Agent IA avec n8n : Créer son Premier Workflow Autonome (Guide 2026)

Un workflow n8n classique suit des règles fixes : si telle condition, alors telle action. Un agent IA n8n fait quelque chose de fondamentalement différent — il raisonne. Il lit une situation, choisit lui-même quelle action effectuer parmi plusieurs outils disponibles, et itère jusqu'à accomplir son objectif. C'est la différence entre un automate et un assistant. Ce guide te montre comment créer ton premier agent IA fonctionnel, de zéro à un workflow en production.

Workflow classique vs Agent IA : quelle différence ?

Pour bien comprendre l'enjeu, voici la distinction fondamentale :

Workflow classique	Agent IA
Suit un chemin fixe prédéfini	Choisit son chemin selon le contexte
Conditions codées en dur (`IF/ELSE`)	Décisions en langage naturel
Échoue si un cas non prévu arrive	S'adapte aux situations nouvelles
Pas de mémoire entre les exécutions	Peut avoir une mémoire conversationnelle
Idéal pour : tâches répétitives prévisibles	Idéal pour : traitement de langage naturel, classification, décisions

Si tu démarres avec n8n, commence par notre guide n8n pour débutants pour maîtriser les bases avant de créer des agents. Et si tu hésites encore entre n8n et Zapier, notre comparatif Zapier vs n8n t'aidera à choisir.

Ce qu'il faut avant de commencer

Un compte n8n (cloud ou self-hosted — voir notre guide)
Une clé API OpenAI, Anthropic (Claude) ou Mistral — les modèles qui alimentent l'agent
Les credentials des services que l'agent va utiliser (Gmail, Slack, etc.)

Dans n8n, ajoute tes credentials via Settings → Credentials → Add Credential. Une fois configurés, ils sont réutilisables dans tous tes workflows.

L'architecture d'un agent n8n

Un agent n8n est composé de trois éléments :

Le node AI Agent — le cerveau. Il reçoit une instruction, choisit les outils à utiliser, et itère
Le Chat Model — le modèle de langage connecté (GPT-4o, Claude, Mistral...)
Les Tools — les actions que l'agent peut exécuter (envoyer un email, faire une recherche, appeler une API)

Déclencheur → AI Agent ┬─ Chat Model (GPT-4o / Claude)
                       ├─ Memory (optionnel)
                       ├─ Tool 1 : Gmail
                       ├─ Tool 2 : Slack
                       └─ Tool 3 : HTTP Request

Projet : un agent de triage d'emails

On va créer un agent qui reçoit les emails de ta boîte Gmail, les lit, les catégorise (urgent / info / spam), et envoie les urgents sur Slack. Ce workflow seul peut te faire gagner 30 minutes par jour si tu reçois beaucoup d'emails.

Étape 1 — Le déclencheur Gmail

Ajoute un node Gmail Trigger :

Event : Message Received
Credentials : ton compte Gmail
Poll Every : 5 minutes (ou utilise un webhook si tu as Gmail Business)

Ce node va déclencher ton workflow à chaque nouvel email.

Étape 2 — Le node AI Agent

Ajoute un node AI Agent après le trigger Gmail :

Dans le champ System Message, colle ce prompt :

Tu es un assistant de gestion d'emails. Pour chaque email reçu, tu dois :
1. Lire l'objet et le corps de l'email
2. Classer l'email dans une catégorie : URGENT, INFO ou SPAM
3. Si URGENT : utiliser l'outil Slack pour envoyer une alerte dans #alertes
4. Si INFO : ajouter un label Gmail 'À traiter'
5. Si SPAM : archiver l'email

Critères URGENT : demandes clients bloquantes, erreurs de production,
contrats à signer sous 24h, demandes de la direction.

