Faut-il savoir coder pour créer un Make AI Agent ?

Non. Tout se fait par glisser-déposer sur le canvas Make et via des instructions en langage naturel. Aucune ligne de code n'est nécessaire. En revanche, savoir structurer un prompt clair et une FAQ bien organisée fait une vraie différence sur la qualité des réponses.

Quel plan Make choisir pour utiliser les AI Agents ?

Les AI Agents sont disponibles sur tous les plans, y compris le gratuit (1 000 opérations/mois). Pour un usage réel en support client, le plan Core à 9 €/mois ou le Pro à 16 €/mois sont recommandés. Le Pro offre des exécutions plus fréquentes (jusqu'à 1 minute d'intervalle) et plus d'opérations.

L'agent peut-il répondre en plusieurs langues ?

Oui, si vous le précisez dans le System Prompt. Par exemple : "Réponds dans la langue de l'email reçu." Les modèles LLM actuels (GPT-4.1, Claude) gèrent bien le français, l'anglais, l'espagnol et l'allemand. La qualité baisse sur les langues moins courantes.

Que se passe-t-il si l'agent donne une mauvaise réponse à un client ?

C'est pour ça que le mécanisme d'escalade et le log dans Google Sheets sont essentiels. Relisez les réponses envoyées chaque semaine au début. En cas d'erreur, vous pouvez répondre manuellement au client et ajuster votre prompt ou votre FAQ pour éviter que ça se reproduise.

Make AI Agents ou ChatGPT Workspace Agents : lequel choisir ?

Les deux ne jouent pas dans la même catégorie. ChatGPT Workspace Agents fonctionne dans l'écosystème ChatGPT et excelle pour les tâches internes (recherche, rédaction, analyse). Make AI Agents s'intègre à plus de 2 000 applications et gère des workflows opérationnels concrets (emails, CRM, Slack, bases de données). Si vous cherchez de l'automatisation métier connectée à vos outils existants, Make est le bon choix.

Tuto Make AI Agents : assistant email IA sans code (2026)

Votre boîte mail déborde. Vos clients posent les mêmes questions — horaires, tarifs, délais de livraison — et chaque réponse manuelle vous coûte du temps que vous n'avez pas. Depuis février 2026, Make.com propose une solution concrète : les AI Agents, disponibles en production sur tous les plans. Un module unique, posé dans votre scénario d'automatisation, qui lit un email, décide quoi en faire, et agit. Pas de code. Pas de prompt engineering avancé. Vingt minutes de configuration.

Ce tutoriel vous guide de A à Z pour construire un agent IA qui gère votre support client email. À la fin, vous aurez un assistant qui tourne 24h/24, répond aux questions fréquentes avec vos propres réponses, et remonte les cas sensibles à votre équipe sur Slack.

Ce que fait (et ne fait pas) un Make AI Agent

Avant de foncer dans la configuration, posons les bases. Un Make AI Agent n'est pas un chatbot. C'est un module d'automatisation augmenté par un LLM (GPT-4.1, Claude, Gemini — au choix) qui s'insère dans un scénario Make classique.

Concrètement, là où vous auriez construit un Router avec trois branches et des conditions de filtrage écrites à la main, vous posez un seul module AI Agent, vous lui donnez des instructions en français, et vous attachez une base de connaissances — un fichier FAQ, un document de prix, peu importe. L'agent lit le contexte, décide quelle branche prendre, et exécute.

Ce qu'il fait bien :

Trier et catégoriser des emails entrants selon l'intention (question, réclamation, demande de devis)
Rédiger des réponses personnalisées en puisant dans vos documents
Escalader automatiquement vers Slack, un CRM ou un humain quand il détecte un cas hors périmètre

Ce qu'il ne fait pas (encore) : gérer des conversations multi-tours par email, traiter des pièces jointes complexes, ou remplacer un vrai service client sur des sujets sensibles. Gardez un humain dans la boucle pour les réclamations et les sujets contractuels.

Prérequis : ce qu'il vous faut avant de commencer

Rassemblez ces éléments avant d'ouvrir Make :

Un compte Make.com — le plan Core à 9 €/mois suffit pour démarrer (10 000 opérations incluses). Le plan gratuit fonctionne aussi pour tester, mais limité à 1 000 opérations.
Une boîte email connectée — Gmail ou Outlook. Vous aurez besoin d'autoriser Make à lire vos emails entrants.
Un document FAQ — un simple Google Doc ou fichier texte avec vos 10-20 questions/réponses les plus fréquentes. Format libre, l'agent comprend le langage naturel.
Un workspace Slack (optionnel) — pour les escalades. Si vous n'utilisez pas Slack, vous pouvez remplacer par un email de notification ou une ligne dans Google Sheets.
Une clé API OpenAI (optionnel) — Make fournit un modèle intégré (Small ou Large) via son propre fournisseur IA, sans clé externe. Mais si vous voulez utiliser GPT-4.1 ou Claude, il faudra votre propre clé.

