Créer un agent IA avec n8n : guide pas à pas

Qu’est-ce qu’un agent IA, et en quoi diffère-t-il d’un workflow ?

Un agent IA est un programme auquel on confie un objectif, une boîte à outils et une consigne écrite, et qui décide lui-même de la suite d’actions à mener pour atteindre cet objectif. C’est la définition la plus courte que je connaisse, et c’est aussi la plus utile : tout le reste en découle, y compris les ennuis.

Dans n8n, cette bascule tient à un nœud. Tant que vous reliez des nœuds entre eux, vous écrivez un workflow. Dès que vous posez un nœud AI Agent et que vous lui accrochez des outils, vous déléguez l’enchaînement à un modèle de langage.

Workflow : des étapes fixées à l’avance

Un workflow n8n est une suite de nœuds reliés dans l’ordre que vous avez décidé. Un formulaire arrive, on vérifie que l’adresse e-mail est valide, on crée la fiche dans le CRM, on envoie l’accusé de réception. Toujours dans cet ordre, toujours de la même façon. C’est prévisible, rapide, peu coûteux, et quand quelque chose casse, vous voyez exactement à quel nœud.

C’est cette logique qui fait tourner la plupart des automatisations que je livre. Sur le gestionnaire de commandes d’une entreprise de transport bretonne, la commande arrive, le stock est mis à jour, le PDF aux normes du client est généré et la demande de transport part par API : en une minute, la commande est traitée. Aucun agent là-dedans, et c’est très bien ainsi.

Agent IA : un objectif, des outils, et le modèle qui décide

Avec un agent, vous n’écrivez plus l’enchaînement. Vous écrivez ce que l’agent doit accomplir, ce qu’il a le droit d’utiliser, et ce qu’il lui est interdit de faire. À chaque tour de boucle, le modèle relit la demande, choisit un outil, lit le résultat, et recommence jusqu’à ce qu’il estime avoir répondu.

C’est ce qui rend l’agent capable d’encaisser une demande formulée en texte libre — « est-ce qu’on livre encore le modèle de l’an dernier en 40 cm, et à quel prix pour un revendeur ? » — là où un workflow classique aurait besoin d’un champ par information.

Quand l’agent est le bon choix — et quand il ne l’est pas

Ma règle tient en une phrase : si vous pouvez écrire l’enchaînement complet sur une feuille de papier sans jamais avoir besoin d’écrire « ça dépend », c’est un workflow, pas un agent.

Ce qu’il faut avant de commencer

Trois choses, pas une de plus. Comptez une demi-heure pour les réunir si vous partez de zéro.

n8n cloud ou n8n auto-hébergé

Le cloud est le plus rapide pour commencer : rien à installer, mises à jour comprises, facturation à l’exécution. L’auto-hébergé devient nécessaire quand vos données ne doivent pas sortir de votre infrastructure, quand les volumes rendent la facturation à l’exécution coûteuse, ou quand il vous faut des dépendances particulières. Beaucoup d’entreprises prototypent sur le cloud, puis basculent en auto-hébergé une fois l’usage confirmé.

Une clé d’API de modèle de langage

Créez un compte chez un fournisseur de modèle, générez une clé, et posez d’emblée une limite de dépense mensuelle sur ce compte. C’est le seul garde-fou qui fonctionne vraiment quand un agent part en boucle un dimanche soir.

Les accès aux outils que l’agent va manipuler

CRM, tableur, messagerie, base documentaire : listez à l’avance ce à quoi l’agent devra toucher, et créez pour lui un compte dédié avec les droits strictement nécessaires. Un compte technique séparé vous permet de voir, dans les journaux de vos outils, ce que l’agent a fait — et de lui couper l’accès en dix secondes.

Étape 1 — Créer le workflow et choisir le déclencheur

Créez un workflow vide et nommez-le tout de suite d’un nom qui dit ce qu’il fait. Le déclencheur détermine la forme de l’entrée que l’agent recevra :

• Chat Trigger — l’interface de discussion intégrée à n8n. C’est celui à utiliser pour vos essais : vous parlez à l’agent et vous voyez sa réponse immédiatement.
• Webhook — pour brancher l’agent derrière un formulaire, une messagerie d’équipe ou votre propre application.
• E-mail ou horaire — pour un agent qui traite une boîte de réception, ou qui tourne chaque matin sur les demandes de la veille.

Commencez toujours par le Chat Trigger, même si l’agent finira branché ailleurs : la boucle de correction est dix fois plus courte.

Étape 2 — Ajouter le nœud AI Agent

Ajoutez le nœud AI Agent à la suite du déclencheur. Il arrive avec trois points d’accroche sous lui : un pour le modèle de langage, un pour la mémoire, un pour les outils. Ces trois connecteurs sont toute l’architecture : tant qu’ils sont vides, l’agent ne sait rien faire.

