Vous avez probablement déjà utilisé Make pour automatiser des tâches répétitives — envoyer un email quand un formulaire est rempli, créer une ligne dans un tableur quand une commande arrive. C’est utile. Mais avec Make + Claude, on passe à une autre dimension : au lieu d’un workflow qui suit une logique figée, vous créez un agent qui réfléchit avant d’agir.
Concrètement, ça signifie qu’un même scénario peut trier des emails urgents, rédiger une réponse personnalisée, mettre à jour votre CRM et alerter votre équipe sur Slack — sans que vous ayez programmé chaque branche de décision. L’agent choisit quoi faire selon le contexte.
Pourquoi Make + Claude change vraiment la façon de travailler
La limite des automations classiques
Un scénario Make traditionnel, c’est du “si/alors”. Si le ticket est classé “urgent”, alors envoyer un SMS. Si le ticket est classé “normal”, alors créer une tâche Notion. Vous devez anticiper chaque cas, créer une branche par scénario, et tout ça devient vite ingérable dès que votre process a trois variables.
Le problème, c’est que la réalité est rarement binaire. Un email de client peut être urgent et confus, nécessiter une réponse empathique et une escalade technique, et la bonne décision dépend de dix facteurs que vous ne pouvez pas tous coder manuellement.
Ce que l’agent Make + Claude fait différemment
Depuis la refonte Next Generation de Make (février 2026), au lieu de créer une branche par cas, vous décrivez votre besoin dans un prompt structuré, vous connectez des outils qui sont en réalité des scénarios Make, et l’agent choisit quoi faire et comment.
C’est une logique déclarative : vous expliquez la mission, il décide de l’exécution.
Un agent Make repose sur quatre éléments : un system prompt qui définit la mission, le ton et les règles de décision ; un modèle LLM au choix (Claude Sonnet 4.6, GPT-5.5-mini, ou d’autres modèles compatibles) ; des outils qui sont des scénarios Make en mode On-Demand ; et une mémoire pour maintenir le contexte entre les interactions.
La puissance est là : vos scénarios Make déjà existants deviennent des outils que l’agent peut appeler. Vous n’avez pas à tout reconstruire.
Avant de commencer : ce qu’il vous faut
Un compte Make — le plan gratuit permet de tester, mais pour connecter votre propre clé API Anthropic (et donc utiliser Claude Sonnet 4.6), vous aurez besoin du plan Pro à environ 16 $/mois. Sur le plan gratuit, Make propose son propre AI Provider intégré, moins flexible mais suffisant pour un premier test.
Une clé API Anthropic — disponible sur console.anthropic.com. Comptez quelques dollars de tokens pour des tests extensifs. Claude Sonnet 4.6 est le meilleur rapport qualité/prix pour les agents Make : il est tarifé à 3 $/million de tokens en entrée et 15 $/million en sortie, avec jusqu’à 90 % d’économies via le prompt caching.
Un cas d’usage précis — l’erreur la plus fréquente est de vouloir créer “un agent qui gère tout”. Commencez par un process que vous répétez plusieurs fois par semaine et que vous connaissez bien.
Cas d’usage concret : un agent de triage d’emails de support
Voici l’exemple le plus universel et le plus rapide à mettre en place. L’agent surveille votre boîte Gmail, lit chaque email entrant, décide de la priorité, rédige une première réponse si elle s’impose, et crée un ticket dans votre outil de gestion si nécessaire.
Étape 1 : Créer le scénario déclencheur
Dans Make, créez un nouveau scénario. Votre premier module sera un trigger Gmail — “Watch emails” — configuré pour surveiller un label spécifique (par exemple “À traiter par l’agent”). Cela vous donne un contrôle précis : seuls les emails que vous taguez manuellement, ou que votre filtre Gmail bascule automatiquement, entrent dans le pipeline.
Ce premier module récupère l’expéditeur, l’objet, le corps du message et la date.
Étape 2 : Brancher le module Claude
Ajoutez ensuite le module Anthropic Claude > Create a Message. C’est ici que la magie opère.
Dans le champ System, écrivez votre system prompt. C’est le cerveau de votre agent — prenez du soin à le rédiger. Exemple :
“Tu es l’assistant support de [Nom de votre entreprise]. Tu reçois des emails clients. Ta mission : 1) Évaluer l’urgence (critique / normal / faible) selon les critères suivants : critique si problème bloquant en production ou risque de perte de données, normal pour les demandes fonctionnelles, faible pour les questions générales. 2) Rédiger une réponse en français, chaleureuse et professionnelle, qui accuse réception et donne une première indication de délai. 3) Retourner un JSON structuré avec : urgence, résumé_en_une_phrase, réponse_client, action_requise (ticket / aucune).”
Dans le champ User, injectez les données de l’email : objet, corps, expéditeur.
Choisissez claude-sonnet-4-6 comme modèle. Pour un usage agent répétitif, Sonnet est le bon choix — Opus serait surdimensionné et trois fois plus cher.
Étape 3 : Parser la réponse et router les actions
Claude vous renvoie un JSON propre (si vous l’avez demandé dans le prompt). Ajoutez un module JSON > Parse JSON pour extraire les champs.
