Make (anciennement Integromat, renommé en 2022) est une plateforme d'automatisation visuelle qui permet de connecter des applications entre elles et d'automatiser des workflows multi-étapes sans écrire de code. Son interface en drag-and-drop permet de créer des "scénarios" (workflows) en reliant des modules qui représentent des actions dans différentes applications : lire un email dans Gmail, envoyer les données à ChatGPT pour analyse, mettre à jour un enregistrement dans Salesforce, puis envoyer une notification dans Slack.
Make se distingue de ses concurrents (Zapier, n8n, Power Automate) par la puissance de ses scénarios : logique conditionnelle avancée (routers, filtres), gestion des erreurs, boucles, agrégation de données, et surtout une interface visuelle qui rend les workflows complexes lisibles et maintenables. C'est souvent l'outil choisi par les équipes qui ont dépassé les limites de Zapier et qui veulent des automatisations sophistiquées sans recourir à du développement custom.
L'intégration de Make avec les APIs d'IA générative est ce qui en fait un outil transformationnel pour les entreprises. Make propose des modules natifs pour OpenAI (ChatGPT, DALL-E, Whisper), Anthropic (Claude), et des modules HTTP génériques qui permettent de se connecter à n'importe quelle API d'IA (Mistral, Replicate, Hugging Face). Chaque appel à l'IA est un module dans le scénario, configurable avec le prompt, le modèle, la température et les autres paramètres.
C'est cette combinaison automatisation + IA qui crée de la valeur. L'IA seule nécessite un copier-coller manuel entre les outils. L'automatisation seule ne comprend pas le langage naturel. Ensemble, elles permettent de créer des workflows intelligents qui traitent, comprennent et agissent sur des données non structurées (emails, documents, messages) de manière entièrement automatisée.
La qualification automatique de leads est l'un des cas d'usage les plus déployés. Un nouveau lead arrive via un formulaire web, Make enrichit le contact via Apollo.io (poste, entreprise, taille, secteur), envoie le profil à Claude pour scoring et rédaction d'un email personnalisé, insère le contact dans le CRM avec le score et l'email prêt à envoyer, et notifie le commercial dans Slack. Le tout en 30 secondes, contre 10-15 minutes de travail manuel par lead.
Le traitement automatique des factures est un autre cas classique. Un email avec une facture en pièce jointe arrive dans Gmail. Make extrait le PDF, l'envoie à GPT Vision pour extraction des données (fournisseur, montant, date, numéro de facture), insère les données dans Google Sheets ou l'ERP, et classe l'email dans le bon dossier. Le comptable passe de la saisie manuelle à la validation d'un tableau pré-rempli.
Le monitoring de veille concurrentielle automatise la collecte d'information. Make scrape les sites des concurrents ou les flux RSS sectoriels à intervalles réguliers, envoie les nouveaux contenus à Claude pour résumé et analyse d'impact, compile un rapport hebdomadaire dans Google Docs, et l'envoie par email au comité de direction. La veille passe de réactive (à la demande) à proactive (l'information vient à vous automatiquement).
La production de contenu en série permet de scaler le marketing. Un tableau Google Sheets contient les sujets d'articles avec un brief par ligne. Make lit chaque ligne, envoie le brief à Claude avec les instructions de rédaction (ton, longueur, mots-clés, liens internes), récupère l'article généré, le formate et l'envoie dans WordPress en brouillon.
Un scénario Make typique avec IA suit un pattern en quatre phases. Le déclencheur (trigger) lance le scénario : un nouvel email, un nouveau lead dans le CRM, un fichier déposé dans Google Drive, un webhook depuis votre site, ou un intervalle de temps programmé. La phase de collecte récupère les données nécessaires : lecture d'un email, extraction d'un fichier, appel à une API d'enrichissement.
La phase de traitement IA envoie les données au modèle de langage avec un prompt structuré et récupère la réponse. Les bonnes pratiques incluent un prompt système fixe et un prompt utilisateur dynamique construit à partir des données du scénario, un choix de modèle adapté au coût et à la complexité, et une gestion d'erreur robuste.
La phase d'action exploite la réponse de l'IA pour agir : mise à jour du CRM, envoi d'email, création de document, notification. Les scénarios avancés incluent des routers et des itérateurs pour traiter des lots de données en boucle.
Make est couvert dans nos formations Agents IA avec des exercices pratiques de construction de scénarios sur vos propres cas d'usage métier. Almera utilise Make en interne pour ses propres automatisations et partage son expertise opérationnelle en formation. Certifié Qualiopi, finançable OPCO. Voir le catalogue.
Ce terme s'inscrit dans une logique plus large de déploiement d'agents IA métiers dans les organisations. Almera accompagne les grands comptes sur la structuration et le déploiement d'agents Copilot Studio et GPTs personnalisés, du diagnostic à l'autonomie des équipes. Pour cadrer votre démarche, consultez notre approche de la transformation IA en entreprise.