Reliez la sortie du déclencheur à l’entrée de l’agent, et vérifiez que le champ de la demande pointe bien sur le texte reçu. C’est l’erreur de débutant la plus fréquente : l’agent reçoit un objet vide et répond très poliment à côté.

Étape 3 — Brancher le modèle de langage

Accrochez un modèle au premier connecteur et collez-y votre clé d’API. Prenez d’abord le modèle le plus capable du fournisseur : à ce stade, vous cherchez à savoir si votre logique tient debout, pas à économiser trois euros.

Une fois l’agent fonctionnel, testez un modèle plus léger sur votre jeu de tests. S’il tient le même niveau, gardez-le : c’est le levier d’économie le plus efficace, et n8n permet d’en changer en un clic.

Étape 4 — Écrire l’instruction système

C’est le vrai travail, et c’est là que se joue la fiabilité de l’agent. Une instruction système n’est pas un slogan, c’est un mode d’emploi : elle décrit un rôle, une méthode, des interdits et la conduite à tenir en cas de doute.

Décrire le rôle, le périmètre et le ton

Dites qui il est, pour qui il travaille, sur quels sujets il répond — et surtout ce qu’il doit faire quand la question sort de ce périmètre. Un agent sans frontières répond à tout, y compris à ce qu’il ignore.

Tu es l'assistant interne de [Entreprise]. Tu réponds aux
questions des commerciaux sur les produits, les tarifs et
les délais de livraison.

Méthode
1. Cherche toujours dans la base documentaire avant de
   répondre (outil recherche_documents).
2. Cite le nom du document et sa date dans ta réponse.
3. Si la réponse n'est pas dans les documents, dis-le
   clairement et propose de créer une demande interne.

Interdits
- Ne jamais inventer un prix, une remise ou un délai.
- Ne jamais écrire à un client final.
- Ne jamais modifier une fiche sans validation humaine.

Ton : factuel, cinq lignes maximum, pas de formule creuse.

Dire explicitement ce que l’agent n’a pas le droit de faire

Un modèle de langage cherche à être utile ; sans interdit écrit, il comblera un trou d’information par une invention plausible. La liste des interdits est donc la partie la plus rentable de l’instruction — et celle que j’enrichis à chaque fois qu’un test révèle un dérapage.

Étape 5 — Donner des outils à l’agent

Un outil, dans n8n, c’est un nœud accroché sous l’agent, accompagné d’une description en français. Cette description est lue par le modèle : c’est elle, et elle seule, qui lui dit quand appeler l’outil. Une description floue produit un agent qui appelle n’importe quoi, n’importe quand.

Un outil de recherche dans vos documents

Le cas d’usage le plus fréquent : on indexe les documents de l’entreprise dans une base vectorielle, on expose la recherche comme un outil, et l’agent va chercher les passages pertinents avant de répondre. C’est exactement l’architecture d’un chatbot IA sur vos documents internes, avec en plus la capacité d’agir.

Un outil d’écriture dans un CRM ou un tableur

Dès que l’agent écrit quelque part, nommez l’outil par son effet et décrivez sa condition d’appel dans la description. Les paramètres doivent être typés et peu nombreux : plus le contrat est serré, moins le modèle a de latitude pour improviser.

{
  "name": "creer_fiche_prospect",
  "description": "Crée une fiche prospect dans le CRM.
    N'appeler qu'après confirmation explicite de
    l'utilisateur, jamais de sa propre initiative.",
  "parameters": {
    "societe": "string — raison sociale",
    "email": "string — e-mail de contact",
    "source": "string — salon | site web | recommandation"
  }
}

Un sous-workflow comme outil

Vos automatisations existantes peuvent devenir des outils : n8n permet d’exposer un workflow entier comme un outil appelable par l’agent. C’est la meilleure façon de réutiliser ce qui marche déjà, et de garder les traitements sensibles dans un workflow classique, vérifiable, plutôt que de les confier au modèle.

Ne donnez jamais à un agent un outil irréversible Suppression de données, envoi d’e-mail à un client, écriture en comptabilité, remboursement : ces actions passent par une validation humaine, pas par le modèle. Un agent qui ne dispose pas de l’outil pour supprimer ne supprimera jamais rien — c’est le seul garde-fou qui ne dépend pas de la qualité de votre instruction système.

Étape 6 — Ajouter une mémoire de conversation

Sans mémoire, chaque message repart de zéro : l’agent oublie la question précédente et vous oblige à tout répéter. Accrochez une mémoire au deuxième connecteur, et limitez-la à une dizaine d’échanges. Une mémoire trop longue coûte cher — elle est renvoyée au modèle à chaque tour — et finit par noyer la demande en cours sous l’historique.

