Description

Dans cet épisode, on plonge dans l'univers de N8N, l’outil d’automatisation open-source qui séduit autant les “tech-curieux” que les devs.

Mon invité Nayel Ferai (co-fondateur de Flowlab) partage comment il déploie N8N chez ses clients pour transformer des process métiers en leviers de croissance en gardant une règle d’or : aller au plus simple et n’activer l’IA qu’en dernier ressort.

Au programme :

• Boîtes mail intelligentes : cadrer le besoin, classifier les messages, bâtir un jeu d’exemples (few-shot) et générer des brouillons de réponses fiables avec N8N (triggers, filtres statiques/dynamiques, agents outillés).

• Prospection augmentée : Sales Nav → Google Sheets → Hunter.io → (option) séquences email ; où placer Perplexity pour un enrichissement ciblé (sources filtrées) et pourquoi garder l’icebreaker humain.

• Workflows “mémoire client” : extraire les transcripts (Fireflies), détecter objections et signaux utiles, nourrir le CRM… tout en préférant les intégrations natives quand elles existent.

• Vision orga : les 4 piliers (standardiser, données centralisées & fiables, automatiser, optimiser les échanges & le deep work) pour rendre chaque équipe vraiment plus productive.

Nayel rappelle aussi les limites : N8N est redoutable pour l’orchestration et les features satellites, pas pour le cœur d’un produit à grande échelle (versionning, data engineering, etc.).

Bref : un couteau suisse… à sortir au bon moment.

🎟️ Note : un meetup N8N est prévu le 16 octobre (Paris).

Suivez Nayel sur LinkedIn pour le lien d’inscription.

Hébergé par Ausha. Visitez ausha.co/politique-de-confidentialite pour plus d'informations.

Transcription

• Speaker #0

  Bienvenue sur Super Agent, le podcast qui sort du tumulte de l'IA pour illustrer deux fois par mois un cas d'usage réel. Un indépendant, une indépendante raconte comment un outil a changé sa manière de bosser. Une histoire concrète, une leçon appliquée, le futur du travail incarné. Bon épisode. Salut Nael.

• Speaker #1

  Salut Nils.

• Speaker #0

  Trop content de te recevoir aujourd'hui ici, ça fait quelques fois qu'on se croise dans des événements au départ à Genaille et France et puis après t'es venu à notre Playground rapidement. Ce que je te propose aujourd'hui, comme je le propose à chacun et chacune de mes invités, c'est d'abord de te présenter, puis après on parlera d'un outil qui est N8N aujourd'hui, dont on n'a jamais parlé, donc je suis ravi de te recevoir sur ce sujet-là.

• Speaker #1

  Trop bien, trop bien. Donc je commence par me présenter ? Ouais. Alors moi c'est Nayel Ferré, originaire du sud de la France à Montpellier, là où il fait beau, où il fait chaud. Mon parcours c'est quoi ? C'est un parcours classique, prépa, école d'ingé. J'ai fait une césure en école d'ingé dans une boîte dont on a parlé tout à l'heure qui s'appelle Emile School, qui était trop bien, où j'ai découvert Enuten là-bas. Donc c'était vraiment génial pendant cette année de césure, j'ai fait six mois où j'ai découvert cet outil, c'était génial. et ensuite j'ai fait 6 mois de freelance où je me suis lancé à mon compte, automatisation, Rtable Faire mon premier argent, comment est-ce qu'on fait pour parler, pour vendre pour une première fois. Ça s'est super bien passé. Ensuite j'ai terminé mon école d'ingé, data scientist pendant six mois dans une boîte qui s'appelle Tids à Montpellier où là j'étais pas du tout stagiaire, j'étais directement dedans. On déployait de l'IA à grande échelle, c'était vraiment génial. Et ensuite je me suis dit pourquoi pas faire de l'entrepreneuriat, moi c'est ce qui m'attire et du coup je suis rentré au Master XHEC Entrepreneur donc c'est avec HEC Polytechnique à Paris. C'était génial. Pendant un an, on a essayé d'itérer, on a bossé autour de l'IA, on a déployé des choses, on est allé vendre dans des bureaux alors qu'on n'avait rien. C'était vraiment génial. Et on est parti trois mois à San Francisco, là où tu vas demain, où on était à Berkeley et on itérait là-bas. Dans la Silicon Valley, on a rencontré des gens incroyables. On a presque été pris à YC, on a fait le premier round et ensuite on a été... jusqu'aux interviews, donc c'était vraiment une aventure extraordinaire.

• Speaker #0

  C'était quoi le projet de YC, si on va un peu dans le détail ?

• Speaker #1

  Alors le projet de YC, c'était comment est-ce qu'on fait du Customer Success Manager, mais avec de l'IA. Donc comment est-ce qu'on réduit le time to value quand on est sur un software ? Aujourd'hui, ce qu'on se rend compte, c'est que les logiciels ont été créés à partir de 2012 et ils n'ont jamais cessé de s'améliorer et de devenir de plus en plus complexes. Donc quand on arrive sur un nouvel outil, type Salesforce par exemple, c'est très compliqué d'avoir un time to value. Donc quand on vend ça à des grands groupes et que les gens ne l'utilisent pas... C'est un petit peu un problème. Donc on s'est demandé comment est-ce qu'avec l'IA, on pouvait détecter, typiquement quand on n'arrive pas à se connecter ou qu'on n'arrive pas à cliquer sur un bouton ou qu'on cherche quelque chose, que l'IA puisse nous aider, nous guider pour pouvoir trouver la valeur du logiciel. Donc c'était génial, sauf que la tech était très difficile à faire et à ce moment-là, pour y rentrer, on n'avait pas la tech et donc ils nous ont dit que c'était un super projet, mais pourquoi pas dans six mois. Au final, on n'est pas parti avec mes associés sur ce projet-là. Terminé le Master XHC Entrepreneur, je me suis lancé en freelance pendant trois mois. avec une dame géniale qui avait un super projet. Je l'accompagnais dans ce projet-là. J'ai fait toute la partie tech et plus. Et donc là encore, c'était un projet entrepreneurial qui était vraiment super. Peut-être qu'on pourra en parler une autre fois.

• Speaker #0

  Tu peux résumer en phrases ce que c'était.

• Speaker #1

  En fait, l'idée, c'est de permettre à n'importe qui dans une boîte d'accéder à la donnée sans forcément savoir coder en SQL ou sans forcément comprendre toute la partie data ou ce qu'il y a derrière. Donc juste de pouvoir dire combien est-ce que j'ai aujourd'hui de marge, etc.

• Speaker #0

  Data analyst un peu autonome quoi.

