Connecter un outil IA à Make : intégrer l'IA dans vos automatisations

Connecter un outil IA à Make, c'est insérer dans un scénario d'automatisation une étape où un modèle de langage lit une donnée, la transforme (résumé, classement, extraction, rédaction) et rend un résultat que les modules suivants réutilisent. Aucune ligne de code n'est nécessaire : l'IA devient un module parmi d'autres, entre un déclencheur et une action.

Si vous découvrez l'outil, lisez d'abord notre fiche Make. Ce guide montre par où brancher l'IA, comment exploiter sa réponse, avec quatre exemples d'automatisation avec Make.

Connecter une IA à Make, ça veut dire quoi ?

Quatre notions reviennent tout au long de ce guide :

• Scénario, c'est l'automatisation elle-même : une suite de modules reliés sur le canvas de Make, lancée par un déclencheur.
• Module, c'est une étape du scénario : lire une ligne, envoyer un message, interroger un modèle d'IA.
• Connexion, c'est l'autorisation enregistrée qui permet à Make d'agir sur un compte tiers, le plus souvent grâce à une clé API.
• Mapping, c'est le geste qui consiste à glisser la sortie d'un module dans un champ d'un module situé plus loin.

Ce qu'un module IA ajoute à un scénario

Sans IA, un scénario Make ne traite bien que des données rangées : un montant, une date. Face à un texte libre (un email, un PDF), les filtres classiques ne voient que des caractères.

Le module IA comble ce manque : il reçoit le texte, suit votre consigne et produit une sortie que la suite du scénario sait lire. La logique reste la même ; seule change la nature des données que vous pouvez faire circuler.

IA branchée dans un scénario ≠ agent IA

Un module IA placé dans un scénario exécute une étape que vous avez définie ; un agent IA choisit lui-même ses actions et leur ordre. Dans tous les exemples de cette page, c'est vous qui dessinez le chemin. Pour franchir ce pas, notre guide agent IA pose la différence et la méthode.

Make a d'ailleurs ses propres agents : en octobre 2026, la plateforme permet d'en créer avec des instructions, des connaissances et des outils (modules, scénarios, outils MCP), et une nouvelle génération a été annoncée en février 2026. Ce guide s'en tient à l'IA intégrée dans un scénario.

Les deux façons de brancher un outil IA dans Make

Deux portes d'entrée existent : l'application prête à l'emploi du catalogue de Make, ou le module HTTP, qui dialogue directement avec l'API d'un service. Dans les deux cas, la réponse du modèle est disponible pour la suite du scénario.

Le module IA natif (OpenAI, Claude, Mistral, Gemini)

Make publie des applications pour les principaux fournisseurs : OpenAI pour ChatGPT, Anthropic Claude pour Claude, Mistral AI pour Mistral et Google Gemini AI pour Gemini.

Toutes proposent un module pour répondre à une consigne et un module « Make an API Call ». Le reste varie :

• Embeddings : OpenAI, Mistral AI, Google Gemini AI.
• Gestion de fichiers : OpenAI, Anthropic Claude, Google Gemini AI.
• Analyse d'image : OpenAI.

La mise en route tient en trois gestes : ajouter le module, créer la connexion en collant la clé API générée chez le fournisseur (l'application OpenAI demande aussi l'identifiant d'organisation), puis rédiger la consigne en y insérant les données des modules précédents.

Les noms des modules et des modèles changent au fil des mises à jour : en octobre 2026, on trouve par exemple « Generate a response » chez OpenAI, « Create a prompt » chez Anthropic Claude ou « Create a Chat Completion » chez Mistral AI.

Les applications Mistral AI et Google Gemini AI sont maintenues par un partenaire, après vérification par Make.

L'appel HTTP, pour tout outil qui a une API

Si l'outil visé n'a pas d'application dans Make, ou si celle-ci n'expose pas l'option voulue, le module « Make a request » de l'application HTTP prend le relais. Il envoie une requête à n'importe quelle API : adresse, méthode, en-têtes et corps, tels que les décrit la documentation du fournisseur.

Make recommande de placer l'authentification dans le champ dédié aux identifiants, avec une clé rangée dans un trousseau (keychain), plutôt que dans les en-têtes. L'option Parse response découpe ensuite le retour de l'API en champs mappables.

Les deux voies, critère par critère :

La difficulté de l'appel HTTP tient à la documentation à lire et au corps de requête à écrire.

Entre les deux, le module « Make an API Call » des applications IA réutilise la connexion existante et vous laisse écrire la requête. Pratique quand une option récente n'a pas encore son champ dans l'interface.