Si plusieurs personnes utilisent le même agent, vérifiez que la mémoire est bien cloisonnée par utilisateur. Deux conversations qui se mélangent, c’est au mieux une réponse incohérente, au pire une fuite d’information entre collègues.

Étape 7 — Tester l’agent sur de vrais cas

Un agent qui répond correctement aux trois questions que vous venez d’inventer n’a rien prouvé. Le test, c’est la confrontation à vos demandes réelles, y compris les mal écrites.

Construire un jeu de tests

Rassemblez vingt à trente cas tirés de vos vraies demandes — e-mails, tickets, questions posées en réunion — avec pour chacun la réponse attendue. Rejouez ce jeu à chaque modification de l’instruction ou des outils. Sans lui, vous ne mesurez rien : vous espérez.

Lire les traces d’exécution pour comprendre ses décisions

n8n affiche, pour chaque exécution, la suite des appels d’outils et ce que l’agent a reçu en retour. C’est là que vous voyez qu’il a interrogé la base documentaire avec trois mots trop vagues, ou qu’il a sauté l’outil de recherche. On corrige alors l’instruction ou la description de l’outil, plutôt que de deviner.

Étape 8 — Gérer les erreurs et les cas limites

Une API qui ne répond pas, un document introuvable, une question hors périmètre, une boucle qui s’emballe : ce sont les cas normaux, pas les cas rares. Fixez un nombre maximum de tours, prévoyez une réponse de repli explicite (« je n’ai pas trouvé, voici à qui s’adresser »), et branchez un workflow d’erreur qui vous envoie un e-mail immédiat.

L’objectif n’est pas qu’il ne se trompe jamais, c’est que vous soyez au courant avant l’utilisateur.

Étape 9 — Mettre en production et surveiller

Activez le workflow, branchez le déclencheur définitif, et ouvrez l’accès à un petit groupe d’abord — trois à cinq personnes pendant deux semaines. Surveillez trois indicateurs : le nombre d’exécutions en erreur, le coût des appels au modèle, et les questions auxquelles l’agent n’a pas su répondre. Cette dernière liste est la plus précieuse : elle dit exactement ce qu’il manque dans vos documents ou dans vos outils.

Ensuite, reprenez l’instruction système une fois par mois. Un agent n’est jamais fini : il suit la vie de l’entreprise, ses nouveaux produits et ses nouvelles règles.

Combien coûte un agent IA sous n8n ?

Trois lignes de coût, à ne pas confondre.

• La plateforme — gratuite en auto-hébergé, hors coût du serveur ; sur abonnement ou à l’exécution en cloud.
• Les appels au modèle — facturés au volume de texte traité : quelques euros à quelques dizaines d’euros par mois pour un usage interne, davantage si l’agent traite des milliers de demandes.
• La mise en œuvre — un agent que je mets en production démarre autour de 2 500 € HT, jeu de tests, gestion d’erreurs et formation compris.

Le poste qu’on oublie systématiquement, c’est le troisième : construire l’agent prend deux heures, le rendre fiable prend deux semaines.

Les cinq erreurs que je vois le plus souvent

1. Donner dix outils d’un coup. Le modèle se disperse et choisit mal. Un outil, un test, puis le suivant.
2. Écrire une instruction système en trois lignes. Sans méthode ni interdits, l’agent improvise — et il improvise très bien, ce qui est précisément le problème.
3. Mettre un agent là où un workflow suffisait. Plus cher, plus lent, moins prévisible, pour un processus qui ne varie jamais.
4. Sauter le jeu de tests. L’agent marche le jour de la démonstration, puis rencontre la vraie vie le lendemain.
5. Laisser l’agent agir seul sur l’irréversible. Aucune instruction système ne remplace une validation humaine avant un envoi ou une suppression.

À retenir

• Un agent IA, c’est un objectif, des outils et une instruction : le modèle décide de l’enchaînement, vous ne l’écrivez pas.
• Cinq briques suffisent dans n8n : déclencheur, nœud AI Agent, modèle de langage, instruction système, outils.
• Sur un processus stable et répétitif, un workflow classique reste moins cher, plus rapide et plus prévisible qu’un agent.
• L’instruction système est le vrai travail : rôle, méthode, interdits, conduite à tenir en cas de doute.
• Un agent qui ne dispose pas de l’outil pour supprimer ne supprimera jamais : limitez les outils au strict nécessaire.
• Sans jeu de tests rejoué à chaque modification, vous ne mesurez rien.
• Comptez une à deux heures pour un premier agent en test, une à deux semaines pour un agent fiable en production.