• Speaker #1

  C'est ça, c'est rendre de la BI ou l'accès à la donnée pour les personnes business et pas que, de manière beaucoup plus facile. Et en fait ça c'est un projet qui est génial et il y a différentes manières de l'attaquer, il y a plein de monde qui est sur le sujet. Et à la fin, quand j'ai rendu ma mémoire avec le Master XHS Entrepreneur, je l'ai fait sur ce projet entrepreneurial là. Et on s'est rendu compte qu'en fait on n'était pas aligné sur la manière d'attaquer ce prologé. Il y a différentes manières de le faire. Moi je viens du monde de la data et du data inge, donc je vois plus la chose un peu plus bas niveau, en se disant on va commencer par documenter toutes les tables, etc. En fait la vraie difficulté de ce sujet là, c'est comment est-ce qu'on fait pour documenter quand on est très bas niveau, et comment est-ce qu'on fait de la documentation. Et à partir de cette documentation, l'IA pourra l'exploiter pour demain. rendre accessible cette donnée à tous mais on s'est rendu compte qu'on n'était pas aligné sur le sujet donc on n'a pas continué ensemble et donc à la fin de cette aventure là pendant trois mois C'était quand ça ? Ça c'était de août 2024 à septembre novembre 2024 Il y a un an quoi Il y a un an c'est ça Et ensuite je me suis lancé dans une aventure avec Daniel Dollet qui est mon associé aujourd'hui On a commencé à bosser pendant un mois et demi sur des sujets en se disant qu'est-ce qu'on aimerait bien faire Donc cette personne là je l'ai rencontré durant le master XHS Entrepreneur Ok Donc durant ce master là qui est vraiment génial, on fait huit premières semaines où c'est un apporteur d'affaires qui vient et qui me dit de travailler sur ce sujet là. Donc c'est ce qu'on a fait, on a travaillé pendant huit semaines, donc j'étais avec deux autres camarades pour travailler sur ce sujet-là. C'était génial, avec Daniel on s'est très bien entendus, et en fait il était freelance à ce moment-là. Et donc on a rediscuté quand je suis redevenu freelance, donc à la fin du master avec ça je suis entrepreneur. Et après on s'est dit pourquoi pas travailler ensemble, on avait des ambitions en commun. Lui était ancien directeur d'une pharma, donc il était beaucoup dans les opérations, et c'est un entrepreneur qui a aussi fait le master. Donc on a travaillé pendant un mois et demi ensemble. sur quelques missions en se disant qu'est-ce qu'on a envie de faire et en janvier on s'est lancé, on s'est dit c'est parti on fait Flowlab qui est notre société aujourd'hui et qui vit depuis maintenant 8 mois

• Speaker #0

  Donc Flowlab aujourd'hui si tu veux en dire deux mots le coeur d'activité à ValueProp

• Speaker #1

  Alors la ValueProposition de Flowlab c'est de faire en sorte que toutes les personnes dans les sociétés ne travaillent que sur des tâches à forte valeur ajoutée et on pense que l'IA aujourd'hui ça redéfinit ça, l'automatisation ça redéfinit ça Et même si on n'utilise pas de l'IA et de l'automatisation, ça pose ces questions-là aujourd'hui. Quelle est la valeur ajoutée de chaque personne dans une entreprise ? Et donc, ça c'est ce qu'on fait. Et comment est-ce qu'on le fait ? On le fait en tant que directeur des opérations externalisées. Donc on vient dans les boîtes, on regarde les opérations, et après on met en place des process et des outils. Et on fait aussi un travail sur les personnes qui bossent dans les boîtes, pour faire en sorte que, d'un point de vue opérationnel, ça soit un levier de croissance pour la société. Donc on fait ça, on a accompagné plus de 30 entreprises depuis le début, ça marche super bien, on est en train de recruter donc c'est génial. Et en parallèle de ça, il y a N8N qui est un outil de cœur que je connais depuis 2020 alors que ça a été lancé en 2019, donc depuis le début, qu'on utilise énormément, mais il faut bien l'utiliser, on va en discuter, mais voilà.

• Speaker #0

  Tu fais la transition parfaite vers un peu la deuxième section de ce podcast, qui tournait vers un outil, aujourd'hui l'outil c'est N8N en effet. Tu en es l'ambassadeur, un des ambassadeurs à Paris et en France, si je ne dis pas de bêtises.

• Speaker #1

  On est quatre aujourd'hui en France et il y en a deux à Paris avec Claire. Ok.

• Speaker #0

  Et donc, ma première question toute bête pour les personnes qui nous écoutent, certains vont nous regarder aussi, qu'est-ce que c'est N8N ?

• Speaker #1

  Alors N8N, c'est un outil d'automatisation qui est dans la lignée des Zapier et des Make. Donc le premier outil qui a existé, c'était Zapier. Et l'idée de base, c'était quoi ? C'était de se dire, comment est-ce qu'on fait pour... brancher des logiciels entre eux et de faire une suite d'actions avec des logiciels. Donc typiquement, il y a quelqu'un qui remplit un formulaire sur Facebook, comment est-ce qu'on va le mettre dans notre CRM ? Comment est-ce qu'on va lui envoyer un email ? Comment est-ce qu'on va faire une suite d'actions associées à ça ? Zapier, c'est un outil super, c'était le premier en 2012, ça a super bien marché, et la vraie valeur ajoutée de ça, c'est que des personnes qui ne sont pas tech sont capables de faire des choses tech. Et ça, c'est extraordinaire.

• Speaker #0

  Et le lien aussi avec ton histoire, t'as raconté tout ton parcours en disant Moi, je suis plutôt côté tech initialement, mais j'ai appris des gens non tech.

• Speaker #1

  Exactement. Et c'est là où on voit toute la puissance de ces outils-là. Parce qu'en fait, quand on met quelque chose en place dans les sociétés, c'est ce qu'on fait avec Flowlab, on ne le laisse pas en tant que boîte noire. C'est pour ça qu'on utilise énormément d'outils no code sur les TPE, PME, pour pouvoir après leur déléguer, leur dire, voilà, maintenant, vous êtes autonome, on vous a fait le gros du travail, on vous forme pendant un temps. Et ensuite, après, votre outil vit et vous vivez avec cet outil-là. donc Zapier a été créé comme ça, ça fonctionnait super bien Make est arrivé par dessus et ensuite il y a eu le petit dernier qui est N8N, fondé en 2019 à Berlin. Et en fait leur attaque, leur point de vue c'est de faire ça de manière open source. Donc maintenant ils ont sur GitHub, qui est la plateforme où il y a le code qui est hébergé de N8N, il y a plus de 130 000 étoiles là-dessus, donc c'est vraiment un projet qui est énorme.

• Speaker #0

  Les étoiles étant, explique juste pour les personnes qui pourraient ne pas appeler sur GitHub.

• Speaker #1

  Les étoiles c'est juste comme un like sur Facebook. Donc en fait les développeurs qui aiment bien le repo, on appelle ça, c'est l'endroit où est hébergé le code. Ils peuvent aller sur la page et cliquer sur une étoile et donc ça montre la popularité de ce logiciel-là, de cet outil-là. Et donc ce qu'il y a de différent entre N8N, un Zapier et un Make, c'est qu'il est beaucoup plus low-code. Donc ce qu'on dit low-code, c'est que de base, ces outils d'automatisation sont faits pour des personnes qui ne savent pas coder. Et le low-code, c'est qu'on n'est toujours pas dans du code, mais on peut commencer à en mettre beaucoup plus et comprendre et être beaucoup plus proche de la donnée pour pouvoir la manipuler. Donc c'est un outil qui... qui a été adopté énormément et en fait ils ont sorti des features IA récemment qui ont fait que l'outil a explosé, vraiment tout le monde est venu dessus, ce que j'appelle les tech curieux notamment. Toutes ces personnes qui savent qu'il y a actuellement quelque chose qui se passe avec l'IA, avec l'automatisation et qui ont envie de se toucher à ça. N8n c'est un outil génial là-dessus et en fait le Zapier et le Make sont un poil plus accessibles. Zapier est très très très accessible, Make un poil moins, Zapier, enfin N8n il faut encore plus bosser. Mais une fois qu'on a ces outils en main, ça devient des outils formidables.

