Brancher GPT dans n8n : passer de l'automatisation « tuyau » à l'automatisation intelligente

Vous utilisez déjà n8n pour déplacer des données d'un outil à l'autre : un formulaire qui remplit un tableur, une commande qui crée une fiche client. Ces automatisations « tuyaux » sont utiles, mais elles restent bêtes : elles copient, elles ne comprennent pas. En branchant un modèle GPT dans vos workflows, vous passez à l'étape suivante : trier, résumer, rédiger, classer. Voici comment le faire concrètement, sans être développeur.

Ce que change l'IA dans un workflow n8n

Un workflow n8n classique suit une logique rigide : si ceci, alors cela. Impossible de traiter des données floues comme un email écrit à la main, un avis client ou un CV. C'est exactement là qu'un modèle GPT intervient : il lit un texte libre et renvoie une réponse structurée que le reste du workflow peut utiliser.

Trois usages reviennent tout le temps dans les TPE et PME :

• Classer : ranger un email entrant dans « urgent », « devis », « SAV » ou « spam ».
• Résumer : condenser un compte-rendu de réunion ou un long fil de messages en trois puces.
• Rédiger : produire un premier jet de réponse, une description produit, un post.

Dans chaque cas, n8n reste le chef d'orchestre. GPT n'est qu'une brique intelligente au milieu de la chaîne.

Le node à connaître

n8n propose un node dédié pour appeler un modèle GPT. Vous lui fournissez trois choses : une clé API (récupérée sur le compte du fournisseur), un message système qui définit le rôle (« Tu es un assistant qui classe des emails »), et le contenu à traiter, généralement issu du node précédent via une variable.

Le point clé pour un usage professionnel : demandez toujours une sortie en JSON. Plutôt que « réponds-moi si c'est urgent », écrivez « réponds uniquement avec un JSON de la forme {"categorie": "...", "priorite": "haute|moyenne|basse"} ». Vous obtenez une donnée propre que les nodes suivants savent lire, au lieu d'une phrase que vous devriez décortiquer.

Un exemple complet : le tri des emails entrants

Prenons un cas que toute PME connaît : une boîte de contact qui reçoit de tout, mêlant demandes de devis, questions SAV et démarchage. Voici le workflow, node par node.

Étape	Node n8n	Rôle
1	Déclencheur email (IMAP)	Détecte chaque nouveau message
2	Node GPT	Classe l'email et extrait l'intention
3	Switch	Aiguille selon la catégorie renvoyée
4	Action	Notifie l'équipe, crée une tâche ou archive

Concrètement : un mail arrive, GPT le lit et renvoie {"categorie": "devis", "priorite": "haute"}. Le node Switch envoie alors une alerte au commercial, tandis qu'un démarchage classé « spam » part directement à la corbeille. Vous ne lisez plus que ce qui compte, et rien ne passe entre les mailles.

Trois règles pour que ça reste fiable

Brancher GPT dans un workflow est facile ; le rendre fiable demande un peu de discipline.

1. Cadrez le prompt système. Plus vous êtes précis sur les catégories possibles et le format attendu, plus les réponses sont stables. Listez explicitement les valeurs autorisées et interdisez les commentaires hors JSON.

2. Prévoyez le cas « erreur ». Un modèle peut renvoyer une réponse mal formée ou une catégorie inconnue. Ajoutez une branche par défaut dans votre Switch qui envoie ces cas vers une revue humaine plutôt que de les perdre.

3. Gardez l'humain sur les décisions sensibles. Pour classer ou résumer, l'automatisation complète est parfaite. Pour envoyer une réponse client au nom de l'entreprise, faites générer un brouillon par GPT mais laissez une personne valider avant l'envoi. Vous gagnez le temps de rédaction sans prendre le risque d'un message à côté de la plaque.

Combien ça coûte, vraiment

C'est la question qui bloque souvent. Bonne nouvelle : traiter du texte court avec un modèle GPT coûte des centimes. Classer quelques centaines d'emails par mois représente typiquement quelques euros, très loin du temps humain équivalent. Le vrai coût n'est pas l'IA, c'est le temps de conception du workflow au départ. Commencez donc par un seul cas d'usage bien choisi — celui qui vous fait perdre le plus de temps chaque semaine — mesurez le gain, puis étendez.

Par où commencer cette semaine

Ne cherchez pas à tout automatiser d'un coup. Choisissez une tâche répétitive qui implique de lire du texte et décider : trier des emails, qualifier des demandes de contact, résumer des retours clients. Montez un workflow n8n minimal avec un seul node GPT, testez-le sur dix cas réels, ajustez le prompt jusqu'à ce que les réponses soient stables. En une matinée, vous aurez une automatisation qui travaille pour vous en continu — et une méthode réplicable pour toutes les suivantes.

L'automatisation « tuyau » vous fait gagner des clics. L'automatisation « intelligente » vous fait gagner des décisions. C'est la différence entre un outil qui range vos données et un outil qui vous rend du temps de cerveau.