Vous avez entendu parler des agents IA avec n8n, mais vous ne savez pas par où commencer ? Bonne nouvelle : en 2026, créer votre premier agent IA ne demande plus de compétences en programmation. Dans ce guide, vous apprenez pas à pas comment configurer un agent IA dans n8n, quel modèle choisir entre ChatGPT, Claude et Gemini, et quels cas d’usage automatiser en premier.
- Un agent IA n8n n’est pas un simple chatbot : il raisonne, choisit ses outils et agit pour atteindre un objectif.
- La demande en agents IA a été multipliée par 60 en un an ; n8n s’impose comme la plateforme low-code de référence.
- 4 composants suffisent pour démarrer : trigger, node AI Agent, modèle LLM et mémoire.
- ChatGPT (gpt-5.5-mini) convient aux agents à fort volume ; Claude Sonnet 4.6 est plus fiable pour les workflows complexes multi-outils.
Agent IA vs. automatisation classique : quelle différence ?
Une automatisation classique dans n8n exécute une suite de règles fixes : si X, alors Y. C’est efficace pour les tâches prévisibles, mais rigide dès que le contexte change. Un agent IA, lui, reçoit un objectif en langage naturel et décide seul de la marche à suivre en fonction du contexte et des outils mis à sa disposition.
Exemple concret : une automatisation classique envoie un e-mail de bienvenue dès qu’un nouveau contact entre dans votre CRM. Un agent IA, lui, analyse la fiche du contact, choisit le bon modèle de message, vérifie s’il existe déjà un thread ouvert avec ce contact et rédige un e-mail personnalisé, le tout sans règle codée en dur.
Les 4 composants clés d’un agent IA dans n8n
Avant de passer au tutoriel, voici les briques que vous allez assembler.
1. Le trigger : ce qui déclenche l’agent (webhook entrant, planification, message Slack, e-mail reçu…). 2. Le node « AI Agent » : le cerveau central du workflow, c’est lui qui orchestre la décision. 3. Le modèle LLM : le moteur de raisonnement. Vous connectez ici votre clé API OpenAI, Anthropic ou Google. 4. La mémoire : Window Buffer Memory par défaut, qui conserve les N derniers messages pour maintenir le contexte entre les tours de conversation.
En option, vous pouvez ajouter des outils (tools) : recherche web, lecture de fichiers, requêtes HTTP vers votre CRM, envoi de messages Slack… C’est là que l’agent gagne vraiment en puissance.
Tutoriel pas à pas : votre premier agent IA en 30 minutes
Étape 1 – Créer le workflow et ajouter le node AI Agent
Connectez-vous à app.n8n.cloud (version cloud gratuite disponible) ou à votre instance auto-hébergée. Cliquez sur + New workflow, choisissez « Blank workflow ». Cliquez sur le + pour ajouter un premier nœud. Tapez « AI Agent » dans la recherche et sélectionnez le node. Il apparaît sur votre canvas et affiche trois slots à remplir : Model, Memory, Tools.
Étape 2 – Connecter un LLM (ChatGPT, Claude ou Gemini)
Cliquez sur le slot Model de votre AI Agent. Vous avez le choix entre :
- OpenAI Chat Model (GPT-4o ou gpt-5.5-mini) : recommandé pour les agents à fort volume. À 500 exécutions/jour, le coût reste inférieur à 10 $/mois avec gpt-5.5-mini.
- Anthropic Chat Model (Claude Sonnet 4.6) : plus fiable pour les agents complexes qui enchaînent 3 à 5 outils par boucle. Idéal si votre agent doit raisonner sur des données structurées ou faire des choix nuancés.
- Google Gemini : bon rapport contexte/coût pour les agents qui lisent de longs documents.
Dans tous les cas, créez vos credentials n8n (Menu > Credentials > Add credential) en collant votre clé API. Celle-ci est chiffrée côté n8n et ne transite pas en clair dans vos workflows.
Étape 3 – Ajouter la mémoire et les outils
Cliquez sur le slot Memory et ajoutez un sub-node Window Buffer Memory. Réglez la fenêtre sur 5 messages pour commencer : suffisant pour la plupart des agents conversationnels, sans surcharger le contexte du LLM.
Pour les outils, cliquez sur le slot Tools et ajoutez ceux qui correspondent à votre cas d’usage. Quelques outils très utiles dès le départ : HTTP Request (appel à n’importe quelle API externe), Calculator (calculs fiables sans hallucination), Notion ou Google Sheets (lecture/écriture de données).
Étape 4 – Configurer le System Prompt et tester
Le System Prompt est l’instruction permanente qui définit le rôle et le périmètre de votre agent. C’est le levier le plus puissant pour cadrer ses actions. Voici un exemple fonctionnel pour un agent de support client :
Tu es un agent de support client pour [Nom de l'entreprise]. Ton rôle : répondre aux questions des clients sur nos produits et services. Tu as accès à notre base de connaissances via l'outil "HTTP Request". Si tu ne trouves pas la réponse, dis-le clairement et propose de transférer à un humain. Réponds toujours en français, de façon concise et professionnelle. Ne fais aucune promesse commerciale non confirmée dans notre documentation.
