Choisir ses outils : Claude, Claude Code, Make, n8n, scripts

Choisissez l’outil selon la nature de chaque étape. Une étape aux règles fixes va dans un script ou un outil de workflow comme Make ou n8n. Une étape qui demande du jugement sur du texte désordonné demande un modèle. Une tâche qui enchaîne plusieurs étapes, lit des fichiers et décide de la suite demande un agent : pour cela j’utilise Claude avec des outils branchés, ou Claude Code quand l’agent doit travailler sur des fichiers et du code. La plupart des systèmes utiles mélangent les trois, et l’erreur que je vois le plus souvent, c’est un modèle qui fait le travail qu’un script de dix lignes ferait mieux.

Si la différence entre agent, automatisation et chatbot reste floue, lisez d’abord le chapitre 2. Celui-ci part de là et passe directement au choix.

Classez chaque étape selon le travail qu’elle fait

Prenez le process à automatiser et découpez-le en étapes. Rangez ensuite chaque étape dans l’une de ces quatre cases.

Type d’étape	Exemple	Bon outil	Pourquoi
Déplacer des données sur un déclencheur	Une inscription au formulaire part dans le CRM	Make ou n8n	Même entrée, même sortie, historique des exécutions visible
Calculer ou nettoyer	Dédupliquer une liste, compter des lignes, comparer des totaux	Un script	Déterministe, testable, relançable sans coût
Juger un élément	Cette entreprise est-elle dans la cible, cette réponse est-elle positive	Un appel au modèle	Lit du texte non structuré, rend une étiquette avec sa preuve
Enchaîner et décider	Étudier un compte, choisir les outils, rédiger, vérifier	Un agent	Planifie, appelle des outils, s’adapte à ce qu’il trouve

Le test de la dernière case : si vous pouvez dessiner le logigramme à l’avance, avec toutes ses branches, vous n’avez pas besoin d’un agent. Il vous faut un workflow, éventuellement avec un appel au modèle à l’intérieur. Un agent justifie son coût quand l’étape suivante dépend de ce que la précédente a renvoyé et que vous ne pouvez pas lister tous les cas.

Ce que chaque outil fait bien

Make et n8n sont des outils d’automatisation de workflows. Vous dessinez un flux de déclencheurs et d’actions entre vos applications, chaque exécution est journalisée, et n’importe qui dans l’équipe peut lire ce qui se passe. Les deux savent appeler un modèle comme une étape du flux, ce qui couvre beaucoup de besoins « d’automatisation IA » : classer un lead entrant, résumer la transcription d’un appel, préparer une réponse à relire. n8n peut aussi s’auto-héberger, ce qui compte si vos données doivent rester sur vos serveurs. Leur limite apparaît quand la logique grossit : un flux à quarante branches devient plus dur à lire que du code.

Claude, dans l’application de conversation avec des connecteurs, est le moyen le plus rapide de vérifier qu’une tâche est faisable. Vous branchez vos outils via MCP, un protocole ouvert qui permet à un client IA d’appeler les outils exposés par un serveur, puis vous demandez en langage courant et vous regardez quels outils il appelle. Il convient au travail exploratoire et aux petits lots : quelques dizaines de comptes, une analyse, un brouillon. Il convient mal à tout ce qui doit tourner chaque semaine sans vous.

Claude Code est l’agent de code d’Anthropic. Il tourne dans un terminal ou dans l’application de bureau, lit et écrit des fichiers dans un projet, lance des scripts et appelle des outils. C’est pour cela que je l’utilise pour les agents qui font un vrai travail répété : leurs instructions, leurs règles, leurs fichiers de référence et leurs scripts vivent dans un dossier que l’on peut versionner, relire et sauvegarder. Toute l’équipe d’agents qui fait tourner le marketing de Derrick est construite ainsi, comme le plugin d’outbound que j’ai publié. La présentation officielle décrit ce qu’il fait.

Les scripts (Python, Node, SQL, une formule de tableur) font tout ce qui a une seule bonne réponse. Dans mon installation, les comptages sont toujours calculés par un script et jamais écrits à la main dans un fichier, et un script vérifie qu’une fonctionnalité existe avant qu’un contenu la mentionne. Un modèle à qui l’on demande « combien de fonctionnalités avons-nous » donnera un nombre plausible. Un script donne le bon.