• Speaker #0

  Tu fais un peu le lien aussi avec ma deuxième question. On ne va pas passer l'entièreté du podcast sur les agents, mais enfin, dans ces fonctionnalités, il y a dans la hype qui est autour d'Anuiten aussi aujourd'hui, il y a beaucoup de personnes qui créent des agents. Ça, pour toi, c'est quelque chose qui est différentiel pour Anuiten. Ils ont été pionniers là-dessus.

• Speaker #1

  Ils ont été pionniers là-dessus. Ils ont une équipe de devs qui a foncé là-dessus. Et surtout que c'est une équipe de devs où je pense qu'il y a des gens très intelligents qui utilisent aussi l'IA sans utiliser le no-code et le low-code. Donc en fait, toutes les fonctionnalités qu'on retrouve dans des outils beaucoup plus classiques utilisés par toutes les entreprises en tant que code, donc long-chain, etc. Tous ces mécanismes-là, en fait, comment parser un document, comment mettre en place des tools, etc. Ils l'ont rendu possible en no-code ou en low-code. Et en fait, il y a plein de personnes, même les développeurs aujourd'hui, qui se disent, en fait, je ne vais pas le coder parce que ça prend juste moins de temps de le faire en low-code. Donc pour tout ce qui est MVP, pour tout ce qui est test, pour tout ça, c'est... très très très facile et même ça tient très bien en production en réalité ces outils là donc N8N a pris un très bon virage l'a fait très rapidement et vu qu'ils sont ici du monde dev et de la communauté un petit peu tech ça a été ces gens là ils se sont dit mais c'est génial cet outil la perspective finalement de ces outils quand on reprend les outils dont on a parlé ici du

• Speaker #0

  Loveable on était à l'événement avec V0 la semaine dernière etc pour du front du Supabase pour les bases du N8N entre les deux c'est que c'est Merci. En étant en tout cas un début de dev, tu peux faire des trucs maintenant...

• Speaker #1

  Tu peux faire des trucs extraordinaires. Et même les devs l'utilisent, ça c'est fou. Même les devs te disent, je préfère mille fois utiliser un N8N pour faire ce cas d'usage-là. Il y en a où on a besoin de code, il y en a d'autres sur lesquels on entreprise, surtout pour des fonctionnalités qui ne sont pas core de la boîte. C'est-à-dire qu'envoyer un email, faire des petits résumés, ou des choses qui ne sont pas l'outil cœur de ta startup ou de ta boîte, où on a envie de temps en temps que des personnes qui ne savent pas coder peuvent faire des petites modifications, etc. En fait, ça maintenant on le fait avec du N8N.

• Speaker #0

  Et avant de passer au cas d'usage sur N8N, je voulais aussi te demander, comme tu bosses avec Flowlab, avec un certain nombre d'entreprises qui vont mettre au cœur de leur organisation des automations, il y a ou pas d'ailleurs, c'est quoi ta vision là ? Ça fait quand même un gros changement, le fait que tout le monde adopte ce genre d'outils, ça fait un changement. Quelle est ta vision de l'organisation des boîtes, de l'optimisation des boîtes dans les prochaines années ? Qu'est-ce que tu penses qu'il va se passer ?

• Speaker #1

  Je pense qu'il y en a qui vont prendre le pas, il y en a qui ne vont pas prendre le pas. On voit des boîtes qui ont peur de l'IA un petit peu, de se dire... C'est pas peur, mais c'est se poser des questions, il se pose trop de questions, se dire « Ah mais est-ce que c'est RGPD ? Est-ce que c'est ci ? Est-ce que c'est ça ? » Moi je pense qu'il va y avoir deux catégories de personnes, il y a ceux qui vont prendre le pas et qui vont y aller, on se posera des questions dans 2-3 ans, et il y a ceux qui vont rester un petit peu à avoir peur, etc. Mais ce qui est sûr, c'est qu'il y a un pas à prendre. Et quand on parle, nous, chez FlowLab, de valeur ajoutée de chaque personne dans l'entreprise, c'est ultra important, c'est-à-dire que si ton concurrent, il est capable de faire la même chose que toi, mais avec effectif divisé par 2 mais en fait juste t'es pas concurrentiel donc tu peux pas y aller donc en fait y'a ceux qui prennent le pas et qui se disent bah ok et sans parler forcément d'automatisation, sans parler d'IA et des choses ultra simples à mettre en place et c'est ce qu'on fait chez Flowlab, nous on résout des problèmes et on essaye, on est les co-entrepreneurs avec l'entrepreneur et on se dit comment est-ce qu'on fait pour résoudre tes problèmes et faire en sorte que ta société demain, elle soit très très forte d'un point de vue opérationnel et que ce soit vraiment un levier de croissance parce que si tu es capable de faire la même chose que ton concurrent mais avec deux fois moins de personnes, bah juste t'es beaucoup trop fort sur le marché et donc il y a ceux qui vont prendre ce pas là, il y a ceux qui ne vont pas le prendre. Et on voit qu'il y a des boîtes qui sont en train de le prendre, mais d'une manière magnifique. Il y a des boîtes, et c'est ce qui est passé chez Emil School, même en 2020, quand on a fondé notre première boîte. Je ne l'ai pas fondée, mais moi je travaillais chez eux en tant que stagiaire. Mais en fait, on peut faire un nombre de tâches en étant juste 2, 3, 4, 5, 6 dans la boîte, qui est extraordinaire.

• Speaker #0

  Comme si tu étais 50.

• Speaker #1

  Comme si tu étais 50. Mais il n'y a pas que de l'automatisation, il n'y a pas que de l'IA, mais mettre en place toute une orga dans la boîte et se dire, « L'email, après ça, je l'envoie tout seul. » Là-dessus, je l'envoie tout seul. Et maintenant même, on pourra parler des cas d'usage de l'IA juste après. Je m'occupe des transitions. Je vois ça,

• Speaker #0

  c'est incroyable.

