Automatiser son entreprise avec l'IA
Automatiser son entreprise avec l’IA
Intitulé réglementaire : Concevoir et déployer des automatisations et agents IA en contexte professionnel
| Durée | 14 heures (2 jours consécutifs) |
| Tarif | 1 650 € HT / participant |
| Format | Présentiel (100% synchrone) |
| Lieu | En entreprise (intra) ou dans nos locaux (inter) |
| Prérequis | Être à l’aise avec l’utilisation d’un ordinateur et la navigation internet. Avoir déjà utilisé un LLM (ChatGPT, Claude, Gemini) au moins une fois est recommandé mais pas obligatoire. |
| Effectif | 6 à 12 participants par session |
| Certification | Attestation de fin de formation — Organisme certifié Qualiopi |
| Accessibilité | Formation accessible aux PSH — contactez-nous pour les aménagements |
Problème visé
Des heures perdues sur des tâches répétitives. Des tentatives d’automatisation qui ne tiennent pas. L’équipe utilise ChatGPT en copier-coller sans jamais passer à l’échelle. Personne ne sait connecter l’IA aux données internes. Et les agents IA restent un mot à la mode.
Promesse de la formation
En 2 jours, vous passez du prompt isolé à l’automatisation opérationnelle : un workflow n8n fonctionnel, un chatbot RAG connecté à vos données, et un agent IA agentique capable de raisonner et de choisir ses outils.
Profil des bénéficiaires
Pour qui
- Professionnels ayant déjà utilisé un LLM (ChatGPT, Claude) souhaitant passer à l’automatisation
- Managers opérationnels cherchant à automatiser les processus de leur équipe
- Chefs de projet, coordinateurs, fonctions support et opérationnelles
- Responsables transformation numérique, DSI, CDO
- Indépendants et entrepreneurs souhaitant industrialiser leurs usages IA
- Participants ayant suivi F1 souhaitant approfondir (recommandé, pas obligatoire)
Prérequis
Être à l’aise avec l’utilisation d’un ordinateur et la navigation internet. Avoir déjà utilisé un LLM (ChatGPT, Claude, Gemini) au moins une fois est recommandé mais pas obligatoire.
Objectifs pédagogiques
À l’issue de la formation, le participant sera capable de :
- Comprendre la logique d’automatisation de tâches métier et la complémentarité LLM / low-code
- Maîtriser l’architecture des flux d’automatisation et la structure de la donnée
- Prendre en main n8n et Claude Code pour concevoir des workflows fonctionnels
- Gérer les clés API, comprendre le fonctionnement client/serveur, connecter un LLM par API
- Comprendre le RAG (embeddings, mémoire, sources externes) et créer un chatbot connecté à ses données
- Concevoir des systèmes d’IA agentique capables de raisonner et de choisir leurs outils
- Intégrer l’humain dans la boucle (human-in-the-loop)
Orchestration et contrôle - Connecter n8n à un front-end et industrialiser ses automatisations
- Appliquer ces compétences sur un projet fil rouge concret lié à son métier
Stack outils technologiques
Chaque outil est manipulé en situation réelle, pas en tutoriel isolé. L’apprenant développe une littératie multi-modèle.
| Outil | Usage dans la formation | Module |
| n8n | Plateforme d’automatisation principale — workflows, agents, RAG, front-end | J1 + J2 |
| Claude (API) | LLM connecté par API dans les workflows n8n — raisonnement, analyse | J1 + J2 |
| Claude Code | Automatisation avancée — scripting, intégration, prototypage rapide | J1 + J2 |
| Claude Cowork | Travail collaboratif sur fichiers, production de livrables, documentation | J1 + J2 |
| ChatGPT (API) | LLM alternatif connecté par API — comparaison multi-modèle dans les workflows | J1 |
| Make (Integromat) | Plateforme no-code alternative — démo comparative avec n8n | J1 |
| Gemini | Intégration Google Workspace + analyse de données structurées | J1 |
| NotebookLM | Analyse documentaire + base de connaissances pour RAG | J2 |
Projet fil rouge
Mon système IA opérationnel — L’apprenant choisit un cas d’usage concret de son métier dès le Jour 1 et construit progressivement : workflow automatisé sur n8n (J1), chatbot RAG connecté à ses données (J2), agent agentique avec contrôle humain (J2). Le livrable est un système fonctionnel déployable dès le lundi suivant.
Le projet est lancé en Jour 1 et soutenu en Jour 2. L’apprenant repart avec un livrable opérationnel utilisable dès le lendemain.
