À retenir
- Workflow ≠ agent IA — un scénario Make/n8n avec un module OpenAI reste « si ceci, alors cela » ; un vrai agent raisonne en boucle, mémorise et choisit ses outils seul.
- Make pour démarrer, n8n pour maîtriser — Make = glisser-déposer sans hébergement ; n8n = open source, self-hosted gratuit, nœud AI Agent natif.
- Le LLM le moins cher pèse moins de 10 $/mois — pour 1 000 tâches automatisées, l'appel API coûte des centimes ; le vrai coût, c'est la plateforme et la maintenance.
- Mistral, l'alternative française invisible — absente de 100 % des comparatifs concurrents, elle offre du RGPD natif à 0,15 $/M tokens (Mistral, 2026).
- La productivité IA est documentée — les secteurs les plus exposés à l'IA enregistrent une croissance de productivité significativement supérieure (PwC AI Jobs Barometer, 2024).
Chaque vendredi après-midi, le gérant d'un cabinet comptable de 9 personnes ressaisit à la main les leads reçus dans la semaine : il ouvre chaque e-mail, recopie le nom dans le CRM, tague la priorité, planifie une relance. Deux heures, tous les vendredis. Sur une année, 96 heures — presque trois semaines de travail parties dans du copier-coller. Il a entendu parler de Make et de n8n, il sait que « l'IA » peut faire ça à sa place. Reste la vraie question, celle qu'aucun comparatif ne tranche pour lui : lequel des deux, et comment y brancher l'IA sans y passer ses week-ends.
La plupart des articles alignent des specs — Make est simple, n8n est flexible — sans jamais répondre à et moi, dans mon métier, je prends lequel ?. On va y répondre, avec les tarifs vérifiés en juillet 2026, un LLM que personne ne cite, et la distinction qui change tout : celle entre un workflow et un agent.
Workflow IA ou agent IA : ne confondez pas les deux
Un workflow avec un LLM reste déterministe ; un agent, lui, décide et improvise — c'est la confusion qui coûte le plus cher aux débutants. Le workflow exécute une recette, l'agent improvise un plan.
Un workflow classique dans Make ou n8n suit une logique « si ceci, alors cela » prédéfinie : si un formulaire arrive, créer une ligne CRM ; si une facture est reçue, extraire les montants. Prévisible, testable, auditable. Un agent IA intervient quand la tâche ne se résume plus à un enchaînement figé : il reçoit un objectif, analyse le contexte, choisit ses outils et raisonne en boucle jusqu'au résultat (selon DazzStudio, 2026).
Retenez ce contre-intuitif signé n8n : « The fix isn't more AI. It's less of it. » Le bon réflexe n'est pas d'empiler des appels LLM, mais d'encapsuler chaque brique IA dans une logique déterministe — l'IA interprète et génère, le code valide et route (selon le Production AI Playbook de n8n, 2026). Pour ce type de cas, un simple workflow avec un module de classification suffit ; l'agent autonome, ce sera pour le jour où l'équipe voudra qu'une machine trie des demandes vraiment ambiguës.
Pour 80 % des besoins d'une PME — trier, relancer, notifier, synchroniser — un workflow avec un seul appel LLM fait le travail. L'agent autonome ne se justifie que sur les cas où les règles « si/alors » deviennent ingérables.
💡 Bon à savoir : La majorité des tâches répétitives d'une PME (qualification de leads, relances, reporting) se traitent avec un workflow simple + 1 appel LLM, sans agent autonome. Brancher un module OpenAI dans Make ou n8n suffit dans 80 % des cas — inutile de construire un agent complet pour commencer.
Pour aller plus loin sur la distinction, notre article agent IA vs assistant IA détaille les cas d'usage concrets de chaque approche.
Make vs n8n : le comparatif que vous cherchez vraiment
Make vous fait démarrer ce soir ; n8n vous rend propriétaire de votre atelier — poser Make contre n8n, c'est comme comparer une voiture automatique à une manuelle : l'une vous emmène tout de suite, l'autre vous donne le contrôle une fois le geste maîtrisé.
La différence de facturation est plus subtile qu'il n'y paraît, et elle décide souvent du gagnant. Make facture désormais en crédits (depuis août 2025, en remplacement des anciennes « opérations ») ; n8n facture l'exécution complète d'un workflow, du début à la fin (selon n8n, 2026). Un workflow qui enchaîne quinze étapes consomme plusieurs crédits chez Make, mais une seule exécution chez n8n — sur du volume, l'écart devient énorme.