• Speaker #1

  C'est comment est-ce qu'on met de l'IA aussi dans les boîtes mail. Et aujourd'hui, ça, c'est un cas d'usage qui est ultra répandu parce que tout le monde utilise la boîte mail comme CRM, comme gestionnaire de dossiers, etc. Donc, il y a plein de cas d'usage à explorer, mais on en discutera aussi, mais il faut se concentrer sur l'essentiel et l'essentiel pour une boîte à un instant T. L'IA et l'automatisation, nous on a quatre piliers chez Flowlab, ils ne sont pas possibles sans ces quatre piliers-là. Le premier, c'est standardiser. Donc une boîte, elle est très forte d'un point de vue opérationnel si elle a des procès standards, si elle les offre au standard. On ne peut pas faire mille choses différentes dans une boîte, sinon on s'y perd et il n'y a rien d'automatisable, on le verra après. Ensuite, c'est avoir de la donnée centralisée et la donnée fiable. Donc là, c'est plutôt mon passé data qui parle, mais si on a 50 Excel qui traînent, si on a une base de données avec la donnée pas fiable, etc., c'est impossible d'avoir une société qui, d'un point de vue opérationnel, sera très forte. Et ensuite, on automatise. Une fois qu'on a des choses standards, une fois qu'on a de la donnée centralisée et fiable, on peut automatiser parce que... La donnée, elle est réelle à un endroit et on sait qu'on va pouvoir l'utiliser et l'exploiter. Et enfin, c'est comment est-ce qu'on optimise les échanges, que ce soit dans la boîte ou avec les fournisseurs ou les clients. Donc, il y a beaucoup de personnes, et on a fait ça dans une boîte qu'on a accompagnée, qui passent sa journée sur des boîtes mail à dire, voilà, la commande temps, on en est là, la commande temps, on en est là, etc. Alors qu'on pourrait mettre ça de manière automatique. Et la bonne manière de faire ça, c'est de mettre des interfaces avec ses clients, avec ses fournisseurs, pour pouvoir passer des commandes automatiquement, pour pouvoir remplir la donnée, etc. Et il y a une autre partie dans l'optimisation des échanges qui est que dans la société, les gens doivent travailler en deep work. C'est-à-dire que si tu ne travailles pas en deep work, si tu es dérangé toutes les quatre secondes, ça ne fonctionnera pas. donc maintenant si on se pose et qu'on regarde ces 4 piliers et qu'on se dit est-ce qu'une société elle est forte d'un point de vue opérationnel avec ces 4 piliers évidemment, elle a des choses standards, elle a de la donnée centralisée, tout est automatisé et elle travaille de manière ultra optimisée parce qu'elle n'est pas dérangée toutes les 4 secondes. Donc voilà, c'est ça qu'on vend chez Flodium.

• Speaker #0

  Ça paraît limpide et comme tu m'as fait la transition sur les boîtes mail, je vais commencer par la fin et on va te demander 3 cas d'usage dans cette partie-là. Un des 3 que tu as voulu lister en préparant l'épisode, c'est la partie boîte mail, automatisation. Est-ce que tu peux nous faire une présentation de ce cas d'usage-là ? Comment... Selon d'où on part, selon toi, comment on le résout et où on arrive.

• Speaker #1

  Donc si on se dit qu'on a envie d'automatiser la boîte mail, il faut déjà se dire, est-ce qu'on a vraiment un problème à régler ? Et une fois qu'on se dit, est-ce qu'on a vraiment un problème à régler, on va regarder le gain et ensuite, si ça vaut le coup de le régler, on va régler le problème. Mais il ne faut pas directement faire l'automatisation, même si on la sait la faire. La première phase, c'est ce qu'on est en train de faire avec une société là, c'est de se dire déjà les mails ressemblent à quoi donc en fait il faut extraire tous les mails on les met dans un google sheet et on regarde Les mails, il y a des personnes qui peuvent vous dire je reçois tout le temps le même mail, mais en fait ils le reçoivent une fois par mois et c'est un email sur mille, donc on ne va pas automatiser ça.

• Speaker #0

  Là on parle de mail, plutôt de support en l'occurrence.

• Speaker #1

  Il y a plein de types de mails, il y a des gens, mais le support c'est un énorme sujet.

• Speaker #0

  Un département métier.

• Speaker #1

  Là c'est une agence de voyage qui reçoit plein de demandes, donc on peut prendre ce cas d'usage là comme ça sera simple. Donc une agence de voyage où une fois que le voyage il est booké, il y a plein de personnes qui continuent de poser des questions, FAQ ou même pré-vente, il y a plein de personnes qui posent des questions. Et donc les équipes métiers nous ont dit, on a l'impression qu'une IA pourrait répondre à notre place sur cette partie-là, et que ça représente une vraie partie de nos emails. Donc première étape, c'est d'extraire tous les mails, et il faut la faire, sinon on part dans un fossé, et de regarder si réellement il y a un problème. Est-ce que réellement il y a plein d'emails où il y a ces questions et qu'une IA pourrait répondre ?

• Speaker #0

  Il y a un pattern en fait.

• Speaker #1

  Il y a un pattern, et surtout qu'il va falloir catégoriser les emails. C'est-à-dire qu'une IA, donc en fait le problème de l'IA générative... Je prends une petite parenthèse, mais le problème de l'IA générative, c'est qu'on arrive très rapidement à 80% de succès. Et sauf qu'un produit à 80%, il n'est pas utilisable. Il faut 95, 99%. Mais ce 80%, avant, il n'était pas aussi rapide à faire et donc tout le monde est là. L'IA, c'est extraordinaire. Oui, c'est extraordinaire, mais pour en faire un produit et faire ces 20%-là en plus, il y a du process et il y a des choses à faire. Donc comment est-ce qu'on fait ces 20%-là en plus ? On prend le cycle normal de construction d'un projet IA. Et la première chose à faire, c'est de définir la problématique, de définir les données dont on a besoin pour pouvoir résoudre ce problème-là. de se dire, voilà, j'ai envie que ça ressemble à ça, etc. Pourquoi est-ce qu'on a besoin d'avoir ce jeu de données-là ? Donc en fait, il faut faire un travail manuel au début, d'avoir ce jeu de données, de dire, cet email-là, dans cette situation-là, j'ai envie que ça réponde ça. Et de le faire, voilà. Donc la première chose à faire, c'est d'abord vérifier qu'il y a une problématique, on extrait les mails, on les met dans un Google Sheet, on vérifie qu'il y a une vraie problématique. Une fois qu'on fait ça, on classifie, on se dit bah déjà l'email sur lequel on aimerait y répondre ça représente quel pourcentage des emails totaux, si ça représente 0,05% ça sert à rien, ne fait rien Mais si ça recommence à représenter un 20%, 30%, il y a des ETP, du temps à gagner pour des humains à y répondre automatiquement. Donc, on commence à se poser la question et on avance. On se dit, maintenant, il faut classifier. Donc, quels sont les emails auxquels on veut répondre ? Question, réponse attendue. Question, réponse attendue, il y a aussi l'environnement à côté. On fait ce petit scénario-là. C'est un travail à faire avec les équipes métiers. Qu'est-ce que tu as envie qu'il y ait à répondre, etc. Il faut voir aussi si, d'un point de vue technique, on peut bien accéder à toutes les données qui sont nécessaires pour répondre à ces questions-là. et une fois qu'on a fait ça, on peut commencer à bosser et là c'est la partie la plus simple en fait celle-là Mais tout ce travail en amont, c'est ce que personne ne fait, c'est ce que les vendeurs IA Automatisation qui viennent de découvrir N8N ne sont pas capables de faire. Parce qu'en fait, il faut avoir fait un petit peu de projet, il faut avoir fait de la data, il faut savoir où est-ce qu'on va pour pouvoir faire ça. Mais une fois qu'on a fait toute cette première partie, on a un jeu de données, on sait question-réponse, qu'on attend dans cette question-là, cette réponse-là, on sait qu'on va gagner vraiment de la valeur ajoutée pour certaines personnes à faire ça. Là, du coup, on peut faire le workflow N8N. et donc le Warflow Nuitaine il ressemble à quoi ? Donc, basiquement, N8N, ce qu'il faut comprendre, outil d'automatisation qui discute avec des logiciels via un petit peu du code, mais ce n'est pas vraiment du code. C'est via des API, on appelle ça. Donc, on va avoir un premier node qui est un déclencheur. Donc, c'est-à-dire que notre workflow va se lancer, un trigger, quand on va avoir un nouvel email. Donc, nouvel email dans la boîte mail, le trigger se lance. Et ensuite, on va pouvoir connecter ce premier email à une suite d'actions. Et notamment, la première action qu'on va faire, alors, je ne vais pas vous le faire dans l'ordre, mais la première action, ça va être d'essayer de répondre à l'email. de chercher des informations sur la personne, de voir s'il y a des infos. Et ensuite, en fin de workflow IA, une fois qu'on a réussi à répondre à cette question, on peut générer un draft email. Et la première partie, c'est de générer un draft email. Ce qu'il faut faire gaffe, c'est qu'avant de mettre toute cette partie IA, il y a plein de filtres à faire passer. Parce que dans la boîte mail, on reçoit des emails de newsletter, on reçoit des emails internes, etc. Donc d'abord, des filtres statiques, sur lesquels on n'a pas envie même de faire ce qu'on appelle une inférence avec de l'IA. On n'a pas envie de...

