Peut-on créer un agent IA sans être développeur ? C’est le défi relevé par Clara Aubès, Product Marketing Manager chez Thiga, qui s’est lancée dans le développement d’un agent IA capable de structurer les retours terrain… sans savoir coder. Son outil : n8n, une plateforme no-code plébiscitée par la communauté Produit. Retour d’expérience, apprentissages et conseils pour celles et ceux qui veulent s’y mettre sans bagage technique.
Je suis Product Marketing Manager, et j’ai développé un agent IA en no-code avec n8n.
L’intelligence artificielle ne concerne plus seulement les équipes techniques. Les équipes Product Marketing de Thiga, dont je fais partie, se sont demandées comment elle pouvait nous aider à mieux faire notre métier. Pas en produisant plus de contenu, mais en rendant nos feedbacks plus utiles, plus actionnables.
C’est ce qui m’a poussée à explorer une piste : développer un agent IA capable de centraliser et structurer les retours terrain. L’objectif ? Fluidifier leur remontée, éviter qu’ils se perdent en route, et permettre aux équipes Produit de mieux les intégrer dans leurs décisions. La difficulté ? Je n’ai pas un profil particulièrement technique. Je n’ai jamais appris à coder (à part quelques requêtes SQL) et n’ai jamais réellement mis les mains dans des problématiques d’API, même si j’ai une bonne compréhension des mécaniques à l'œuvre.
Bien que n8n ne se positionne pas explicitement comme un outil no-code destiné aux profils non techniques, il a rapidement fait parler de lui au sein de la communauté Produit grâce à son expérience utilisateur simplifiée, permettant de créer des automatisations avec de l’IA, avec un minimum de complexité technique.
Voici mon retour d’expérience et quelques conseils pour vous lancer !
À noter : avant de plonger dans l’outil, j’ai pu assister à une démo réalisée par un consultant Thiga expert de n8n, ce qui m’a permis de gagner un temps précieux au démarrage.
Marre d'investir à l'aveugle dans l'intelligence artificielle ? Téléchargez gratuitement notre AI Product Canvas, pour vous poser toutes les bonnes questions avant de vous lancer dans un projet d'IA.
Les avantages de n8n
Une UX intuitive qui permet d'apprendre tout en construisant
L’expérience utilisateur de n8n est particulièrement fluide et intuitive, ce qui réduit considérablement les barrières à l’entrée. L’interface repose sur une logique visuelle simple : chaque étape du workflow est représentée par un nœud, que l’on peut facilement connecter aux autres. Cette représentation graphique permet de visualiser rapidement la structure de l’automatisation, ce qui nous aide à clarifier notre raisonnement.
Selon moi, c’est là que réside l’une des grandes forces de n8n : on peut se lancer rapidement, sans avoir une vision parfaitement claire du résultat final. L’outil se prête parfaitement à une approche itérative : on construit son workflow étape par étape, en affinant progressivement la logique au fur et à mesure qu’on avance.
Chaque nœud peut être testé individuellement, ce qui permet de valider ses hypothèses, de corriger facilement ses erreurs et d'apprendre au fur et à mesure.
Des automatisations accessibles sans code
Il est tout à fait possible de créer des agents simples sans écrire une seule ligne de code, surtout si vous utilisez les intégrations natives (Google Sheets, OpenAI, Notion…). Dans mon cas, j’ai réussi à construire un agent IA assez complet avec très peu de code. Quand c’était nécessaire, j’ai pu générer les quelques lignes manquantes via ChatGPT, sans les écrire moi-même.
Une version gratuite très complète
La version open-source auto-hébergée permet de bénéficier d’une large majorité des fonctionnalités sans coût. Je l’ai installée localement sur mon ordinateur et c’est un vrai atout pour tester, expérimenter ou construire des POCs sans se soucier immédiatement des limitations tarifaires.
Un partage facilité
Autre point fort : on peut copier-coller facilement un flow pour le partager à un collègue ou le publier dans la communauté. Cela rend la collaboration et la réutilisation très simples.
Les moins de n8n
Des points de friction pas toujours accessibles
Certes, on peut tester chaque nœud individuellement, mais les messages d’erreur sont parfois peu explicites. Lorsqu’un blocage survient (notamment sur un format de données ou une requête API), il peut être difficile de comprendre l’origine du problème, même avec l’aide de ChatGPT. Par exemple, j’ai passé plusieurs heures à corriger une erreur de format de sortie entre deux nœuds, sans réussir à identifier exactement pourquoi les solutions proposées échouaient.
