Pour tester le nouvel Agent IA de Make, automatisons la gestion des messages de contact

Une nouveauté qui change la donne

Make a récemment lancé un nouveau type de module : les agents IA autonomes. C’est une vraie évolution.
Jusqu’ici, quand on voulait traiter automatiquement des messages dans Make, on devait créer un scénario complexe, avec des routes, des conditions, des appels à l’IA, et des modules empilés pour vérifier chaque cas.

Aujourd’hui, on peut déléguer tout ça à un agent IA, qu’on configure une seule fois. Il comprend, choisit les bons outils, et prend des décisions adaptées.

Dans cet article, nous allons vous montrer comment nous avons mis en place un agent IA qui gère de manière totalement autonome les messages reçus via le formulaire de contact de notre site formations-analytics.com.

Notre objectif

L’idée est simple :
à chaque fois qu’un visiteur envoie un message via le formulaire de contact, l’agent IA va lire ce message, l’analyser, et agir intelligemment.

Voici les trois grandes situations que nous traitons automatiquement :

1. Si c’est une question générique (FAQ) → l’agent cherche la réponse et répond directement.
2. Si c’est une demande de planning → il interroge notre calendrier de formations et répond avec les prochaines dates.
3. Si c’est une demande sensible (facture, devis, réclamation…) → il nous envoie le message avec une analyse et une proposition de réponse.

Découvrez égalementGuide complet sur Make Agent AI

Étape 1 – Créer l’Agent IA

Tout commence par la création d’un agent IA dans Make.
Nous l’avons nommé “Gestion contact formations-analytics.com”.

Voici les éléments de configuration :

• Modèle IA utilisé : GPT-4o
• Tokens max : 5000
• Outils activés : FAQ, PLANNING, EMAIL

Ce qui rend cet agent intelligent, c’est son prompt personnalisé.
C’est lui qui contient la logique métier.
Nous y avons défini très clairement les règles :

• Quand il doit utiliser l’outil FAQ.
• Quand il doit appeler le planning.
• Quand il doit nous alerter.
• Et comment structurer les résultats.

L’agent retourne ensuite un JSON bien organisé, que nous utilisons dans le scénario Make pour exécuter l’action (répondre, alerter…).

Étape 2 – Ajouter les outils nécessaires

Un agent IA dans Make ne peut pas tout faire tout seul.
On doit lui fournir des outils qu’il pourra appeler à la demande.
Chaque outil correspond à un petit scénario Make dédié, avec des entrées (inputs) et des sorties (outputs).

Voici les trois outils que nous avons connectés.

Outil 1 : FAQ (document Google Docs)

Ce que ça fait
L’agent peut consulter un Google Docs contenant toutes nos questions/réponses fréquentes.

Comment ça fonctionne
Le document est transmis en contexte. L’agent n’a pas besoin d’input spécifique. Il lit le contenu et cherche la réponse la plus pertinente.

Ce qu’il renvoie
Un texte structuré (faq_information) que l’agent peut insérer dans un email.

Exemple

Message reçu : “Puis-je recevoir une attestation de présence après la formation ?”
→ L’agent extrait la bonne section de la FAQ et rédige une réponse claire.

Outil 2 : PLANNING (tableur Google Sheets)

Ce que ça fait
Permet de retourner les prochaines dates d’une formation.

Comment ça fonctionne
L’agent extrait une variable formation_name depuis le message, et l’envoie à ce scénario.

Structure du scénario Make :

Return output : retourne le texte à l’agent

Google Sheets – Search Rows (Advanced)
Requête Query : SELECT * WHERE A LIKE "%{{upper(var.input.formation_name)}}%"

Text Aggregator 1 : regroupe les lignes par formation

Text Aggregator 2 : regroupe tous les blocs en un seul texte

Ce qu’il renvoie
Un texte prêt à être intégré à la réponse (formation_dates).

Exemple

Message reçu : “Quand est la prochaine session Google Analytics 2 ?”
→ L’agent retourne une liste de dates claires, comme :

DATE FORMATION GOOGLE ANALYTICS 2 :
- 2025-05-07
- 2025-07-04
- 2025-10-03

Outil 3 : EMAIL (module Gmail)

Ce que ça fait
Permet d’envoyer un email automatiquement :

• au client, si la réponse est claire,
• à nous (moi@webanalyste.com), si la demande est sensible.

Champs transmis à l’outil :

• email_to : destinataire
• email_subject : sujet du message
• email_content : contenu en HTML

Exemple

Message reçu : “Je n’ai pas reçu ma facture !”
→ L’agent détecte une réclamation, et nous envoie un mail contenant :

• le message original,
• son analyse,
• et une suggestion de réponse.

Étape 3 – Scénario principal dans Make

Une fois l’agent prêt, on crée un scénario très simple dans Make.

1. Webhook : déclenché par le formulaire de contact du site.
2. Run Agent : envoie le message à l’agent IA.
3. Modules Make : en fonction de ce que retourne l’agent (type, email_to, etc.), on envoie la réponse ou on alerte.

Le scénario principal est donc minimal : toute l’intelligence est dans l’agent.

Exemple concret

Voici trois cas de test que nous utilisons pour valider le système.

Cas 1 : Question générique

Message : “Comment obtenir un programme de formation ?”
→ L’agent cherche la réponse dans le Google Docs et répond automatiquement par email.

Cas 2 : Demande de planning

Message : “Quelles sont les prochaines dates pour Looker Studio ?”
→ L’agent extrait le nom de la formation, interroge le Google Sheets et retourne un mail clair avec les dates.

Cas 3 : Réclamation

Message : “Je n’ai jamais reçu l’accès à la formation !”
→ L’agent identifie le message comme sensible. Il nous écrit, avec tous les éléments nécessaires pour réagir rapidement.

Pourquoi ça fonctionne

Nous avons ici un workflow qui :

• détecte automatiquement l’intention d’un message,
• choisit les bons outils à utiliser,
• formate des réponses propres,
• et sait faire appel à nous si besoin.

Le vrai changement, c’est que nous ne codons plus des scénarios complexes.
Nous décrivons une logique, et l’agent IA s’en occupe.

Récap des variables utilisées

À vous de jouer

Ce système peut s’adapter à tous types de sites ou de besoins :

• gestion des leads,
• réponse automatisée à des prospects,
• support client,
• pré-qualification de demandes…

Avec un seul scénario et un bon agent IA, vous pouvez automatiser 80 % de vos échanges entrants.

Et surtout : vous gardez la main quand c’est important.