Activez le Chat Trigger comme déclencheur, cliquez sur « Test workflow » et envoyez une question de test. Inspectez la sortie de chaque nœud pour vérifier que l’agent appelle bien les bons outils et produit une réponse cohérente.
3 agents IA n8n prêts à déployer cette semaine
Voici trois cas d’usage immédiatement utiles, applicables dès que vous maîtrisez les bases.
Agent de veille concurrentielle : déclenché chaque matin par un timer, il interroge quelques URLs via HTTP Request, résume les changements avec Claude ou ChatGPT et envoie un digest dans votre canal Slack. Résultat : 30 minutes de veille manuelle économisées chaque jour.
Agent de qualification de leads : connecté à votre formulaire de contact, il analyse la description du besoin, attribue un score de priorité, enrichit la fiche dans votre CRM et envoie un e-mail de réponse personnalisé dans les 2 minutes. Selon les données Jotform 2026, c’est l’un des cas d’usage n8n les plus déployés en production.
Agent de traitement des e-mails : connecté à votre boîte Gmail ou Outlook, il trie les e-mails entrants, classe les demandes par catégorie, rédige des réponses types pour validation et archive automatiquement les newsletters. Combiné à la technique de prompt chaining, ce type d’agent peut enchaîner plusieurs LLMs spécialisés pour des résultats encore plus précis.
ChatGPT, Claude ou Gemini : lequel choisir dans n8n ?
Il n’existe pas de réponse unique : le choix dépend de votre cas d’usage et de votre budget.
gpt-5.5-mini (OpenAI) est le meilleur rapport performance/coût pour les agents à fort volume (centaines d’exécutions quotidiennes). Sa rapidité en fait le choix idéal pour les agents de tri ou de classification qui tournent en boucle. Claude Sonnet 4.6 (Anthropic) excelle dans les agents qui enchaînent plusieurs outils par boucle et doivent raisonner sur des données complexes ou nuancées : qualification de leads, analyse contractuelle, support technique avancé. Gemini 2.5 Pro (Google) dispose de la fenêtre de contexte la plus large, ce qui le rend utile pour les agents qui doivent lire et synthétiser de longs documents ou des historiques de conversation étendus. Pour voir jusqu’où Google pousse l’agent autonome côté grand public, lisez notre décryptage de Gemini Spark.
Bonne pratique : commencez par tester votre agent avec deux modèles en parallèle pendant 48 h, comparez la qualité des sorties sur vos vrais cas d’usage, puis basculez définitivement sur celui qui performe le mieux. Pour affiner vos instructions, consultez notre guide sur comment tirer le meilleur des IA avec des prompts précis.
Faut-il savoir coder pour créer un agent IA dans n8n ?
Non. n8n est une plateforme no-code / low-code : vous assemblez des nœuds visuellement sans écrire de code. La seule partie technique est la configuration de vos clés API (OpenAI, Anthropic, Google), ce qui prend moins de 5 minutes.
Quel est le coût d’un agent IA n8n en production ?
Le coût dépend du modèle LLM choisi et du volume d’exécutions. Avec gpt-5.5-mini, un agent qui tourne 500 fois par jour revient à moins de 10 $/mois en coûts d’API OpenAI. n8n propose un plan cloud gratuit avec 5 000 exécutions/mois, suffisant pour démarrer et tester.
Peut-on connecter plusieurs LLMs dans un même workflow n8n ?
Oui. C’est même une bonne pratique pour les workflows complexes : utiliser un modèle rapide et économique pour la classification initiale, puis un modèle plus puissant comme Claude pour la rédaction ou la décision finale. Cette approche de prompt chaining multi-modèles réduit les coûts tout en maintenant la qualité.
n8n est-il conforme au RGPD ?
n8n peut être auto-hébergé sur vos propres serveurs (option cloud privé ou serveur dédié), ce qui vous donne un contrôle total sur vos données et simplifie la conformité RGPD. Les données ne transitent alors pas par les serveurs n8n. En mode cloud, n8n est hébergé en Europe (AWS eu-west-1).
Conclusion
Créer un agent IA avec n8n n’est plus réservé aux équipes techniques. Avec quatre composants (trigger, AI Agent, LLM, mémoire) et 30 minutes de configuration, vous pouvez déployer un premier agent fonctionnel cette semaine. Choisissez votre modèle selon le cas d’usage, commencez petit avec un seul outil connecté, et itérez. La vraie puissance des agents IA tient dans leur capacité à s’améliorer au fil des tests.
Prêt à aller plus loin ? Abonnez-vous à SkillsLabs pour recevoir chaque semaine des workflows, prompts et skills IA directement testés et prêts à copier.
Gérant de WebXplore et passionné d'IA. Je partage sur SkillsLabs les méthodes, prompts et automatisations que j'utilise vraiment au quotidien.
Me suivre sur X ↗