Cabinet de stratégie IA · 100 % remote · France & Europe
⭐ CHAPITRE FINAL CHAPITRE 8 / 8 20 min de lecture

Construire votre
premier agent.
Étape par étape.

Vous avez lu 7 chapitres. Maintenant, on construit pour de vrai.

Cas pratique : un agent qui trie automatiquement vos emails entrants en 4 catégories (urgent, lead commercial, support, autre) et notifie l'équipe en cas d'urgence. Construit avec n8n + Claude. Toutes les étapes, tous les paramètres, tous les pièges.

1. Le cas d'usage : agent de tri d'emails

Problème métier réel : votre équipe (ou vous-même) reçoit 50 à 200 emails par jour. Le temps perdu à trier (ouvrir, lire 2 lignes, classer) est massif. Les emails urgents se perdent dans le flot. Les leads commerciaux ne sont pas qualifiés assez vite.

Notre agent va :

  1. Recevoir chaque nouvel email entrant (via Gmail)
  2. Lire et analyser le contenu
  3. Classer dans 1 catégorie : urgent, lead, support, autre
  4. Ajouter un label Gmail correspondant
  5. Si urgent : notifier sur Slack en mentionnant la personne concernée
  6. Si lead : ajouter ligne dans le CRM (Airtable simulé)
  7. Logger l'action pour traçabilité

Architecture : ReAct simple, modèle économique (Claude Haiku), 3 outils, mémoire court terme uniquement, garde-fous techniques.

Coût estimé : 1 à 5 €/mois pour 100 emails/jour. Gain estimé : 30 minutes par jour pour la personne qui faisait le tri. ROI immédiat.

2. Prérequis et setup

Ce dont vous avez besoin

  • n8n installé et accessible (cloud ou auto-hébergé). Pour ce tutoriel, on suppose n8n auto-hébergé sur Hostinger France comme recommandé dans nos cours.
  • Compte Anthropic avec une clé API. console.anthropic.com → API Keys → Create Key. Ajoutez 5 à 10 € de crédit pour démarrer.
  • Compte Gmail avec OAuth configuré dans n8n (workflow setup → ajouter credentials Gmail).
  • Workspace Slack avec un webhook entrant configuré (Slack → Apps → Incoming Webhooks → Add to Slack → choisir un canal).
  • Base Airtable avec une table "Leads" (4 colonnes : email, nom, sujet, date_creation). API key Airtable.

Tous ces setups prennent 30 à 45 minutes au total si vous démarrez de zéro.

3. Architecture du workflow n8n

4. Étape 1 : Le déclencheur Gmail

Dans n8n, créez un nouveau workflow et ajoutez le nœud Gmail Trigger.

Configuration

  • Authentication : votre compte Gmail OAuth
  • Event : "Message Received"
  • Polling Interval : Every 5 minutes (raisonnable pour démarrer)
  • Filters : "Has Label : INBOX" (uniquement boîte de réception)
  • Options : Cochez "Include Attachments" : NON, "Include Spam and Trash" : NON

Test : envoyez-vous un email de test, attendez 5 min, vous devriez voir l'email apparaître dans l'output du nœud.

5. Étape 2 : Le nœud AI Agent

Ajoutez le nœud AI Agent connecté en sortie du Gmail Trigger.

Configuration de base

  • Agent Type : "Tools Agent" (utilise function calling natif)
  • Prompt source : "Define below"
  • User Message : Voir paragraphe suivant

Le User Message

C'est ce qu'on envoie à l'agent à chaque exécution. Avec les variables Gmail récupérées du déclencheur :

6. Étape 3 : Le system prompt (le plus important)

Dans le nœud AI Agent, section "Options" → "System Message". C'est là que se joue 80 % de la qualité.

7. Étape 4 : Le modèle (Chat Model)

Sous le nœud AI Agent, ajoutez un sous-nœud "Anthropic Chat Model".

Configuration

  • Credentials : votre clé API Anthropic
  • Model : claude-haiku-4-5-20251001 (économique et largement suffisant pour ce cas)
  • Options :
    • Temperature : 0.1 (on veut des décisions cohérentes, pas de la créativité)
    • Max Tokens : 500 (réponses courtes en JSON)

8. Étape 5 : Les 3 outils

Outil 1 : add_label (Gmail)

Sous le nœud AI Agent, dans la section "Tools", ajoutez un nœud Gmail (configuré comme outil) :