• Speaker #0

  Tu vas consommer sinon en plus des crédits de LLM pour un newsletter.

• Speaker #1

  Voilà, donc on n'a pas du tout envie de faire ça. Donc la première chose, c'est de mettre des filtres simples et même surtout des emails internes. C'est-à-dire que si tu discutes du budget 2026 avec ton associé, tu n'as pas du tout envie qu'il y ait un LLM qui discute de ça. Et en plus quand tu le mets dans d'autres boîtes. Donc d'abord, il y a ces filtres statiques. Ensuite, il y a des filtres dynamiques. De dire, est-ce que j'ai envie de répondre à ce type de questions-là ? Donc là, il faut se référer à la classification qu'on a fait avant. Moi j'ai envie de répondre à des questions qui ne sont que des questions de support sur les voyages par exemple. Là du coup il faut classifier, est-ce que effectivement c'est ça ou est-ce que c'est pas ça ? Et une fois qu'on est bien dans cette situation-là, on peut mettre un petit agent qui va avoir des outils pour pouvoir aller chercher l'information de la personne, etc.

• Speaker #0

  De la boîte j'imagine,

• Speaker #1

  du contexte. Du contexte. Et ce qui est très important si on veut avoir quelque chose qui marche, c'est que dans cette IA-là, il va falloir faire ce qu'on appelle du few-shot prompting. C'est-à-dire qu'il va falloir mettre des exemples et trouver des situations similaires. Pour dire, en fait, et ça, c'est pour ça que le travail en amont, il est très utile, parce que tu as déjà tes exemples et tu sais que quelqu'un qui demande, est-ce que je dois prendre, je ne sais pas, une assurance maladie pour aller dans ce pays, si tu as déjà deux, trois exemples là-dessus, en fait, ça déroule et l'IA va être capable d'avoir une très bonne réponse à la fin. Et donc, une fois qu'on a fait ça, ça, c'est la phase de production. Donc, on a fait la phase de framing au début, on doit cadrer le projet. Ensuite, on produit la chose et ensuite, il faut évaluer ce truc-là. Et donc, c'est pour ça qu'on a besoin de cette phase de framing et d'avoir des questions réponses parce qu'à la fin Soit tu es un petit peu fou, tu mets ça en production et tu vois un peu ce qui se passe. Soit avant ça, tu fais encore passer une phase d'évaluation. De dire, j'ai toutes mes questions et j'ai mes réponses attendues. Et après, je regarde si déjà ça répond bien. Et Anuiten a des outils faits pour ça nativement depuis quelques semaines qui sont juste extraordinaires. Et en fait, tout ce cycle-là, c'est un modèle de développement classique d'un projet IA. On cadre, on définit s'il y a bien un problème, on récupère les données, on construit, ensuite on évalue et après on met en production et ensuite on itère. Et ce qui est très cool avec tout ça, c'est qu'une fois qu'on a fait toute cette grosse partie, toute cette machinerie, on peut former des gens à juste modifier des petites choses, changer les promptes, etc. Et à la fin, ça fait un outil formidable pour les sociétés.

• Speaker #0

  Les personnes peuvent avoir, après une petite formation, la possibilité de finalement interagir avec N8N, modifier potentiellement des choses.

• Speaker #1

  Exactement, c'est ça. Et là, ça fait un petit pas, mais en fait, nous maintenant, c'est ce qu'on a fait. Vu qu'on déploie pas mal d'N8N dans les boîtes, on a une petite formation aussi, qu'on vend en externe, mais qu'on vend surtout aux personnes avec qui on travaille. Pour une fois qu'on a fini de faire ça, on leur donne cette formation-là avec des questions, etc., s'ils en ont besoin. Mais à la fin, ils sont formés sur N8N de A à Z pour des personnes qui ne sont pas du tout tech. Et donc, ils peuvent exploiter la puissance de l'IA et de l'automatisation avec N8N et même pour d'autres projets internes. Et ils sont autonomes là-dessus. Juste nous, on met la première lancée, on les lance, on les forme. Et après, il y a plein d'idées qui viennent et c'est génial.

• Speaker #0

  Un autre cas d'usage qui m'intéresse particulièrement parce que je fais aussi pas mal de prospection. tu m'as parlé d'un cas avec Hunter.io et Perplexity en l'occurrence pour enrichir de la data de la data donc à partir de profils LinkedIn j'imagine, à partir de SalesNav, comment ça marche sur ce cas d'usage là ?

