Votre guide

Les 3 automatisations par lesquelles je fais commencer mes clients

Je les propose en premier quand un indépendant ou un dirigeant me montre son quotidien. Chacune part d’un cas réel, raconté en détail sur le blog ; ici, le schéma, les coûts et les pièges pour la monter dans Make ou dans n8n.

Lilian Sevoumian · mis à jour le 18 octobre 2026

1. Trier et résumer ses e-mails avec un agent IA

Le cas

Un conseiller en gestion de patrimoine indépendant, seul dans son cabinet. Sa boîte lui prend deux heures de tri par jour : notes de marché des sociétés de gestion, propositions de placement, invitations à des webinaires et, au milieu, les vraies demandes de ses clients. Ses règles Outlook ne suffisent plus : aucune règle ne distingue un webinaire d’une note de marché quand les deux viennent du même expéditeur.

Son calcul, posé pendant l’appel : « si je réduis ce temps ne serait-ce que de moitié, je récupère cinq heures par semaine ». C’est son objectif, pas encore un résultat mesuré.

Le schéma

Agent 1, à chaque e-mail reçu. Il lit le message et le range dans une catégorie : Communication, Fonds structurés, Immobilier, À ignorer, Urgent. Ses instructions reprennent, en français, la règle que le client applique déjà : un e-mail qui se traite en moins de cinq minutes se fait tout de suite, sinon il part dans l’agenda.

Agent 2, le vendredi à 18 h. Il lit les e-mails de la semaine rangés dans Communication, rédige une note de synthèse et la dépose en PDF dans un dossier OneDrive.

Étape Make n8n
Déclencheur Module Microsoft 365 Email (ou Gmail) qui surveille la boîte Microsoft Outlook Trigger (ou Gmail Trigger)
Tri Make AI Agents, avec un modèle Mistral Node AI Agent, avec un modèle Mistral
Rangement Module Outlook qui déplace le message ou lui pose une catégorie Node Microsoft Outlook, même action
Résumé Scénario planifié le vendredi à 18 h Schedule Trigger, le vendredi à 18 h
Dépôt Module OneDrive Node Microsoft OneDrive

Le client travaille sur Make. La version n8n pas à pas, avec Gmail et Todoist, est dans le guide Agent IA n8n : transformer ses mails en tâches.

Ce qu’il faut prévoir

  • Un compte Make ou n8n, l’accès à la boîte (Outlook ou Gmail) et un compte chez le fournisseur du modèle.
  • Le coût du modèle se compte par e-mail. Comme repère, un calcul du 20 juin 2026 avec Claude Haiku 4.5, pour un e-mail de 2 000 tokens lus et 500 écrits : environ 0,0045 $, soit 4,50 $ pour 1 000 e-mails.
  • Dans Make, chaque e-mail traité consomme des crédits, et brancher votre propre clé de modèle demande un plan payant. Le plan Core coûte 9 $ par mois facturé à l’année, pour 10 000 crédits (tarif relevé le 9 octobre 2026).
  • Les connexions se posent en une dizaine de minutes. Le temps part dans les deux ou trois séries de corrections des instructions.

Les pièges

  • Les données sensibles. Les e-mails de ce conseiller contiennent des patrimoines et des avis d’imposition. Il a choisi Mistral, un modèle européen, et vérifié où les données restent stockées : dans son environnement Microsoft, l’IA ne fait que les traiter au passage. Ne montrez à l’agent que les champs dont il a besoin.
  • Les règles écrites comme du code. « Si l’expéditeur est X » casse dès qu’un expéditeur envoie deux types de messages. Écrivez le jugement que vous appliquez déjà, en français, comme vous l’expliqueriez à un stagiaire.
  • La mise en route. Laissez tourner l’agent une semaine sur de vrais e-mails et relisez des échantillons. Comptez deux ou trois passages : le premier relève les erreurs de catégorie, le suivant vérifie que le tri tient sur la majorité des messages, le dernier règle les cas limites.
  • Le coût de lecture. Un libellé ou une règle de messagerie posée avant l’agent lui évite de lire des e-mails qui n’ont pas besoin d’IA.
  • Le périmètre. Un seul agent, une seule douleur, puis le suivant. Le résumé du vendredi ne vaut que si le tri est déjà propre.

Le récit complet : Deux agents IA pour trier et résumer sa boîte mail.