  • Tool Name : add_label
  • Tool Description : "Applique un label Gmail à un message. Utiliser après avoir classé chaque email. Paramètres : message_id (ID Gmail) et label (nom du label : 'AI/Urgent', 'AI/Lead', 'AI/Support', ou 'AI/Autre')."
  • Resource : Message
  • Operation : Add Labels
  • Message ID : {{ $fromAI('message_id') }}
  • Labels : {{ $fromAI('label') }}

Outil 2 : notify_slack (HTTP Request)

  • Tool Name : notify_slack
  • Tool Description : "Envoie une notification Slack pour les emails URGENTS uniquement. NE PAS utiliser pour les autres catégories. Paramètres : urgency_level (toujours 'urgent'), email_subject (sujet de l'email), sender (expéditeur)."
  • Method : POST
  • URL : votre webhook Slack (https://hooks.slack.com/...)
  • Body (JSON) : 
    {
  "text": "🚨 EMAIL URGENT\n*De :* {{ $fromAI('sender') }}\n*Sujet :* {{ $fromAI('email_subject') }}",
  "channel": "#emails-urgents"
}

Outil 3 : create_lead (Airtable)

  • Tool Name : create_lead
  • Tool Description : "Crée une nouvelle entrée dans la base Leads pour les emails de prospects. Utiliser uniquement pour catégorie LEAD. Paramètres : email (adresse expéditeur), nom (nom extrait de l'email ou de la signature, sinon 'Inconnu'), sujet (sujet de l'email)."
  • Operation : Create Record
  • Base : votre base Airtable
  • Table : Leads
  • Fields :
    • email = {{ $fromAI('email') }}
    • nom = {{ $fromAI('nom') }}
    • sujet = {{ $fromAI('sujet') }}
    • date_creation = {{ $now }}

9. Étape 6 : Garde-fous configurés dans le AI Agent

Dans les options du nœud AI Agent, configurez :

  • Max Iterations : 5 (largement suffisant pour ce cas, évite les boucles)
  • Return Intermediate Steps : ON (utile pour debugging)
  • Pass Through Binary Image Files : OFF (on ne traite pas les pièces jointes)

10. Étape 7 : Le log final (Postgres)

Après le AI Agent, ajoutez un nœud Postgres pour logger chaque exécution :

  • Operation : Insert
  • Table : email_triage_logs (à créer en amont avec les colonnes : id, timestamp, email_from, email_subject, categorie, actions, raw_response)
  • Mapping :
    • timestamp = {{ $now }}
    • email_from = {{ $('Gmail Trigger').item.json.from.value[0].address }}
    • email_subject = {{ $('Gmail Trigger').item.json.subject }}
    • categorie = {{ $json.categorie }}
    • actions = {{ JSON.stringify($json.actions_effectuees) }}
    • raw_response = {{ JSON.stringify($json) }}

11. Étape 8 : Tests obligatoires avant production

Ne jamais activer en prod sans tester. Voici les 5 cas à valider :

Si un test échoue, voir chapitre 7 pour la démarche de debugging. Souvent : ajuster le system prompt, retester.

12. Étape 9 : Activation et monitoring

Une fois les tests OK, dans n8n : Activate en haut à droite.

Le workflow tourne maintenant toutes les 5 minutes et traite les nouveaux emails.

Monitoring premier mois

  • Jour 1 à 7 : vérifiez tous les emails traités à la main, comparez la classification de l'agent à la vôtre. Notez les erreurs.
  • Jour 8 à 14 : ajustez le system prompt selon les erreurs identifiées. Testez après chaque modification.
  • Jour 15 à 30 : faites un audit hebdomadaire (10 emails aléatoires par semaine). Documentez le taux de classification correcte (objectif > 85 %).
  • Mois 2+ : routine d'optimisation continue (chapitre 7).

13. Évolutions possibles

Une fois la version 1 stabilisée, voici 5 évolutions naturelles :

  1. Ajouter une catégorie "FACTURE" : détecter les factures fournisseurs et les ranger dans un dossier dédié.
  2. Auto-réponse pour les LEADS : générer une première réponse automatique pour les prospects ("Merci de votre intérêt, nous revenons vers vous sous 24h"). Ajouter le HITL niveau 2 pour validation avant envoi.
  3. Routage par destinataire : selon l'expéditeur (client connu vs inconnu), router vers la bonne équipe (Slack channel différent).
  4. Mémoire long terme : se souvenir que tel client a déjà 5 incidents en 30 jours = priorité haute automatique.
  5. Multi-agents : l'agent de tri devient l'orchestrateur, qui passe les LEADS à un agent commercial spécialisé, les SUPPORT à un agent support spécialisé.

