cas nominal, un cas d'erreur, une validation humaine.

Production attendue

Deux ou trois automatisations fonctionnelles, chacune avec sa fiche d'exploitation et son journal d'exécution.

Critère de réussite

Chaque automatisation s'exécute de bout en bout devant le groupe, traite le cas d'erreur sans perte de donnée, ne déclenche aucune action engageante sans validation humaine tracée, et sa fiche permet à un collègue de la reprendre ou de l'arrêter.

Non. Il faut être à l'aise avec la logique « si… alors », les tableurs et les applications en ligne. On apprend à lire la documentation d'une API et un JSON simple ; on n'écrit pas de code, en dehors de quelques formules ou expressions dans l'outil.

Celui que votre entreprise utilise ou autorise. À défaut, le choix se fait avant la session selon les applications à connecter, l'hébergement souhaité des données — n8n peut être installé sur vos propres serveurs — et les compétences internes. La logique est la même dans les trois outils, et le formateur montre les équivalences.

Pas forcément. Les offres gratuites ou d'essai permettent de construire les exercices, mais elles limitent, selon les outils, le nombre d'étapes, d'exécutions ou de fonctions disponibles, et l'appel à un modèle d'IA passe souvent par un compte distinct chez son fournisseur. Le formateur fait le point avec vous avant la session, selon les licences dont dispose l'entreprise.

Oui, sur des comptes de test et avec des données anonymisées ou fictives. Les automatisations construites sont fonctionnelles et documentées ; leur mise en production sur vos outils réels reste une décision de votre entreprise, prise avec votre service informatique.

Chaque appel transmet des données à l'outil d'automatisation, puis au fournisseur du modèle. La formation apprend à limiter les champs envoyés, à anonymiser et à vérifier les conditions d'hébergement et de conservation. Le RGPD est abordé en sensibilisation ; ce n'est pas un conseil juridique.

Oui. En intra, on travaille sur l'outil déployé chez vous, et les exercices comme le projet final portent sur vos propres processus, avec des données de test.