Futur Possible, cabinet de conseil & Centre de Formation à Montpellier et en France
Programme détaillé
JOUR 1 — Du prompt à l’automatisation : prendre en main les outils
Module 1 — Comprendre l’automatisation et la logique LLM / low-code (1h30)
- Mini-cadrage IA (20 min) : rappel fonctionnement LLM, limites, AI Act (pour les participants n’ayant pas suivi F1)
- Du prompt à l’automatisation : pourquoi copier-coller dans ChatGPT ne passe pas à l’échelle
- La logique LLM vs. low-code : quand utiliser un LLM, quand utiliser du no-code, quand combiner les deux
- Cartographie des tâches métier automatisables : grille d’analyse (répétitivité, volume, valeur, risque)
- Panorama des plateformes : n8n (open source, auto-hébergeable), Make (no-code SaaS), Claude Code (scripting IA)
- Atelier pratique : identifier 3 tâches automatisables dans son quotidien et choisir l’approche (LLM, low-code, hybride)
Module 2 — Architecture des flux et découverte de n8n (1h30)
- Architecture d’un flux d’automatisation : déclencheur → traitement → sortie → contrôle humain
- Structure de la donnée : JSON, tableaux, objets imbriqués — comprendre ce que manipulent les workflows
- Logique algorithmique pour non-développeurs : conditions, boucles, branchements, filtres
- Prise en main de n8n : interface, nœuds, connexions, exécution, historique, débogage
- Démo comparative : le même workflow sur n8n vs. Make — avantages et limites de chaque plateforme
- Atelier pratique : construire son premier workflow n8n fonctionnel (scénario guidé : traitement d’emails ou reporting automatisé)
Module 3 — API et connexion d’un LLM (1h30)
- Démystifier les API : fonctionnement client/serveur, requêtes HTTP (GET, POST), réponses JSON
- Gestion des clés API : création, sécurisation, rotation, bonnes pratiques (ne jamais coder en dur, variables d’environnement)
- Connecter Claude par API dans n8n : configuration du nœud HTTP, headers, body, parsing de la réponse
- Connecter ChatGPT par API dans n8n : même logique, différences de format
- Bonnes pratiques de nommage et documentation : nommer ses workflows, ses variables, documenter chaque étape
- Atelier pratique : intégrer Claude API dans son workflow n8n — envoyer un document, obtenir une synthèse structurée
Module 4 — Claude Code et Claude Cowork : automatisation avancée (1h30)
- Claude Code : qu’est-ce que c’est, quand l’utiliser, différence avec le prompting classique
- Cas d’usage Claude Code : scripting rapide, traitement de fichiers en lot, extraction de données, prototypage
- Claude Cowork : travail collaboratif sur fichiers métier, production de livrables, automatisation bureautique
- Démo live : automatiser un traitement de données avec Claude Code (ex. : nettoyer un CSV, générer un rapport)
- Combiner n8n + Claude Code + Claude API : architecturer un flux complet du déclencheur au livrable
- Application sur son projet fil rouge : choisir le système à construire en Jour 2, définir l’architecture cible
JOUR 2 — Agents intelligents, RAG et IA agentique
Module 5 — Agents IA : du prompt à l’assistant personnalisé (1h30)
- De l’automatisation à l’agent : qu’est-ce qu’un agent IA, différence avec un workflow déterministe
- Créer un agent avec Claude : Projets, instructions système, documents de référence, artefacts
- Créer un GPT personnalisé (ChatGPT) : configuration, base de connaissances, actions
- Créer un agent dans n8n : nœud AI Agent, configuration du modèle, gestion de la mémoire, outils connectés
- Tests croisés : les participants testent les agents des autres et donnent du feedback structuré
- Atelier pratique : chaque participant crée un assistant IA personnalisé pour son métier
Module 6 — RAG : connecter l’IA à ses données internes (1h30)
- Introduction au RAG (Retrieval-Augmented Generation) : principe, architecture, pourquoi c’est un game changer
- Comprendre les embeddings : comment l’IA transforme du texte en vecteurs pour chercher l’information pertinente
- Mémoire et sources externes : différence entre contexte, mémoire de conversation, et base de connaissances vectorielle
- Créer son premier chatbot RAG dans n8n : ingestion de documents, vectorisation, recherche sémantique, génération de réponse
- Utiliser NotebookLM comme base de connaissances : analyser des documents internes (conventions, politiques, référentiels)
- Limites et précautions : qualité des données, hallucinations malgré le RAG, confidentialité, RGPD
- Atelier pratique : construire un chatbot RAG connecté à ses propres documents professionnels
Module 7 — IA agentique : concevoir des systèmes capables de raisonner (1h30)
- De l’automatisation à l’agent agentique : concevoir des systèmes capables de raisonner et de choisir leurs outils
- Orchestration multi-agents : comment faire collaborer plusieurs agents spécialisés
- Intégration de l’humain dans la boucle (human-in-the-loop) : quand l’agent demande validation, quand il agit seul