Un mot d'honnêteté sur les prix de Make : leur page officielle rend les tarifs dynamiquement et ils n'étaient pas extractibles de façon fiable au moment de la recherche (selon Make, 2026). Méfiez-vous des « 9 €/mois » recopiés d'articles de 2024 — vérifiez toujours la grille du jour avant de vous engager. Bonne nouvelle : Make a rattrapé son retard côté IA avec Make AI Agents (beta, disponible sur tous les plans y compris gratuit) et un MCP Server pour brancher des agents externes.
💡 Bon à savoir : Chez n8n, un workflow de 15 étapes coûte 1 seule exécution (selon n8n Pricing, 2026). Chez Make, ces mêmes 15 étapes consomment plusieurs crédits. Sur 1 000 workflows/mois, n8n Starter à 20 €/mois revient donc bien moins cher que l'équivalent Make dès qu'on automatise des processus un peu longs.
Le nœud AI Agent natif de n8n, l'arme cachée
n8n embarque un nœud AI Agent qui dépasse de loin le simple appel OpenAI. Là où un nœud OpenAI fait une chose — résumer, classifier, générer — le nœud AI Agent chaîne plusieurs outils en autonomie pour accomplir un objectif complexe (selon n8n, 2026).
Memory Manager
Tool Calling
Multi-étapes autonomes
422+ intégrations
Concrètement, ce nœud transforme un cas comme la qualification de leads multi-critères ou l'analyse de tickets complexes en une brique unique — là où Make demanderait un assemblage plus laborieux de modules.
5 tâches à automatiser en priorité (avec l'IA dedans)
Le meilleur point de départ n'est pas le plus spectaculaire : c'est le plus répétitif. Identifiez une tâche stable, chronophage, que vous refaites chaque semaine — comme ces vendredis de ressaisie — et branchez-y l'IA d'abord.
Qualification des leads entrants
Relances commerciales et suivi CRM
Onboarding client automatisé
Reporting consolidé multi-sources
Support client avec escalade
Extraction de factures
Traduisons le gain concret : 2 heures de ressaisie hebdomadaire, soit 96 heures par an, disparaissent presque entièrement une fois le workflow de qualification en place. À 40 € de l'heure facturée, c'est près de 3 800 € de temps récupéré chaque année — pour un abonnement plateforme à quelques dizaines d'euros par mois et un coût LLM sous les 10 $.
Pour des exemples concrets sur d'autres secteurs, notre guide automatisation IA pour débutants couvre les cas d'usage les plus accessibles.
Créez votre premier workflow IA avec Make en 4 étapes
Assez de théorie — voici la séquence exacte pour un cas réel : qualifier automatiquement les leads d'un formulaire. Le principe reste identique dans n8n, seul le vocabulaire change (module devient nœud).
Choisir le déclencheur
Reliez votre source de leads (Typeform, formulaire de site, Gmail). Dans Make, c'est un module « Watch » qui écoute les nouvelles entrées et lance le scénario à chaque arrivée.
Brancher le LLM
Ajoutez un module OpenAI, Anthropic (Claude) ou un appel HTTP vers Mistral. Donnez-lui un prompt clair : « Classe ce lead par intention et priorité, réponds en JSON. » Exigez une sortie structurée pour la suite.
Nettoyer et router avant l'IA
Insérez une étape de validation déterministe : vérifiez l'e-mail, retirez les champs sensibles, routez par règles explicites. L'IA interprète, le code décide — c'est la parade à l'AI Reliability Gap.
Tester puis déployer
Lancez le scénario sur 5 leads réels, vérifiez chaque sortie, corrigez le prompt, puis activez l'exécution automatique. Surveillez le volume d'appels LLM les premiers jours.
Ne laissez jamais le LLM valider un e-mail ou décider d'un routage critique : un Code node gratuit et instantané le fait mieux qu'un appel payant et faillible. Réservez l'IA à ce qu'elle seule sait faire — interpréter et rédiger.
Quel LLM brancher : OpenAI, Claude ou Mistral ?
OpenAI est le réflexe, Mistral est le pari souverain — le choix du modèle décide de votre budget et de votre conformité RGPD, et tous les comparatifs ignorent la troisième option.