Budget réaliste : avec le fournisseur IA intégré de Make (modèle Small), chaque exécution d'agent consomme 43 à 50 crédits. Sur le plan Core, vous pouvez traiter environ 200 emails par mois avant de toucher la limite. Pour un volume plus élevé, le plan Pro à 16 €/mois double la marge.

Étape 1 — Créer le scénario et le déclencheur email

Connectez-vous à Make.com et cliquez sur Create a new scenario. Vous atterrissez sur le canvas visuel — l'espace où tout se construit par glisser-déposer.

Configurer le module Gmail (ou Outlook)

Cliquez sur le cercle central, cherchez Gmail (ou Microsoft Outlook), et sélectionnez le trigger Watch Emails. Authentifiez votre compte Google via OAuth — Make ne stocke pas votre mot de passe, tout passe par les permissions Google standard.

Paramètres recommandés :

Folder : INBOX (ou un label dédié type "Support" si vous pré-filtrez)
Mark as read : Yes — pour éviter de retraiter le même email
Maximum number of results : 10 (par exécution)

Réglez la fréquence d'exécution du scénario à toutes les 15 minutes pour commencer. Vous pourrez descendre à 1 minute sur les plans Pro et supérieurs.

Étape 2 — Poser l'agent IA et lui donner ses instructions

C'est le cœur du dispositif. Après votre module Gmail, ajoutez un nouveau module et cherchez AI Agent dans la bibliothèque Make.

Le System Prompt : la personnalité de votre agent

Le champ System Prompt définit comment l'agent se comporte. Pas besoin de prompt engineering sophistiqué — écrivez comme si vous briefiez un nouveau stagiaire. Voici un exemple fonctionnel :

[[terminal:Tu es l'assistant support de [Nom de l'entreprise]. Tu réponds aux emails clients en français, de manière professionnelle et concise. Utilise la base de connaissances FAQ pour répondre. Si la question ne figure pas dans la FAQ ou concerne une réclamation, un remboursement ou un problème technique complexe, réponds "ESCALADE" suivi d'un résumé en une phrase. Ne t'excuse jamais de manière excessive. Signe "L'équipe [Nom]".]]

Le piège classique : écrire un prompt de 500 mots avec des cas limites hypothétiques. Commencez simple. Vous affinerez après avoir vu les 50 premiers emails traités.

Connecter la base de connaissances

Dans le module AI Agent, section Knowledge Base, uploadez votre fichier FAQ. Make accepte les formats .txt, .pdf, .docx et les liens Google Docs. L'agent cherchera dans ce document avant de formuler sa réponse.

Astuce qui change tout : structurez votre FAQ avec des paires claires Q: / R: plutôt qu'un texte rédigé. L'agent retrouve l'information 2 à 3 fois plus vite et les réponses sont plus précises.

Choisir le modèle IA

Trois options :

Make AI Provider — Small : le moins cher, suffisant pour du tri et des réponses FAQ simples. Pas de clé API requise.
Make AI Provider — Large : meilleur raisonnement, utile si vos emails sont ambigus ou en plusieurs langues.
Clé API externe (OpenAI, Anthropic, Google) : contrôle total sur le modèle et le coût. GPT-4.1 mini est un bon compromis qualité/prix pour ce cas d'usage.

Pour un test initial, restez sur Small. Vous migrerez si la qualité des réponses ne convient pas.

Étape 3 — Brancher les actions : répondre ou escalader

L'agent produit une sortie texte. Maintenant, il faut transformer cette sortie en action concrète.

Ajoutez un module Router après l'AI Agent avec deux branches :

Branche 1 — Réponse automatique : filtrez sur les sorties qui ne contiennent PAS le mot "ESCALADE". Connectez un module Gmail → Send an Email. Dans le champ "To", mappez l'adresse de l'expéditeur original. Dans le champ "Body", mappez la sortie de l'agent. Ajoutez "Re:" + le sujet original dans le champ "Subject".

Branche 2 — Escalade Slack : filtrez sur les sorties contenant "ESCALADE". Connectez un module Slack → Post a Message. Choisissez votre canal #support (ou #général si vous êtes une petite équipe). Dans le message, incluez : l'email de l'expéditeur, le sujet original, et le résumé produit par l'agent.