- Contrôle et garde-fous : limiter les actions de l’agent, logs, alertes, fallbacks, rollback
- Interface et industrialisation : connecter n8n à un front-end (webhook, formulaire, chat widget)
- Démo live : un système agentique complet (déclencheur → agent → outils → validation humaine → action)
- Atelier pratique : étendre son projet avec une couche agentique (l’agent choisit le bon outil selon le contexte)
Module 8 — Industrialisation, documentation et restitution (1h30)
- Documenter son système : architecture, entrées/sorties, prérequis, maintenance, responsable — avec Claude Cowork
- Bonnes pratiques de nommage : workflows, variables, agents, clés API — pour que l’équipe puisse reprendre
- Anticiper la maintenance : évolution des modèles, changement d’API, montoring, alertes
- Conduite du changement : présenter l’automatisation IA à son équipe comme un gain, pas une menace
- Mesurer l’impact : KPIs avant/après, adoption réelle, ROI
Déroulé horaire
|
JOUR 1 |
|
|
9h00 — 9h15 |
Accueil, présentations, tour de table, attentes |
|
9h15 — 10h45 |
Module 1 : Logique d’automatisation LLM / low-code — cartographie des tâches automatisables |
|
10h45 — 11h00 |
Pause |
|
11h00 — 12h30 |
Module 2 : Architecture des flux + n8n — structure de la donnée, premier workflow fonctionnel |
|
12h30 — 13h30 |
Déjeuner |
|
13h30 — 15h00 |
Module 3 : API et connexion LLM — clés API, client/serveur, Claude API dans n8n |
|
15h00 — 15h15 |
Pause |
|
15h15 — 16h45 |
Module 4 : Claude Code + Claude Cowork — automatisation avancée, choix du projet fil rouge |
|
16h45 — 17h00 |
Synthèse du jour 1 + briefing travail intersession |
|
JOUR 2 |
|
|
9h00 — 9h15 |
Check-in : retours sur le travail intersession |
|
9h15 — 10h45 |
Module 5 : Agents IA — Projets Claude, GPTs, agents n8n + tests croisés |
|
10h45 — 11h00 |
Pause |
|
11h00 — 12h30 |
Module 6 : RAG — embeddings, mémoire, chatbot connecté aux données internes |
|
12h30 — 13h30 |
Déjeuner |
|
13h30 — 15h00 |
Module 7 : IA agentique — raisonnement, orchestration, human-in-the-loop, front-end |
|
15h00 — 15h15 |
Pause |
|
15h15 — 16h30 |
Module 8 : Industrialisation + restitution — documentation, KPIs, pitchs, plan 30 jours, Engage |
|
16h30 — 17h00 |
Restitution projet fil rouge + plan d’action + lancement Engage |
Suivi de l’exécution et évaluation
Suivi
- Feuilles de présence signées par demi-journée
- Attestation de fin de formation délivrée à chaque participant
Évaluation des acquis
- Positionnement initial
Auto-évaluation des compétences IA en début de J1 - Évaluation formative continue
Ateliers pratiques, exercices en binômes, cas d’usage - Livrable projet fil rouge
Évalué sur grille critériée (pertinence, qualité, opérationnalité) - Positionnement final
Auto-évaluation avant/après sur les objectifs pédagogiques - Questionnaire de satisfaction à chaud en fin de J2
Ressources techniques et pédagogiques
- Support de formation complet (PDF)
- Instance n8n préconfigurée pour chaque participant (accès pendant la formation + 30 jours)
- Templates de workflows n8n importables (reporting, email, synthèse, chatbot RAG, agent agentique)
- Guide API
Connecter Claude et ChatGPT par API dans n8n (pas à pas) - Guide Claude Code
Cas d’usage et tutoriels pour non-développeurs - Guide Claude Cowork
Production de livrables et documentation assistée - Documentation RAG
Embeddings, vectorisation, chatbot — concepts et tutoriels - Guide IA agentique
Orchestration, human-in-the-loop, connexion front-end - Bibliothèque de prompts métier organisée
- Bonnes pratiques de nommage et documentation de workflows
- Template de plan d’action à 30 jours
- Accès communauté Slack/Discord (permanent)
- Accès Engage WhatsApp Learning (30 jours post-formation)
Équipe pédagogique
Rony Germon — Docteur en sciences de gestion (UTT), Professeur Associé à PST&B, ambassadeur national Plan Oser l’IA. 15+ ans en transformation numérique de la formation, 20 000+ apprenants. Publications : Computers in Human Behavior, European Management Review.
Financement
Formation dispensée par INTUICIA EDUCATION, organisme certifié Qualiopi (actions de formation). Financement possible : plan de développement des compétences (entreprise), OPCO, FAF, aides régionales, autofinancement. Nous vous accompagnons dans le montage de votre dossier.
Futur Possible, cabinet de conseil & Centre de Formation à Montpellier et en France
Écosystème d’accompagnement post-formation
- Communauté Slack/Discord
Entraide entre pairs, partage de ressources, réseau professionnel permanent - Engage WhatsApp Learning (30 jours post-formation)
Micro-rappels cognitifs par le tuteur IA Léa (rappel espacé, remobilisation, micro-challenges) - Accès aux ressources de la formation pendant 12 mois
Durée totale d’accompagnement : 2 jours de formation + 30 jours d’ancrage Engage = 5 semaines.
Qualité et satisfaction
Indicateurs qualité disponibles sur demande. Taux de satisfaction, taux de complétion et Net Promoter Score mesurés à chaque session.