Peu de visibilité sur les coûts liés à l'IA
L’intégration de modèles d’IA comme GPT se fait facilement, mais le suivi de la consommation de tokens est peu lisible. Pour info, un token correspond à un mot ou à une portion de mot traitée par le modèle, et constitue l’unité de facturation principale des modèles comme ChatGPT. Pour ce qui est du suivi de la consommation, on ne comprend pas toujours ce qui a été envoyé, combien cela coûte, ou pourquoi une tâche met du temps à s’exécuter. Cela peut poser problème pour anticiper ou contrôler les coûts si on utilise un modèle payant (ce qui est indispensable pour certaines requêtes).
Une complexité parfois inutile
n8n est très puissant, mais il n’indique pas toujours la manière la plus simple de faire les choses. Il est possible de passer du temps à construire un enchaînement complexe, alors qu’une solution plus directe existe (par exemple via un autre nœud natif ou un changement de logique). Sans expérience technique particulière, on peut vite complexifier inutilement le processus.
Traiter des volumes plus importants prend du temps
Dans le cadre de la création de mon agent, j’ai dû traiter un volume important de données, avec plus de 5 000 éléments à analyser. C’est précisément dans ce contexte que l’utilisation de n8n s’est révélée plus complexe et plus longue. Chaque phase de test demandait beaucoup de temps, car il fallait systématiquement relancer l’ensemble du processus.
S’il existe probablement des solutions permettant de gérer plus facilement de tels volumes de données, elles impliquent généralement une complexité technique plus importante.
Mes conseils pour bien démarrer
Utilisez des assistants IA
Les LLM comme ChatGPT ou Gemini sont des alliés précieux. Il existe même des assistants déjà configurés pour aider spécifiquement à créer ou débloquer des workflows n8n. On peut notamment leur demander de générer du code JavaScript pour les nœuds "Function", d’aider à configurer certains nœuds, ou même conseiller sur les étapes du workflow à créer.
Comme pour la plupart des utilisations de LLM, les réponses et indications ne fonctionnent pas toujours, surtout si notre prompt est moins précis, mais il ne faut pas hésiter à demander plusieurs pistes de solutions et en tester un certain nombre pour trouver celle qui fonctionne.
Commencez petit
Ne cherchez pas à tout faire dès le début. Je conseille de construire un premier flow simple, de bout en bout, même avec des fausses données ou un périmètre de données réduit, pour comprendre la logique, tester les nœuds de base, puis d’ajouter progressivement de la complexité.
Pour des projets avec de gros volumes à traiter, il est important d’anticiper cette complexité et de prévoir des mécanismes de segmentation ou de traitement par lots afin d’optimiser les performances et la maintenabilité.
Appuyez-vous sur la communauté
La communauté n8n est très dynamique. Vous trouverez facilement des workflows partagés, des tutoriels, des discussions de bugs similaires aux vôtres, et même des plugins. C’est un vrai levier pour progresser et débloquer plus vite certaines situations.
n8n est un outil extrêmement puissant pour automatiser des tâches simples à moyennement complexes. Il permet à des profils non-développeurs de prototyper, connecter des outils, et intégrer de l’IA dans leurs workflows.
Mais dès que l’on commence à traiter de gros volumes de données, à multiplier les cas d’usage ou à créer des logiques complexes, les limites apparaissent rapidement :
- manque de visibilité sur les erreurs,
- difficulté à prévoir tous les cas de figure (erreurs, exceptions, formats de données),
- temps d’exécution sur de gros workflows,
- complexité à estimer ou contrôler les coûts côté IA.
En conclusion, n8n est parfait pour des automatisations ciblées, légères et bien définies, mais nécessite des compétences techniques plus approfondies pour des automatisations et processus plus complexes.
Formez-vous à l’IA générative avec Thiga Academy ! L’intelligence artificielle transforme le métier de Product Manager. Notre formation vous aide vous ou vos équipes à l’intégrer concrètement dans vos produits afin de créer plus de valeur pour vos utilisateurs.
Au programme :
– Comprendre les fondamentaux de l’IA (ML, NLP, IA générative, LLM…) et ses cas d’usage
– Identifier, prioriser et concevoir des fonctionnalités IA à fort impact
– Maîtriser les bases du data management : collecte, nettoyage, annotation, gouvernance
– Cadrer, tester et déployer un modèle IA du MVP à l’industrialisation
– Équilibrer performance technique, valeur business et expérience utilisateur
– Travailler efficacement avec les Data Engineers, Scientists et Analysts
– Intégrer les principes d’une IA responsable, éthique et réglementée
Pour les Product Lovers avec 2 à 3 ans d’expérience, à l’aise avec la Discovery & la Delivery. Alors, prêt·e à faire de l’IA un levier Produit ?