• Speaker #1

  Ce qui est cool avec N8N c'est qu'on peut brancher plein d'outils, donc c'est fait pour, et un des outils qu'on peut brancher c'est Hunter.io, donc pourquoi est-ce que je parle d'Hunter.io ? C'est parce que je l'ai mis dans la formation qu'on vend et donc parce qu'elle est très facile d'accès cette API donc comment est-ce que ça fonctionne ? L'idée de base, c'est de se dire qu'à Hunter.io, on peut lui donner un entrée, nom, prénom d'une personne avec le nom de la société de cette personne-là, ou alors le LinkedIn directement d'une personne, et en sortie, ça nous donne son email. Ce qui est génial, parce que si on arrive à avoir un Google Sheet avec nom, prénom, entreprise de la personne, en faisant passer dans une moulinette à Nuiten, qu'est-ce qu'on va faire à Nuiten ? La première chose, c'est de récupérer toutes les lignes du Google Sheet et de, une par une, les faire passer dans Hunter.io et ensuite les remettre dans le Google Sheet avec l'email. donc avant la moulinette on n'a pas l'email après la moulinette on a l'email dans le Google Sheet Donc après, comment est-ce qu'on fait cette première phase d'avoir le Google Sheet là-dedans ? On peut aussi passer par N8N. Il ne faut pas essentiellement le brancher avec d'autres outils. Mais du coup, LinkedIn SalesNav, donc LinkedIn, il y a une fonctionnalité en plus qui coûte 100 euros par mois, qui permet d'accéder à SalesNav, SalesNavigator. Et sur SalesNavigator, on peut faire des recherches d'entreprises ou de personnes avec des filtres. Et on utilise des outils en plus, donc Phantom Buster, Captain Data ou d'autres outils, pour pouvoir extraire cette donnée-là. Et ensuite, la mettre dans le Google Sheet, enrichir les mails. et après dans le flow N8N on peut aussi potentiellement envoyer les mails directement. Et donc, ce à quoi il faut faire très gaffe, c'est qu'avant d'automatiser tout ça, il faut passer forcément par une phase à la main. Donc, on fait toutes ces étapes-là à la main avant d'automatiser, notamment pour le copywriting. Pourquoi ? Parce que le copywriting, c'est très difficile à faire. Et en fait, si on essaie de s'adresser à une foule, c'est très dur. Si on essaie de s'adresser à une personne, c'est beaucoup plus simple. Donc, ce qu'il faut faire, c'est envoyer d'abord, et je vous conseille de le faire, les premiers emails à la main en écrivant le copywriting vraiment à la main au début, les premières séquences, les premières relances, etc. Et une fois que vous avez ça qui est bon, vous pouvez commencer à automatiser et voir si ça fonctionnerait pour tout le monde.

• Speaker #0

  D'ailleurs, tous ces outils-là, Hunter.io, tu as cité Perplexity, je suis partant pour que tu nous racontes aussi comment on enrichit un lead avec Perplexity. On peut les utiliser à la main.

• Speaker #1

  On peut les utiliser à la main. Donc Perplexity, typiquement, c'est une interface de base sur laquelle on peut poser des questions, comme sur Google, mais en langage naturel. Donc quel est le nom-prénom du dirigeant de cette société, par exemple ? et ensuite si on met bien les bons filtres etc si on met bien les bonnes choses on peut utiliser l'API pour enrichir de la donnée donc typiquement on peut demander à une société enfin à Perplexity des informations sur cette société et nous on avait fait notamment le sirene d'une boîte une entreprise qui n'arrivait pas à avoir le sirene du coup on a enrichi tout ça et on a demandé à Perplexity quel est le sirene de sa société On a filtré sur un sous-domaine qui nous donnait tout le temps des bonnes réponses. Ça peut être un Papers ou ça peut être Annulaire Entreprise, le site que vous voulez. Et ensuite, du coup, Perplexity permet d'avoir des réponses que sur ces sites-là et donc d'avoir une très bonne donnée en sortie. Et donc, Perplexity, ça permet de faire ça. Full & Rich, ça permet de faire de l'enrichissement en cascade. Donc, ne pas utiliser que Hunter.io qui est un provider d'email ou de numéro de téléphone, mais d'en utiliser plein en cascade. Donc, ça coûte un poil plus cher, mais ça fonctionne super bien. Donc, Full & Rich. Quand on met en place tous ces outils là, à la fin on a une force de prospection qui est géniale.

• Speaker #0

  Tu as un cas d'usage un peu de SDR, BDR, les gens qui sont tout en amont du cycle de vente, tu arrives quasiment à automatiser, après avec toute la limite que tu viens d'exposer, mais tu arrives quasiment à automatiser ce métier ?

• Speaker #1

  Exactement, j'ai fait il y a quelques années pour une grosse boîte, je ne peux pas citer le nom, mais du coup toute cette prospection automatisée, et en fait on avait mis dans un Google Sheet plein de liens SalesNav. Et ensuite, on allait scraper ces liens, ces navs, on les mettait dans d'autres Google Sheets, on enrichissait la donnée. Et après, à la fin, on filtrait cette donnée-là et on la mettait à disposition des SDR, BDR, juste au moment où la personne avait répondu à l'email. Parce qu'en fait, dans ce flow-là, on peut aussi aller jusqu'à mettre dans une séquence d'email, donc avec des outils comme l'Aimlist, des outils comme la Gross Machine, d'autres outils, aller jusqu'à mettre directement dans la séquence avec le bon copywriting et essayer d'itérer, d'avoir directement le rendez-vous qui est pris. Ou alors de juste avoir une réponse d'email et à ce moment-là, le BDR prend la main. Et ce qu'il faut faire gaffe avec l'IA, parce qu'on parle aussi beaucoup d'IA, c'est que si vous essayez de mettre de l'IA dans vos mails, il faut faire que l'icebreaker. Et vraiment que l'icebreaker. Tout le reste, ça ne va pas fonctionner. Ou en tout cas, vous n'allez pas être ultra pertinent. Ou ça va se voir. Ou ça va se voir. Et en fait, si on contacte quelqu'un, c'est pour ça qu'il faut le faire à la main d'abord. Est-ce que tu vas aller chercher ? ah ben oui, j'ai vu que vous avez travaillé dans cette entreprise, fait ce truc. En fait, si ce n'est pas naturel quand on l'écrit une première fois, si ce n'est pas la bonne manière... d'approcher une personne, l'IA va... C'est pas parce qu'on met plus d'informations sur une personne que l'email va bien fonctionner. Et donc c'est pour ça où il faut faire gaffe. Quelle est la problématique que j'ai envie de résoudre ? C'est de contacter le plus de personnes. Comment est-ce que je fais pour avoir le plus haut taux de réponse de ces personnes-là ? Ben j'envoie des emails. L'IA, en fait, en réalité, tout le temps, il faut le mettre à la fin de la fin de la fin de la fin. C'est pour ça que les techs, ils n'arrivent pas forcément à faire des super projets qui sont qui vont en production tout le temps parce qu'ils sont trop tech. Et donc, ils essayent de faire de la tech, faire de la tech, faire de la tech. Non, ce qu'on veut, c'est résoudre des problématiques. Et en réalité, on s'en fiche des outils. Si jamais demain, on a un super business sans envoyer des emails, etc. avec notre business, c'est juste d'aller contacter des gens et d'aller talker aux portes. Il faut aller talker aux portes. Et l'IA, l'automatisation par email, on oublie. Il faut l'explorer un temps, mais il faut voir ce qui est le plus rentable pour une entreprise. Et donc, ça peut être l'IA, les mails, etc. Mais ça peut être plein d'autres choses.

• Speaker #0

  Ok, super clair. Voilà, j'ai un troisième cas d'usage dont on avait parlé en préparant cet épisode. On a commencé par... répondre à boîte mail, et puis là, on va à un truc un peu plus gros avec Perplexity, Hunter.io, donc la connexion de différentes interfaces. Et en général, tu m'as parlé d'un cas d'usage qui est le cœur d'Anne Mitten, finalement, qui est la création d'un workflow qui va venir nourrir différentes applications entre elles. Est-ce que tu as quelque chose en tête d'iconique sur lequel tu as bossé, par exemple ?