Adaptez le modèle au travail

Dans un système d’agents, un choix se rate facilement : quel modèle fait quelle étape. Ma règle est simple. Le modèle le plus fort va là où il y a du jugement : l’agent principal qui planifie, les experts qui rédigent ou rendent des verdicts. Un petit modèle rapide prend les sous-tâches mécaniques comme le rechercher-remplacer, la fouille de fichiers ou la remise en forme. Payer du jugement pour un grep est du gaspillage, et économiser sur un verdict, c’est la voie la plus sûre pour publier de mauvaises pages.

Une contrainte façonne l’architecture dans Claude Code : un sous-agent ne peut pas lancer un autre sous-agent. La délégation s’organise donc par le haut. L’agent principal découpe le travail et envoie lui-même chaque aide, au lieu d’attendre qu’une chaîne d’agents délègue d’elle-même vers le bas.

Un vrai mélange : une capacité, trois surfaces

J’ai cofondé Derrick, lisez cet exemple en gardant cela en tête. Derrick est un outil d’enrichissement de données B2B et de prospection, et les mêmes fonctions de données sont exposées par une app web, une barre latérale Google Sheets, un serveur MCP et une API REST. Le choix de la surface suit exactement la logique ci-dessus.

Besoin	Surface	Outil de votre côté
Travailler une liste de milliers de lignes, filtrer, inspecter	App web ou Sheets	Aucun, ou un script sur l’export
Explorer, tester une méthode, enrichir une douzaine de comptes	Serveur MCP	Claude ou un autre client MCP
Enrichir chaque nouvel inscrit automatiquement	API REST	Make, n8n ou votre propre back-end

La méthode tient avec n’importe quel fournisseur de données : la conversation sert à explorer, l’API dans un workflow sert à répéter, et la vue en liste sert à vérifier. Construire un TAM avec des agents IA montre le même partage sur une liste de prospection complète.

Une grille avant de choisir

Répondez à ces questions pour chaque étape. Les réponses choisissent souvent l’outil à votre place.

Question	Si oui	Si non
Puis-je écrire la règle en une phrase ?	Script ou workflow	Appel au modèle
L’action suivante dépend-elle de ce qui a été trouvé ?	Agent	Workflow
Doit-elle tourner à heure fixe sans moi ?	Workflow ou routine d’agent planifiée	La conversation suffit
Quelqu’un d’autre que moi va-t-il la maintenir ?	Ce qu’il sait lire (souvent Make ou n8n)	Le code convient
Une erreur coûte-t-elle de l’argent ou de la réputation ?	Ajouter une étape de contrôle avant la sortie	Échantillonner après coup
La sortie est-elle un fait (e-mail, nombre, identifiant) ?	La chercher dans un outil, jamais dans le modèle	Le modèle peut la rédiger

La dernière ligne est celle que l’on saute. Un modèle invente volontiers un SIREN ou un numéro de téléphone qui a l’air juste. Les faits viennent des outils et des sources de données. Le modèle décide, classe et rédige.

Par où commencer

Ne commencez pas par l’outil le plus puissant. Commencez par le moins cher qui fait le travail, et montez d’un cran seulement quand vous touchez sa limite. Pour la plupart des équipes, cela donne :

1. Faire la tâche dans Claude avec vos outils branchés, à la main, sur dix cas réels. Vous apprenez si elle est faisable et ce que les instructions devront dire.
2. Mettre les parties déterministes dans un script ou un flux Make ou n8n.
3. Passer à Claude Code quand la tâche demande des fichiers, plusieurs étapes, ses propres règles et un planning. C’est là que les agents deviennent quelque chose que l’on peut relire et maintenir.

Faire tourner un agent à heure fixe a ses propres règles, traitées dans le chapitre sur les routines. Prochaine étape : listez les étapes d’un process que vous voulez automatiser, remplissez la grille ci-dessus pour chacune et comptez combien ont vraiment besoin d’un modèle.