Pour une PME française qui manipule des données clients, l'argument n'est pas cognitif, il est juridique : Mistral est une entreprise parisienne dont les modèles sont hébergés en Europe, donc les données ne partent pas vers des serveurs US par défaut (selon Mistral AI, 2026). n8n propose même un nœud Mistral natif ; côté Make, on passe par un appel HTTP vers l'API (compatible avec la structure OpenAI).
Mistral
LLM français, modèles hébergés en Europe (RGPD natif). Mistral Small 4 à 0,15 $/M tokens en entrée — l'alternative européenne quasi absente des comparatifs.
Chiffrons le coût réel, car c'est là que l'angoisse « ça va me ruiner » se dissout. Prenons une PME qui traite 1 000 interactions IA par mois (environ 150 tokens en entrée + 150 tokens en sortie par interaction, soit 300 tokens au total par échange).
Regardez le résultat : pour 1 000 tâches automatisées par mois, même le modèle premium reste sous les 8 $ (calcul basé sur les tarifs Mistral et OpenAI, 2026). Le mythe du « ça coûte une fortune » vient de prompts mal construits qui multiplient les appels — le modèle lui-même est dérisoire. Chez The Intelligence Academy, c'est justement ce réflexe de calcul au token que nos formateurs installent en premier : savoir estimer sa facture avant de brancher quoi que ce soit.
Notre comparatif Claude vs Mistral détaille les forces de chaque modèle selon le cas d'usage.
Les coûts cachés et les pièges à anticiper
L'objection légitime revient toujours : « si tout ça est si peu cher, où est le piège ? ». Le piège n'est pas dans le modèle IA — il est dans tout ce qui l'entoure. n8n a un nom pour ça : l'AI Reliability Gap. Données d'entrée sales, validation manquante, routage ambigu : voilà ce qui casse un workflow en production, pas le LLM (selon le Production AI Playbook de n8n, 2026).
Hébergement VPS (n8n)
Maintenance des connecteurs
Montée en compétence
Tokens gaspillés
La contrepartie de ces risques, c'est une méthode : nettoyer les données avant le LLM, valider sa sortie avant qu'elle parte en aval, router par règles explicites. Les gains de productivité existent bel et bien — selon certaines estimations, les secteurs les plus exposés à l'IA enregistrent une croissance de productivité significativement supérieure aux autres (PwC AI Jobs Barometer, 2024, cité par BPIFrance) — mais ils récompensent la méthode, pas l'empilement d'IA.
Le rapport n°572 du Sénat (2026) le confirme avec nuance : l'IA est « un facteur de productivité » et « un enjeu de compétitivité globale », mais les gains « restent encore difficiles à mesurer » pour les entreprises qui peinent à la maîtriser. La technologie n'est pas le frein — la méthode l'est.
💡 Bon à savoir : L'AI Reliability Gap (terme de n8n) désigne l'écart entre ce qu'un LLM semble produire en test et ce qu'il produit en production sur des données réelles et imparfaites. La parade : toujours insérer une étape de validation déterministe (Code node) après la sortie du LLM, avant tout routage critique.
Quel outil selon votre profil ?
La règle est simple : Make si vous voulez démarrer ce soir, n8n si vous avez des contraintes RGPD ou un développeur à bord — le comparatif générique « Make simple, n8n technique » ne vous aide pas à décider. Voici le verdict par profil, celui qu'aucun concurrent ne pousse jusqu'au bout.
Un cabinet comptable coche typiquement la case « PME data-sensible » : des données financières clients qui n'ont rien à faire sur un serveur américain. Le verdict est donc n8n self-hosted avec Mistral — et un premier workflow de qualification de leads pour commencer petit. Le reste s'apprend en le faisant.
Sources et références
- BPIFrance Big Média — IA générative : quels impacts en entreprise ? (2024) — chiffres de productivité, PwC AI Jobs Barometer
- Sénat français — Rapport n°572 : L'entreprise 5.0 (2026) — l'IA comme facteur de productivité et de compétitivité
- n8n — Production AI Playbook (2026) — principe Déterministe + IA et AI Reliability Gap
- n8n — AI Agent integrations (2026) — capacités du nœud AI Agent natif
- n8n — Plans and Pricing (2026) — tarifs officiels et modèle à l'exécution
- Make — Pricing (2026) — plans, Make AI Agents et MCP Server
- Mistral AI — API Pricing (2026) — tarifs et hébergement européen
- DazzStudio — Agent IA connecté à n8n ou Make (2026) — distinction workflow vs agentique et risques
FAQ
Quelle est la différence entre un workflow et un agent IA ?