• Speaker #1

  Quelque chose d'iconique sur lequel j'ai bossé, ça peut être... J'ai bossé ça sur une formation, ça va être le Fireflies, et comment est-ce qu'on fait pour exploiter. la donnée d'un enregistrement.

• Speaker #0

  Donc

• Speaker #1

  Firefly, c'est un outil qui vient automatiquement, c'est un petit bot qui vient automatiquement dans un Google Meet, dans un Zoom ou dans un Teams, et qui enregistre tout, qui enregistre à la fois l'écran, la vidéo, et qui enregistre aussi la voix. Et donc ce qui est très cool avec ça, c'est qu'à la fin, on a des transcripts de toutes les réunions d'une boîte. Et ça, c'est extraordinaire, parce que l'IA, elle est très forte pour sublimer de la donnée. Et donc c'est-à-dire, si on a plein d'enregistrements, qu'on a fait cet effort d'avoir de la donnée, elle on va pouvoir la configurer cette IA pour qu'elle vienne exploiter cette donnée-là. Et il faut faire super gaffe parce que quand on fait ça, il faut bien définir les problématiques qu'on a envie de résoudre avec ça. Ça peut être, par exemple, choper toutes les objections qui sont rencontrées dans des calls de vente. Et donc, on a envie de se dire, on a envie d'améliorer notre équipe sales, on a envie d'avoir des scripts de vente et donc déjà, on a envie de trouver toutes les objections. Pendant les calls avec les clients ou pendant la pause vente ou même à la fin, c'est-à-dire qu'une fois qu'on a vendu qu'il y a le Customer Success Manager qui est là, va potentiellement récupérer tous ces feedbacks pour améliorer. pour améliorer tout ça mais d'abord il faut définir ces problématiques là donc ça ça peut être génial aussi pour les équipes marketing si on a envie de produire du contenu sur ces objections là qu'on a trouvé ou sur des choses qui se sont très bien passées ou sur plein d'autres choses mais en fait c'est un flot qui fonctionne très bien et donc là typiquement quand tu as un cas comme ça dans une boîte tu peux aller nourrir un crm pour faire de la mémoire de clients genre

• Speaker #0

  les objections tu peux les rattacher un client avec annuitane ce que tu peux faire exactement c'est de se donner une idée exactement ça c'est possible de le faire et après

• Speaker #1

  Donc N8n c'est un outil formidable pour pouvoir faire des choses comme ça, mais l'outil qui fonctionnera toujours le mieux c'est celui où il y a une intégration native

• Speaker #0

  Donc s'il y a un ringover qui permet directement, lié avec HubSpot qui est notre CRM, de faire ce transcript et d'avoir le transcript directement lié, et d'avoir les objections qui sont directement liées ou qu'on peut pronter, c'est ça qu'il faut privilégier. Par contre, si ce n'est pas possible de le faire et qu'on a envie de bidouiller des choses, là par contre on peut s'amuser à faire des choses. Mais il faut regarder d'abord si d'un point de vue natif, il n'y a pas des choses qui nous permettent de répondre. Parce que N8N c'est cool, mais c'est un petit peu du développement quelque part. On met en place des choses.

• Speaker #1

  C'est custom quand même.

• Speaker #0

  C'est custom, donc ça veut dire que ça peut casser, ça veut dire qu'il peut y avoir des problèmes. Donc il faut privilégier pour répondre à une problématique des intégrations natives ou des choses simples. Et après, une UTEN, ça permet d'aller dans le complexe. Et c'est ce qu'on vend vraiment avec Flowlab, c'est cette vision de on ne répond pas à une problématique par de la tech ou du process, juste on répond à des problèmes de manière la plus simple possible. Et c'est ça la bonne vision, c'est-à-dire que si on résout un problème juste en mettant deux personnes dans une pièce et en les faisant discuter, il vaut mieux ça plutôt que faire un flow qui fait plein de choses compliquées. Et notamment pour les mails, il y a plein de personnes, quand on fait passer nos entretiens d'embauche, qui nous disent, pour résoudre ce problème des mails... directement, je mets de l'IA dans les mails. Alors que potentiellement, non. Potentiellement, il n'y a pas besoin de mettre de l'IA dans les mails. Potentiellement, tu dois donner à tes utilisateurs une interface pour pouvoir passer des commandes. Et là, du coup, c'est une manière encore plus simple de résoudre ça. Donc, il faut aller à la solution la plus simple. Et N8N, il faut juste l'avoir dans sa boîte à outils et l'utiliser au bon moment sur la bonne problématique.

• Speaker #1

  C'est la fameuse différence entre déterminisme et probabilisme vis-à-vis d'une automatisation pure ou une automatisation avec l'IA.

• Speaker #0

  Voilà, c'est ça. Et on va mettre aussi des fois du stochastique quand on met de l'IA. Donc, il faut l'éviter. Stochastique, ça veut dire juste qu'il y a un processus aléatoire. Et donc, on n'a pas envie de mettre de la stochasticité dans tous nos workflows. Ça veut dire que même si ça marche à 99,9%, on n'a pas envie qu'il y ait ces 0,1% qui traînent. Donc, on n'a pas du tout envie de mettre de l'IA. On met l'IA en dernier cas d'usage, on met de l'automatisation si on peut mettre de l'automatisation, mais le mieux, c'est du natif et des choses simples.

• Speaker #1

  Hyper clair. Et donc, ça fait le lien avec ma question d'après. Comme tu as vu plein de problématiques dans des entreprises, etc. Et ce podcast s'appelle Super Agent, puisque les agents IA sont à la fois en vogue, il y a une énorme hype dessus et c'est utile dans une grande partie des cas. Mais effectivement, il y a un risque à donner l'accès, par exemple, à des bases de données structurelles de boîtes et tout, à un agent qui pourrait... Écrire sur ses bases, par exemple, et modifier. Qu'est-ce que tu penses qu'il va se passer dans les trois prochaines années sur le sujet des agents IA ? Est-ce qu'ils vont prendre une place forte dans les entreprises ? Est-ce qu'ils vont remplacer une partie des ETP, comme tu le disais auparavant, ou pas ?

• Speaker #0

  Je pense que pour répondre à cette problématique-là, à cette question-là, il faut partir un petit peu des acteurs et qui sont les personnes qui sont capables de développer des agents IA et comment est-ce qu'ils les développent. Donc la première personne qui va développer des agents IA ou qui va exploiter au maximum IA, c'est les startups. eux ils vont lever des fonds avec pour objectif de résoudre des problématiques précises. Moi, ce que je pense de ces boîtes-là, c'est qu'elles vont réussir à prendre la place d'autres boîtes, donc typiquement en imaginant un CRM IA. D'abord, ils vont commencer avec une petite feature IA, et ensuite, ils vont aller sur ce qui est réellement la grande puissance d'un CRM, qui est juste d'avoir une belle base de données pour les forces de vente. Donc en fait, l'IA, ça va être génial. Ces personnes-là vont bien développer des features IA qui ne seront pas développables par d'autres sociétés, parce que c'est très dur de faire fonctionner de l'IA. Et ces startups-là... spécifique. C'est très spécifique, c'est très dur, même pour faire des choses qui nous paraissent simples, faire un bon résumé d'informations ou d'aller chercher des informations sur Internet, sur des boîtes, etc. J'ai plein de copains qui sont vraiment très, très bons et qui mettent ultra beaucoup de temps à faire en sorte d'avoir un agent qui fonctionne à 100%. Les 80%, c'est facile. Les 20 derniers pourcent pour avoir un produit, c'est ultra dur. Donc, il faut faire attention. La première chose, c'est ces acteurs-là qui vont développer des agents IA qui vont être fonctionnels. très fonctionnels parce qu'ils se sont attaqués sur une problématique.