2. Ne plus ressaisir les documents reçus

Le cas

Un e-commerçant en compléments alimentaires vend sur Shopify. Ses clients professionnels lui envoient leurs bons de commande par e-mail : des PDF pour les pharmacies, des tableurs pour les salles de sport. Pour chacun, il fallait lire le bon, recopier les lignes dans Shopify, puis faire la facture. Vingt minutes par commande, à quinze ou vingt commandes par jour.

Même problème avec un autre document dans une PME qui distribue du matériel informatique : une personne recopiait à la main dans l’ERP les fiches produits PDF des fournisseurs, des dizaines de références à chaque nouvelle gamme.

Le schéma

  1. Une boîte mail dédiée reçoit les documents. Un libellé par type de pièce jointe oriente vers la bonne branche du scénario.
  2. L’IA lit le PDF ou le tableur et en sort des données rangées : le client, les produits, les quantités.
  3. Un second agent compare ce résultat au document d’origine et donne un score de cohérence.
  4. Le scénario crée la commande dans Shopify, puis la facture dans l’outil de comptabilité, avec les conditions tarifaires du client.
  5. En fin de journée, un contrôle vérifie que le nombre de commandes égale le nombre de factures. Une alerte Slack ne part qu’en cas d’écart.
Étape Make n8n
Réception Module Gmail qui surveille la boîte, pièces jointes comprises Gmail Trigger, avec le téléchargement des pièces jointes
Lecture Module d’IA (Mistral, Claude ou celui de Make) avec le fichier en entrée Extract from File, puis Information Extractor ou AI Agent
Commande Module Shopify de création de commande Node Shopify, création de commande
Facture Module de votre logiciel de comptabilité, ou HTTP vers son API HTTP Request vers l’API du logiciel
Alerte Module Slack Node Slack

Pour la PME, une autre approche : un scénario Make exposé en serveur MCP, avec trois outils (rechercher, créer, mettre à jour un produit). Claude lit les fiches une par une, cherche d’abord si le produit existe, puis le crée ou le met à jour. Un humain relit le lot.

Ce qu’il faut prévoir

  • Des exemples réels de chaque format de document, les plus mal fichus compris : ce sont eux qui font échouer la lecture.
  • Une boîte mail réservée aux documents à traiter.
  • Le coût du modèle se compte par document. Si vous ajoutez le serveur MCP Shopify pour créer les clients inconnus (voir les pièges), comptez un peu plus de tokens.

Les pièges

  • Les formats qui changent. Chaque client a sa mise en page. Les unités diffèrent aussi : « 40 collagènes » côté pharmacie, des packs de 24 côté Shopify. Et le prix du bon prime sur le prix catalogue. Testez la lecture sur un document de chaque client avant de brancher la création de commande.
  • Les erreurs silencieuses. Sur un produit récent, le scénario a pris le taux de TVA pour la quantité : 20 unités créées au lieu d’une. D’où l’agent vérificateur et le contrôle des compteurs.
  • Le client inconnu. Le scénario plantait quand le client n’existait pas encore dans Shopify. Prévoyez dès le départ la branche qui le crée : ici, un serveur MCP Shopify branché dans l’agent.
  • Les doublons. Cherchez toujours avant de créer : dans la PME, l’outil de recherche passe en premier. Quand l’ERP répond « ce numéro de TVA existe déjà », laissez ce contrôle bloquer la création au lieu de le contourner.
  • La confiance. Le vrai blocage de l’e-commerçant : ne pas savoir quand le scénario se trompe. Validez à la main les dix ou vingt premières commandes, puis retirez l’étape. Une validation sans date de fin finit par bloquer la file (voir le cas suivant).
  • La description des outils. Pour un serveur MCP, décrivez chaque paramètre (« référence fournisseur, format ABC-123 ») : c’est là que se joue 80 % de la qualité.

Les récits complets : les bons de commande B2B d’un e-commerçant et une IA branchée sur l’ERP d’une PME.

3. Facturer à chaque commande

Le cas

Une PME vend à des professionnels sur Shopify et tient sa comptabilité dans Pennylane. À chaque commande, quelqu’un retrouvait ou créait le client dans Pennylane, puis faisait la facture à la main. Vingt à trente commandes par jour : un temps plein de ressaisie.