Un workflow suit une logique « si ceci, alors cela » définie à l'avance : il exécute une recette fixe, même avec un module IA dedans. Un agent IA reçoit un objectif, analyse le contexte, choisit ses outils et raisonne en boucle jusqu'au résultat — il improvise un plan au lieu de suivre un script. La majorité des besoins d'une PME se satisfait d'un simple workflow avec un LLM.
Make ou n8n : lequel choisir pour débuter avec l'IA ?
Make si vous n'avez pas de profil technique : glisser-déposer, aucun hébergement à gérer, vous démarrez le soir même. n8n si vous avez un développeur ou des exigences RGPD fortes : self-hosted gratuit, nœuds Code, nœud AI Agent natif et compatibilité Mistral. Un critère décisif : Make facture en crédits par action, n8n facture l'exécution complète du workflow — sur du volume, n8n devient plus économique.
n8n est-il vraiment gratuit ?
Oui en auto-hébergement : la version Community Edition est open source et gratuite. Non en cloud géré : le plan Starter démarre à 20 €/mois pour 2 500 exécutions (n8n, 2026). Attention au « gratuit » du self-hosted, qui suppose un serveur VPS à 5–20 €/mois et un minimum de compétences pour l'installer et le maintenir.
Peut-on utiliser Mistral ou Claude au lieu d'OpenAI dans n8n ou Make ?
Oui. n8n propose des nœuds natifs pour OpenAI, Claude (Anthropic), Mistral, Gemini et Llama via Ollama : le branchement est direct. Make couvre nativement OpenAI et Anthropic ; pour Mistral, on passe par un module HTTP Request vers l'API (compatible avec la structure OpenAI). Mistral est l'option à privilégier pour des données sensibles, grâce à son hébergement européen.
Combien coûte réellement l'IA dans un workflow automatisé ?
Moins cher qu'on ne le croit. Pour 1 000 interactions par mois (environ 150 tokens en entrée + 150 en sortie par échange), l'appel LLM coûte environ 0,11 $ avec Mistral Small 4, et reste sous les 8 $ même avec un modèle premium comme GPT-4o. Le vrai poste de coût est ailleurs : l'abonnement à la plateforme, l'hébergement et la maintenance. Les factures qui explosent viennent presque toujours de prompts mal construits qui multiplient les appels.
Faut-il savoir coder pour automatiser ses tâches avec l'IA ?
Non pour l'essentiel. Make est entièrement no-code, et n8n s'utilise à 90 % en glisser-déposer. Ce qui manque à la plupart des débutants n'est pas le code, mais la méthode : distinguer un workflow d'un agent, construire un bon prompt, valider les sorties de l'IA et estimer ses coûts. C'est précisément cette méthode que nous transmettons dans nos formations Make et n8n, éligibles CPF.
Quelle est la différence entre Make et Zapier pour automatiser avec l'IA ?
Make et Zapier ciblent tous les deux les profils non-techniques, mais leur modèle de coût diffère : Zapier facture par tâche (chaque action = 1 tâche), Make facture en crédits. L'avantage de Make sur Zapier réside dans sa logique visuelle plus puissante et ses modules IA natifs. n8n reste l'option la plus économique sur le volume, et la seule avec une version self-hosted gratuite. Notre comparatif Zapier vs n8n détaille les différences en profondeur.
Ce qu'il vous reste à faire ce soir
Ce cas — une tâche répétitive, un chiffre d'heures perdues, un doute sur l'outil — est probablement le vôtre. La réponse n'est ni « Make » ni « n8n » dans l'absolu — c'est le vôtre, pour votre premier cas d'usage, avec un LLM choisi pour votre budget et vos contraintes de données. Commencez par un seul workflow, mesurez le temps récupéré, itérez.
Le point de bascule n'est pas technique. Ceux qui automatisent vraiment ne sont pas ceux qui connaissent le plus de modules, mais ceux qui ont compris quelle tâche brancher en premier et comment tenir la fiabilité. C'est un savoir-faire qui s'apprend en quelques jours — et qui se rentabilise dès le premier vendredi libéré.