• Speaker #1

  Le genre, il y a RH qui gère...

• Speaker #0

  Le genre, il y a RH qui gère une ou plusieurs sous-problématiques. Et même si... Bon, ma vision de ça, c'est que les startups à la fin, elles vont prendre des... Elles vont juste remplacer les outils actuels. C'est juste un élément différenciant sur une boîte concurrente, mais ça ne va pas faire quelque chose de totalement révolutionnaire parce que il n'y a pas mille problématiques à répondre pour les sales. À la fin, il faut faire un CRM. Ou alors, il faut faire un clé ou autre chose, mais il n'y a pas mille marchés là-dessus. Et ensuite, il y a les personnes qui vont développer de l'IA dans les grosses boîtes ils vont faire du RAG Pour moi, ça va être le RAG, le RAG, le RAG, parce que...

• Speaker #1

  Définis le RAG pour les gens qui nous écoutent.

• Speaker #0

  Donc le RAG, c'est Retrieval Augmented Generation, et c'est comment est-ce qu'une IA a accès... Donc on peut poser des questions à une IA, mais elle a accès à plein de documentations, qui sont la documentation de la boîte et tous les documents de la boîte.

• Speaker #1

  Tout le knowledge interne de l'entreprise, la documentation...

• Speaker #0

  Exactement. Il est accessible aux chatbots, et donc ça, c'est ce que la société générale le fait, le monde le fait, tout le monde est en train d'aller là-dessus, et ça, on est sûr que c'est un use case qui va fonctionner. pour tous les autres use cases c'est tellement dur de les faire marcher c'est tellement incertain que pour moi Et après, ça c'est pour tous les sujets qui vont être très intéressants. Les startups vont faire potentiellement des outils qui vont être le cœur de leur société. Mais si demain il y a une boîte un peu plus classique et qu'on a envie de mettre de l'IA dedans, ça ne va pas être le cœur de la boîte. Ça va être tout ce qui est autour et qui est très intéressant pour pouvoir augmenter la productivité de tout le monde dans la boîte. Et c'est ça pour moi la vision, c'est qu'il faut des techs curieux qui soient capables dans n'importe quelle société d'aller brancher des outils, d'aller faire des choses très sympas pour pouvoir déployer des agents demain, mais des agents simples ou alors juste d'utiliser bien des startups qui font très bien certaines futures.

• Speaker #1

  On voit bien quand même le potentiel monstre de cet outil. Et ses limites alors ? Quelles sont les limites d'Anuiten ? Quelles sont les limites des automatisations IA ou des agents IA dessus aujourd'hui ?

• Speaker #0

  Les limites que je vois dans N8N, déjà c'est un outil qui est formidable, qui permet de faire plein de choses, mais à mon sens ça ne peut pas être le cœur d'un produit. Si vous faites demain, si demain vous êtes Brevo et que vous voulez développer une feature IA sur Brevo, vous ne pouvez pas la faire, ça ne peut pas être une core fonctionnalité de votre outil parce qu'il n'a pas

• Speaker #1

  N8N. Sur N8N en tout cas.

• Speaker #0

  En tout cas sur N8N, pourquoi ? Parce qu'il n'a pas N8N, toute la suite d'outils qui sont utiles avec du code. Donc le versionning ça fonctionne. Donc le versionning c'est GitHub, c'est comment est-ce qu'on passe d'une version à une autre. Ça fonctionne bien sur N8N mais avec la version entreprise et c'est pas exactement fait pour. Et ensuite pour faire de l'analyse de données, pour pouvoir faire plein d'autres choses, le code de base ça reste quand même exceptionnel quand on veut faire des produits à l'échelle et quand on veut faire un produit qui va être un core produit par exemple de Brevo. On peut pas utiliser N8N pour faire ça. Donc N8N il est pas fait à mon sens pour être le core produit d'une boîte tech ou le core produit d'une feature IA. Ça peut être pour le début d'une startup qui a envie de se lancer, qui peut brancher plein de choses en même temps. Ça, ça peut être génial, mais si après tu veux passer à l'échelle et vraiment avoir un outil fonctionnel, tu ne peux pas te passer des outils tech sur le marché aujourd'hui qui ne sont pas nativement utilisables avec N-Uten parce que ce n'est pas fait pour. Donc ce serait juste essayer de faire rentrer un carré dans un rond, ça ne va pas bien fonctionner. Donc ça pour moi, c'est les limites d'N-Uten, c'est que c'est un outil formidable, mais il faut avoir la lucidité de se dire pendant un temps, en tout cas si c'est le corps développement d'un outil. Et par contre, si on a envie de faire tout ce qui est autour, tout ce qui est satellite... au cœur de la boîte, donc envoyer des emails à Ausha droite, faire des résumés à Ausha droite, faire plein de choses super cool. Là, c'est sympa et là, on peut l'utiliser à Nmiten.

• Speaker #1

  Avec le potentiel qui va avec, génial. Et alors, le potentiel d'Nmiten, on peut l'avoir en venant de voir. Pour tout le monde qui nous écoute, comment on te trouve ? On te trouve sur LinkedIn ?

• Speaker #0

  On me trouve sur LinkedIn, donc Nael Ferré, N-A-Y-E-L-F-E-R-A-U, vous pouvez m'ajouter et me contacter. Et le nom de la boîte, c'est flowlab.studio, F-L-O-W-L-A-B. Et donc là, on vous répondra avec grand plaisir.

• Speaker #1

  Génial. Merci, Nael, pour cette petite masterclass sur N8N. Et à très bientôt à l'événement N8N. Il y a un événement bientôt ?

• Speaker #0

  Il y a un événement N8N le 16 octobre. Donc, vous pouvez m'ajouter sur LinkedIn ou trouver l'événement sur Luma. Vous verrez passer le lien. Il n'y a pas énormément de place. Donc, sautez dessus et on va se régaler.

• Speaker #1

  Dès qu'on publie cet épisode, inscrivez-vous. Allez sur le LinkedIn de Nael. Merci beaucoup.

• Speaker #0

  Merci pour l'invitation.

• Speaker #1

  Merci beaucoup d'avoir écouté cet épisode de Super Agent jusqu'au bout. Si ça t'a plu, pense à le partager à une personne freelance ou curieuse de l'IA. Et pour soutenir le podcast, laisse 5 étoiles sur ta plateforme d'écoute préférée. Et pense à t'abonner pour ne rien manquer des prochains épisodes. A très vite !