Récupérer et exploiter la réponse dans la suite du scénario

Le module IA ne termine rien : il fabrique une donnée. Trois situations se présentent.

• Une réponse en texte libre (un résumé, un brouillon d'email) : vous la mappez telle quelle dans le champ de destination.
• Une réponse structurée : la consigne exige un objet JSON. Si le module ne le découpe pas lui-même, le module Parse JSON de Make le transforme en éléments mappables un à un, à partir d'une structure de données que vous décrivez.
• Une réponse qui sert à décider : la valeur renvoyée alimente un routeur, dont chaque branche n'accepte que les éléments qui passent son filtre.

D'où une règle : exigez des valeurs fermées dès qu'une décision en dépend. Un filtre sur « urgent » ou « standard » tient ; un filtre sur une phrase rédigée par un modèle casse à la première reformulation.

Quatre cas d'usage concrets

Chaque exemple suit le même gabarit : déclencheur, module IA, traitement, sortie. Les outils cités s'échangent contre leurs équivalents.

Trier et router les demandes entrantes

Prenons une entreprise à plusieurs services ou filiales, qui reçoit toutes ses demandes par un formulaire de contact unique. À l'arrivée, personne ne sait qui doit répondre.

• Déclencheur : un module Custom webhook reçoit chaque soumission (voir notre article webhook).
• Module IA : OpenAI ou Mistral AI renvoie un JSON à trois champs : service concerné (liste fermée), niveau d'urgence, résumé en deux phrases.
• Traitement : un routeur ouvre une route par service, filtrée sur le champ « service ».
• Sortie : chaque route crée la fiche dans le bon pipeline du CRM et prévient l'équipe concernée, résumé à l'appui.

La pièce maîtresse est la route de secours (fallback) du routeur : elle récupère ce qui ne correspond à aucune catégorie et l'adresse à une personne. Sans elle, une demande mal classée disparaît sans bruit.

Résumer et qualifier un contenu automatiquement

Lors d'un diagnostic mené pour un acteur de l'immobilier, l'analyse des documents réglementaires (contrats, permis, urbanisme) est ressortie comme une tâche longue et fastidieuse pour le pôle documentation et réglementaire.

La recommandation issue du diagnostic confiait l'orchestration à Make et l'extraction à OpenAI ou Mistral AI, avec une contrainte : citer les passages sources. Transposé en modules, cela donne :

• Déclencheur : un fichier déposé dans un dossier partagé. S'il s'agit d'un scan, une étape de reconnaissance de caractères (OCR) précède l'IA.
• Module IA : OpenAI ou Mistral AI renvoie dates clés, obligations et points d'attention, chacun avec l'extrait qui le justifie.
• Traitement : le JSON est découpé, puis un filtre isole les documents où l'IA signale une information introuvable.
• Sortie : une fiche par document dans la base documentaire (Airtable, par exemple), marquée « à relire » si nécessaire.

Enrichir une base de données ou un CRM

Prenons une équipe commerciale dont le CRM se remplit de sociétés réduites à un nom et une adresse de site. Secteur, offre et clientèle visée restent vides.

• Déclencheur : une nouvelle entreprise est créée dans le CRM.
• Collecte : un module HTTP récupère la page d'accueil du site.
• Module IA : Mistral AI renvoie un JSON : secteur (liste fermée), offre en une phrase, type de clientèle.
• Sortie : les champs vides de la fiche sont complétés, et eux seuls.

Deux consignes rendent ce scénario fiable : interdire au modèle de deviner (il répond « inconnu » quand la page ne dit rien) et ne jamais écraser une valeur saisie : une fiche déjà complète ne passe pas par le module IA.

Produire et diffuser un livrable récurrent

Autre besoin relevé lors du même diagnostic, côté direction : un reporting d'activité consolidé à la main, puis commenté de façon hétérogène. La recommandation issue du diagnostic confiait la collecte à l'automatisation et les commentaires à OpenAI ou Mistral AI, avec une relecture humaine au démarrage.

• Déclencheur : la planification du scénario, par exemple chaque lundi matin (Make propose des exécutions quotidiennes, hebdomadaires, mensuelles ou à dates précises).
• Collecte : les indicateurs de la période sont lus dans le tableur de suivi, puis regroupés en un seul bloc de texte.
• Module IA : le modèle rédige un commentaire court (évolutions, écarts à l'objectif, points à surveiller) sans citer de chiffre absent des données.
• Sortie : le commentaire part par email ou sur le canal de l'équipe, avec les chiffres bruts.