Résultat : l'agent répond seul aux questions qu'il maîtrise, et alerte votre équipe en temps réel sur le reste. Pas de client ignoré, pas de question simple qui mobilise un humain.

Étape 4 — Tester, corriger, affiner

Ne mettez jamais un agent en production sans l'avoir testé sur des cas réels. Make facilite ça.

Cliquez sur Run once en bas à gauche du canvas. Le scénario s'exécute une seule fois et récupère les emails non lus. Vous voyez chaque étape se dérouler en temps réel : l'email entrant, la décision de l'agent, la réponse ou l'escalade.

Les 5 tests à faire absolument

Question FAQ standard — envoyez-vous un email type "Quels sont vos horaires ?". Vérifiez que la réponse colle à votre document.
Question hors FAQ — envoyez une question technique pointue. L'agent doit escalader, pas inventer.
Email en anglais — si vous avez des clients internationaux, vérifiez que l'agent répond dans la bonne langue.
Réclamation avec ton agressif — l'agent doit escalader, pas tenter de calmer le client tout seul.
Spam ou newsletter — idéalement, ajoutez dans votre prompt une instruction pour ignorer les emails marketing. Sinon, l'agent essaiera de "répondre" à une newsletter.

Après chaque test, ajustez le System Prompt. C'est un processus itératif. Un consultant en automatisation IA, interrogé par How Do I Use AI, rapporte que ses clients atteignent un taux de réponse automatique satisfaisant de 70-80 % après 3 à 4 itérations du prompt — pas du premier coup.

Étape 5 — Passer en production et surveiller

Quand vos tests sont concluants, activez le scénario via le toggle en bas du canvas. Il tournera selon la fréquence que vous avez définie (toutes les 15 minutes par défaut).

Trois garde-fous à mettre en place :

Notification d'erreur : dans les settings du scénario, activez les alertes email en cas d'échec d'exécution. Un module Gmail qui perd son authentification, ça arrive — vous voulez le savoir dans la minute, pas trois jours plus tard.
Log des réponses : ajoutez un module Google Sheets → Add a Row en parallèle de la branche "réponse automatique". Loguez la date, l'expéditeur, la question résumée et la réponse envoyée. Vous aurez une vue complète de ce que fait votre agent, et vous repérerez vite les réponses à corriger.
Revue hebdomadaire : les 2-3 premières semaines, relisez le log chaque lundi. Repérez les réponses incorrectes ou maladroites, mettez à jour votre FAQ et votre prompt en conséquence.

Combien ça coûte vraiment

Soyons concrets. Voici le coût pour une PME qui reçoit 300 emails de support par mois :

Plan Make Pro : 16 €/mois (10 000 opérations)
Consommation agent : ~50 crédits × 300 = 15 000 crédits. Avec le modèle Small intégré, chaque crédit est inclus dans les opérations du plan. Sur le plan Pro, vous êtes couvert sans surcoût.
Si vous utilisez votre propre clé API OpenAI (GPT-4.1 mini) : environ 0,003 € par email traité, soit ~0,90 € par mois en plus.
Total : entre 16 € et 17 €/mois pour un support email automatisé 24h/24.

Comparez avec un prestataire qui facture 25-35 €/heure pour du support client externalisé. Si votre agent gère ne serait-ce que 200 réponses par mois que vous auriez traitées manuellement (à ~3 minutes pièce), c'est 10 heures récupérées. Le calcul est vite fait.

Trois pièges que personne ne mentionne

1. L'agent qui répond au spam. Sans instruction explicite, votre agent traitera les newsletters, les emails de prospection et les notifications automatiques comme des vrais emails clients. Ajoutez dans votre prompt : "Ignore les emails provenant d'adresses noreply@, les newsletters et les messages marketing. Ne réponds pas."

2. La FAQ qui vieillit. Votre document FAQ est figé au moment de l'upload. Si vous changez vos tarifs en juin, l'agent continuera à citer les anciens prix jusqu'à ce que vous mettiez à jour le fichier. Mettez un rappel mensuel dans votre agenda.

3. L'excès de confiance. Un LLM ne dit jamais "je ne sais pas" spontanément. Si votre prompt ne prévoit pas explicitement l'escalade pour les cas inconnus, l'agent improvisera une réponse plausible mais fausse. Le mot-clé "ESCALADE" dans le prompt n'est pas décoratif — c'est votre filet de sécurité.

[[cta:make]]

Pour aller plus loin dans l'automatisation IA sans code, notre test complet de n8n et notre comparatif Make vs n8n vous aideront à choisir la bonne plateforme selon votre profil.