Ensuite, un Router avec deux branches :
- Branche “critique” : envoie un message Slack sur le canal #support-urgent, crée un ticket Notion avec les infos complètes, et envoie la réponse rédigée par Claude via Gmail
- Branche “normal/faible” : envoie uniquement la réponse Claude au client, et ajoute une ligne dans un Google Sheet de suivi
Total du scénario : environ 8 modules. Temps de construction pour quelqu’un qui connaît Make : une heure. Pour un débutant : deux à trois heures en suivant la documentation.
Aller plus loin : les chaînes d’agents
Une fois votre premier agent en production et stable, l’étape suivante est naturelle : faire travailler plusieurs agents ensemble.
Depuis février 2026, un agent Make peut activer un autre agent via les outils-scénarios. C’est ce que Make appelle les “chaînes d’agents”. Exemple concret : votre agent de triage email active, sur les tickets critiques, un second agent spécialisé en diagnostic technique qui va chercher les logs dans votre base de données, les compare à des incidents passés dans Notion, et génère une analyse préliminaire pour votre équipe.
Chaque agent reste simple et focalisé. C’est leur combinaison qui crée la puissance.
Make couvre 80 % des besoins multi-agents en entreprise — pour des architectures très complexes avec hiérarchie supervisor/sub-agents, des frameworks comme LangGraph restent supérieurs. C’est une limite réelle à connaître avant de vous lancer dans des pipelines à six agents.
Ce qu’un agent Make + Claude fait vraiment bien (et ce qu’il fait mal)
Points forts :
Les agents Make + Claude excellent sur tout ce qui implique du texte non structuré en entrée : emails, formulaires libres, notes de réunion, messages Slack. Claude comprend le contexte, le ton, les nuances — bien au-delà d’un simple filtrage par mot-clé. La génération de contenu personnalisé (emails, résumés, rapports) à partir de données CRM ou de base de données est particulièrement efficace.
La connexion avec les 1 500+ applications de Make est un avantage concret. Make vous permet d’alimenter Claude avec des données de votre CRM pour rédiger des messages personnalisés ou scorer de nouveaux leads — sans coder.
Limites à anticiper :
Claude peut “halluciner” — inventer une information avec confiance. Pour les agents qui font des actions irréversibles (envoyer un email client, supprimer des données, déclencher un paiement), ajoutez systématiquement une étape de validation humaine ou un log de vérification. Ne déployez jamais un agent Make + Claude en production sans l’avoir testé sur 50 à 100 cas réels en mode “dry run” (sans activer les modules d’action).
La latence est aussi un point à surveiller : une chaîne de quatre modules Claude peut prendre 15 à 30 secondes. Pour des processus temps-réel, ce n’est pas adapté.
Connecter Make à Claude via MCP : la prochaine étape
Si vous avez déjà Claude Desktop ou un agent externe qui tourne dans votre organisation, sachez que depuis février 2026, le serveur MCP de Make permet à des systèmes IA externes — Claude Desktop, ChatGPT, agents tiers — d’utiliser vos automatisations Make comme outils. Inversement, vos agents Make peuvent appeler des serveurs MCP externes.
Concrètement : votre Claude Desktop peut déclencher un scénario Make directement depuis une conversation. “Crée-moi un devis pour ce client et envoie-le” — Claude appelle votre scénario Make via MCP, qui génère le PDF, l’enregistre dans Drive et envoie l’email. Tout ça depuis l’interface de chat.
C’est la convergence entre les deux approches : agents conversationnels et automatisation no-code. Pour la plupart des équipes non-techniques, c’est le setup le plus puissant disponible aujourd’hui sans écrire de code.
Par où commencer concrètement
Semaine 1 : Identifiez une tâche que vous répétez plus de trois fois par semaine et qui implique du texte (lecture, analyse, rédaction). C’est votre candidat idéal. Créez un compte Make, connectez Gmail ou Slack, et construisez le scénario le plus simple possible avec le module Claude.
Semaine 2 : Affinez votre system prompt. C’est le levier le plus important. Un prompt vague donne des résultats vagues. Testez 5 à 10 variantes sur des cas réels. Mesurez le taux de décisions correctes manuellement.
Semaine 3 : Mettez en production avec un filet de sécurité — un log Google Sheet de toutes les actions de l’agent, et une alerte Slack si Claude retourne une réponse avec un score de confiance bas (que vous pouvez lui demander d’inclure dans son JSON).
Le piège à éviter : ne cherchez pas à automatiser ce que vous ne comprenez pas vous-même. Si votre process de décision n’est pas clairement documenté dans votre tête, l’agent ne pourra pas le reproduire.
La combinaison Make + Claude est aujourd’hui l’une des approches les plus accessibles pour déployer de l’intelligence artificielle dans des workflows réels, sans équipe technique. Elle a ses limites — elle ne remplace pas une architecture agent custom pour les cas complexes — mais pour 80 % des besoins opérationnels d’une PME ou d’une équipe marketing, commerciale ou support, c’est suffisant, déployable en jours, et maintenable par des non-développeurs.
Sources : Make.com — Anthropic Claude Integration | Proactive Academy — Guide pratique des automatisations IA sur Make | Anthropic — Claude Sonnet 4.6 pricing & capabilities | NoCode Factory — Agents IA de Make.com
- Les 5 outils IA qui remplacent 1 heure de travail par jour - juin 17, 2026
- Make + Claude : comment créer un agent IA - juin 14, 2026
- GEO : comment apparaître dans les réponses de ChatGPT et Perplexity - juin 11, 2026