Réponds toujours en JSON : { "categorie": "...", "resume": "...", "action": "..." }

Dans le champ User Message, utilise une expression pour passer le contenu de l'email :

Objet : {{ $json.subject }}
De : {{ $json.from.value[0].address }}
Corps : {{ $json.text }}

Étape 3 — Connecter le Chat Model

Sous le node AI Agent, clique sur Chat Model et ajoute un node OpenAI Chat Model ou Anthropic Chat Model :

Model : gpt-4o (OpenAI) ou claude-sonnet-4-6 (Anthropic)
Credentials : ta clé API
Temperature : 0.1 — on veut des réponses cohérentes, pas créatives

Étape 4 — Ajouter les Tools

C'est ici que l'agent devient vraiment autonome. Sous le node AI Agent, ajoute des Tools :

Tool 1 — Slack (alertes urgentes)

Node : Slack Tool
Resource : Message → Send
Channel : #alertes
Message : laisse l'agent remplir via le tool

Tool 2 — Gmail (labelliser)

Node : Gmail Tool
Operation : Add Label
Message ID : {{ $json.id }}

L'agent va décider lui-même quel outil utiliser selon sa classification. Tu n'as pas à coder la logique de décision — c'est le modèle de langage qui gère.

Étape 5 — Ajouter la mémoire (optionnel)

Si tu veux que l'agent se souvienne des emails précédents pour améliorer sa classification (apprendre que certains expéditeurs sont toujours urgents), ajoute un node Simple Memory sous le node AI Agent :

Session ID : email-triage-{{ $json.from.value[0].address }} — une mémoire par expéditeur
Max Messages : 20

La mémoire permet à l'agent de contextualiser : si le même expéditeur a envoyé 3 emails urgents cette semaine, l'agent apprend à prioriser ses prochains messages.

Tester et débugguer l'agent

n8n propose un mode d'exécution pas-à-pas très utile pour les agents :

Clique sur Test Workflow en haut à droite
Dans le node Gmail Trigger, clique Fetch Test Event — il récupère un vrai email de ta boîte
Exécute step-by-step avec le bouton ▶️ sur chaque node
Inspecte la sortie du node AI Agent : tu vois exactement ce que le modèle a décidé et pourquoi

Si l'agent prend de mauvaises décisions, ajuste le System Message — c'est le levier le plus puissant. Sois plus précis sur les critères de classification, ajoute des exemples concrets.

Agents plus complexes : le mode multi-outils

Tu peux donner à ton agent des dizaines d'outils. n8n les présente tous au modèle, qui choisit ceux pertinents selon la situation :

Agent de support client :
├── Tool : Rechercher dans la base de connaissance (HTTP Request → API docs)
├── Tool : Consulter l'historique client (HTTP Request → CRM)
├── Tool : Créer un ticket (Jira / Linear)
├── Tool : Envoyer une réponse email (Gmail)
└── Tool : Escalader vers un humain (Slack #support-humain)

Le client envoie un message. L'agent cherche dans la base de connaissance, consulte l'historique du client, formule une réponse, l'envoie — et si le problème dépasse ses capacités, escalade vers un humain. Tout ça de manière autonome, 24h/24.

Bonnes pratiques pour les agents n8n en production

Limiter les permissions — ne donne à l'agent que les outils dont il a besoin. Un agent de triage n'a pas besoin d'accès à ton compte bancaire.
Ajouter un node de supervision — pour les actions irréversibles (supprimer, envoyer), ajoute un nœud de confirmation humaine via Wait for Approval
Logger les décisions — sauvegarde la sortie JSON de l'agent dans une Google Sheet ou une DB pour auditer ce qu'il a fait
Tester avec des données réelles — les agents surprennent toujours sur des cas limites. Teste sur 50+ exemples avant de passer en prod
Temperature basse — pour des agents décisionnels, garde la température entre 0 et 0.3 pour des réponses cohérentes

Conclusion

Les agents IA n8n représentent un saut qualitatif par rapport aux workflows traditionnels. Là où un workflow classique gère des cas prévisibles, un agent gère l'imprévu — et c'est ça qui change la donne pour l'automatisation réelle.

La clé du succès : un bon System Message. C'est ton vrai levier — plus tu es précis sur les objectifs, les contraintes et les critères de décision, plus l'agent sera efficace. C'est du prompt engineering appliqué à l'automatisation.

Pour pratiquer les agents IA n8n directement dans le navigateur, GoGoKodo propose un atelier interactif agents IA — le seul en français qui te guide étape par étape avec correction automatique. Et pour explorer toute la puissance de n8n, retrouve l'ensemble de nos ateliers d'automatisation.

Pour aller plus loin sur la documentation officielle des agents n8n, consulte la documentation n8n AI officielle — elle couvre les cas avancés (sub-agents, RAG, vector stores).