C’est le seul des trois cas mesuré en production. Le cœur du workflow (commande, client, facture) a supprimé à lui seul 90 % de la charge. Pendant le mois de rodage, l’automatisation tournait déjà à 95 % : ce mois a servi à aller chercher les 5 % restants.

Le schéma

Ce client travaille sur n8n.

  1. Shopify Trigger sur la création de commande : chaque commande entre dans une file.
  2. Toutes les cinq minutes, un Schedule Trigger prend un lot de commandes, traité avec Loop Over Items et une pause entre deux appels.
  3. HTTP Request vers Pennylane : chercher le client par son SIREN, le créer s’il n’existe pas.
  4. HTTP Request : créer la facture en brouillon, avec les lignes et les montants de Shopify. Les brouillons sont validés en lot le soir.
  5. Un node IF repère les commandes livrées en plusieurs envois et prévient l’équipe dans Slack.

Pennylane n’a pas de node dans n8n : tout passe par HTTP Request et son API.

Étape n8n Make
Déclencheur Shopify Trigger, création de commande Module Shopify qui surveille les commandes
File et débit Schedule Trigger et Loop Over Items, avec une pause Data store comme file, scénario planifié, module Sleep
Client HTTP Request : recherche par SIREN, puis création HTTP : recherche, puis création
Facture HTTP Request, en brouillon HTTP, en brouillon
Cas particuliers IF, puis Slack Router avec filtre, puis Slack

Ce qu’il faut prévoir

  • Un accès à l’API Pennylane et un SIREN sur chaque fiche client. Ici, beaucoup de fiches n’en avaient pas : le nettoyage s’est fait à partir d’un export Excel, avec Claude Code et un serveur MCP Pennylane, en une conversation.
  • Des exécutions en nombre. Un déclencheur planifié toutes les cinq minutes représente entre 8 600 et 8 900 exécutions par mois, au-delà des 2 500 du plan Starter de n8n Cloud (20 € par mois facturé à l’année). Le plan Pro en donne 10 000 pour 50 € par mois (tarifs relevés le 9 octobre 2026). En auto-hébergé, pas de quota d’exécutions.
  • Deux semaines de surveillance quotidienne après la mise en production : c’est là que sortent les cas que personne n’avait décrits.

Les pièges

  1. Les doublons de clients. L’e-mail d’un client professionnel change, son SIREN non. Cherchez par SIREN.
  2. La validation qui bloque tout. Des boutons de validation dans Slack ont arrêté la file quand la personne qui validait était absente, et ont produit des factures en double. On les a remplacés par les brouillons validés en lot et par la surveillance quotidienne.
  3. La limite de l’API. Envoyez 200 créations de factures en dix secondes et une partie se perd. Pensez au débit dès la conception : monter la file ne demande que cinq minutes de travail en plus.
  4. La règle jamais écrite. L’échéance de paiement était supposée à 30 jours par défaut. Elle figurait en fait sur chaque bon de commande. Avant de coder une valeur par défaut, demandez où l’équipe la lit aujourd’hui.
  5. Les avoirs de l’ancien logiciel. Sans borne de date, des avoirs déjà soldés auraient été déduits une seconde fois. La borne retenue : la date de la migration.
  6. Trois e-mails pour une commande. Le client recevait trois e-mails pour la même commande. Gardez un seul point de sortie pour les e-mails qui lui sont envoyés.

Une facture fausse ne se rattrape pas : il faut émettre un avoir. D’où les brouillons.

Dans Make, chez un artisan, le scénario lit l’intervention dans le logiciel métier, applique l’indice de révision et prépare la facture (le cas de l’artisan).

Les récits complets : de Shopify à Pennylane avec n8n et ce qui se passe après la mise en production.

Par laquelle commencer

Par celle qui touche votre tâche la plus fréquente. Si vous hésitez, suivez l’ordre du guide :

  1. Le tri des e-mails ne modifie rien d’important : au pire, un message est mal rangé. C’est le bon terrain pour apprendre à écrire des instructions à un agent.
  2. La lecture des documents crée des données dans vos outils : gardez une validation humaine sur les premiers lots.
  3. La facturation produit des pièces comptables : des brouillons d’abord, et un rodage surveillé.

Dans les trois cas, une seule douleur à la fois, testée sur de vrais exemples et relue pendant le rodage avant de tourner seule.

Pour les monter vous-même

Chaque formation reprend l’outil depuis le début. Paiement unique, accès à vie, garantie de 14 jours.