14. Récapitulatif final du cours

Vous avez parcouru les 8 chapitres. Voici ce que vous savez maintenant :

15. Et maintenant ?

Vous avez les bases pour passer à l'action. Trois recommandations :

1. Construisez l'agent du chapitre 8 ce week-end

Compter 4 à 6 heures pour un débutant qui suit le tutoriel. Vous aurez un agent réel qui vous fait gagner 30 min par jour. ROI immédiat.

2. Passez à un cas métier spécifique au mois prochain

Une fois confiance acquise sur l'agent de tri, identifiez votre vraie douleur métier (relances factures ? prospection ? rapports clients ?). Construisez l'agent dédié. Itérez 3-4 fois avant déploiement large.

3. Si vous bloquez, AzenFlow est là

On a déployé cette architecture chez plus de 9 PME françaises. Audit gratuit 45 min pour cadrer votre projet, ou prestation n8n clé en main si vous voulez aller vite.

16. Le mot de la fin

Les agents IA sont le sujet technique le plus important pour les TPE et PME en 2026. Pas comme une révolution lointaine, mais comme un levier opérationnel concret que vous pouvez activer dans votre activité dès maintenant.

Ce cours vous a donné les fondamentaux théoriques (chapitres 1-7) et la pratique (chapitre 8). Les outils sont matures, les coûts sont accessibles, l'écosystème (n8n, Claude, MCP, Hostinger France) couvre vos besoins de bout en bout.

La seule chose qui manque, c'est de commencer. Bonnes constructions, et n'hésitez pas à partager vos succès (et vos échecs) avec nous.

Matthias Marin, fondateur AzenFlow

QUESTIONS FRÉQUENTES

Sur la construction de votre agent.

Combien de temps réellement pour construire cet agent ?

Pour quelqu'un qui n'a jamais touché n8n : compter 6 à 10 heures (incluant le setup VPS si pas déjà fait, comptes API, lecture du tutoriel, construction, tests, ajustements). Pour quelqu'un qui maîtrise déjà n8n : 2 à 3 heures. Le tutoriel ci-dessus est volontairement détaillé pour ne rien zapper. Une fois le pli pris, le 2e agent sera 3x plus rapide.

Quel coût mensuel réel pour 100 emails/jour ?

Calcul concret : 100 emails × 30 jours = 3000 exécutions/mois. Chaque exécution consomme ~2000 tokens (input + output) avec Claude Haiku. Total : 6M tokens/mois × 0,8€/1M tokens = ~5€/mois. + VPS Hostinger 8€ + Slack/Airtable gratuit. Total : ~13€/mois. Pour un gain de 30 min/jour à 50€/h, ROI = 750€/mois économisés. Ratio 60x.

L'agent va-t-il bien classer les emails en français ?

Claude Haiku est excellent en français (l'un des meilleurs sur le marché). Le system prompt rédigé en français renforce ça. Sur des tests internes AzenFlow avec 500 emails français réels, taux de classification correcte : 88-92 % sur les 4 catégories. Les erreurs typiques : ambiguïté entre LEAD et AUTRE pour des contacts froids vagues. Solution : ajuster le prompt avec des exemples spécifiques après 1-2 semaines d'usage réel.

Que se passe-t-il si l'API Anthropic est en panne ?

Le workflow n8n échoue pour cette exécution, l'email reste dans la boîte de réception non traité. À la prochaine exécution (5 min plus tard), n8n retentera s'il a un retry configuré. Bonne pratique : configurer un nœud "Error Trigger" qui envoie une alerte Slack si le workflow échoue, et qui requeue les emails non traités. Anthropic a un SLA de 99.9 % en pratique, donc les pannes sont rares.

Comment éviter que l'agent traite les emails que je viens d'envoyer moi-même ?

Bonne remarque. Configurer le filtre Gmail Trigger pour exclure votre propre adresse, ou ajouter un filtre n8n juste après le Gmail Trigger : {{ $json.from.value[0].address !== 'votre@email.com' }}. On peut aussi exclure les emails déjà labellés avec un filtre "label != 'AI/'".

🎉 VOUS AVEZ TERMINÉ LE COURS

8 chapitres. Agents IA maîtrisés.

Vous avez parcouru les ~30 000 mots qui couvrent l'essentiel des agents IA pour les TPE et PME. Théorie, architecture, pratique, tout est là.

Retour au sommaire Voir les autres cours →
PASSER À L'ACTION ?

Construire votre agent avec nous.

AzenFlow construit votre premier agent IA métier sur mesure. Architecture, prompt, outils, tests, formation équipe. Clé en main.

Réserver l'audit gratuit

45 min · Gratuit · Sans engagement