Les points de vigilance à l'intégration

Clés API et sécurité

Une clé API ouvre l'accès à votre compte chez le fournisseur, donc à votre facturation. Enregistrez-la uniquement dans la connexion Make ou dans le champ d'identifiants du module HTTP, jamais dans une consigne. Créez une clé par usage : vous pourrez la révoquer sans casser les autres scénarios.

Tout ce que vous mappez dans le module part chez le fournisseur du modèle. Ne transmettez que les champs utiles, et lisez ses conditions de traitement avant d'y faire transiter des données clients.

L'application OpenAI permet par exemple de choisir une région (Global, EU ou US) dans les réglages avancés de la connexion, à condition d'avoir activé le traitement régional sur votre compte OpenAI.

Le coût des appels IA

Un scénario IA se paie à deux endroits. Côté Make, chaque exécution de module consomme des crédits, l'unité de facturation de la plateforme. Côté fournisseur, le modèle est facturé à l'usage, selon le volume de texte traité (les tokens) et le modèle retenu.

La documentation de Make distingue trois cas de figure :

Le coût d'un appel se multiplie par le volume : un scénario lancé à chaque email entrant n'a pas le budget d'un rapport mensuel.

Les tarifs varient selon le modèle et évoluent : fixez un plafond de dépense chez le fournisseur et suivez la consommation réelle (chez Anthropic Claude, la sortie du module indique les tokens utilisés).

Gérer les erreurs et les réponses hors format

Deux pannes guettent un module IA : la panne visible (fournisseur indisponible, limite de requêtes atteinte, clé révoquée) et la panne silencieuse, quand le modèle répond hors du format attendu.

Contre la première, Make permet d'attacher un gestionnaire d'erreurs (error handler) à un module :

Break peut relancer l'élément automatiquement, selon un nombre de tentatives et un délai que vous fixez, à condition d'activer le stockage des exécutions incomplètes dans les réglages du scénario. Rollback n'annule que les modules qui gèrent les transactions : l'appel IA, déjà parti, reste consommé.

Contre la seconde, placez un filtre juste après le module : si le champ attendu est vide ou hors de la liste prévue, l'élément part vers un contrôle humain au lieu d'atterrir dans votre CRM.

Obtenir une sortie structurée exploitable

Le principe : demandez une réponse au format JSON, décrivez les champs attendus et leurs valeurs possibles, et glissez un exemple de sortie dans la consigne.

La manière de l'imposer dépend du module et change avec les versions. À la date de rédaction :

• OpenAI : formats « JSON object » ou « JSON schema » dans le module de réponse (le premier exige le mot json dans la consigne), et outils de type Function (function calling) dans « Generate a response » et « Generate a completion ».
• Google Gemini AI : un module dédié à l'extraction de données structurées.
• Ailleurs : la consigne et le module Parse JSON font le travail, ou l'appel HTTP si l'API du fournisseur offre ces options.

Avant d'activer un scénario, passez-le au crible de cette liste :

• La clé API est stockée dans une connexion dédiée et révocable.
• Seuls les champs nécessaires partent vers le modèle.
• Un plafond de dépense est fixé et le volume d'exécutions estimé.
• Le module IA dispose d'un gestionnaire d'erreurs avec reprise automatique, et les exécutions incomplètes sont activées.
• Un filtre vérifie le format de la réponse avant toute écriture.
• La consigne impose un JSON aux valeurs fermées, exemple à l'appui.
• Une route de secours confie les cas douteux à une personne.

Le construire soi-même ou le faire construire ?

Construisez vous-même quand le scénario reste interne, que l'erreur coûte peu (un résumé imparfait, un brouillon à corriger) et que quelqu'un dans l'équipe connaît déjà Make.

Faites construire quand l'IA écrit dans un système qui fait foi (CRM, ERP, base clients), quand le volume rend chaque défaut coûteux, ou quand le scénario s'insère dans un système d'information existant. La difficulté n'est plus de brancher le module, mais de cadrer consignes, cas limites et reprise sur erreur.

C'est le métier de l'agence Make d'Alegria.solutions : prendre en charge votre projet jusqu'à la mise en production, renforcer votre équipe avec des experts Make ou la former sur mesure. Si votre projet appelle des agents IA ou des applications métier, notre agence IA couvre l'audit, la stratégie, le déploiement et la formation.

Brancher une IA dans Make reste une étape. Quand vos scénarios se couvrent de branches pour anticiper chaque cas, il est peut-être temps de passer à un agent IA. Et si vos équipes doivent construire elles-mêmes ce type d'automatisation, nos formations à l'IA et à l'automatisation les y préparent.