Agents d'IA avec n8n : RAG, MCP et Automatisation Intelligente

Niveau: Intermédiaire–avancé
Prérequis: Connaissances de base de n8n. Des connaissances approfondies en IA ne sont pas requises.

Ce serait le cours avec le plus grand potentiel commercial.

Unité 1. IA générative appliquée à l'automatisation

• IA générative et LLM.
• Comment fonctionne un modèle de langage.
• Tokens.
• Contexte.
• Prompts.
• Température et paramètres.
• Structured Outputs.
• Modèles d'OpenAI, Anthropic, Google et autres fournisseurs.
• Automatisation traditionnelle versus automatisation avec IA.
• Quand utiliser l'IA et quand ne pas l'utiliser.
• Coûts et limitations.

Pratique: Classer et traiter automatiquement des informations à l'aide d'un LLM.

Unité 2. Création de workflows avec l'IA

• Nœuds d'IA de n8n.
• Chat models.
• Prompt templates.
• Structured Output Parser.
• Classification.
• Extraction d'informations.
• Résumé.
• Génération de contenu.
• Analyse de documents.
• Traitement des e-mails.
• Sentiment analysis.
• Intégration de l'IA dans les workflows traditionnels.

Pratique: Créer un système intelligent pour traiter automatiquement les e-mails des clients.

Unité 3. Agents d'IA dans n8n

• Qu'est-ce qu'un agent.
• Différence entre chatbot et agent.
• AI Agent.
• Modèle.
• Mémoire.
• Outils.
• Outils personnalisés.
• Utilisation des API comme outils.
• Agents exécutant des actions.
• Human-in-the-loop.
• Limites et permissions.
• Conception d'agents sécurisés.

Pratique: Créer un agent qui consulte des informations et exécute des actions dans des applications externes.

Unité 4. RAG et connaissance d'entreprise

• Problème de la connaissance des LLM.
• Qu'est-ce que le RAG.
• Embeddings.
• Chunking.
• Vector databases.
• Vector stores.
• Ingestion de documents.
• PDF, Word, web et autres sources.
• Récupération sémantique.
• Retriever.
• Génération basée sur des documents d'entreprise.
• Mise à jour des connaissances.
• Évaluation des réponses.
• Réduction des hallucinations.

Pratique: Créer un assistant qui répond en utilisant la documentation interne.

Unité 5. MCP et outils externes

• Qu'est-ce que le Model Context Protocol.
• Architecture client-serveur.
• MCP Client.
• MCP Server.
• Outils.
• Ressources.
• Exposition des outils via MCP.
• Utilisation de services externes par les agents.
• n8n comme consommateur et fournisseur d'outils.
• Sécurité et permissions.
• Cas d'entreprise du MCP.

Pratique: Connecter un agent avec des outils externes via MCP.

Unité 6. Architectures avancées d'agents

• Workflows déterministes + agents.
• Quand utiliser chaque approche.
• Agents spécialisés.
• Agents avec plusieurs outils.
• Orchestrateurs.
• Routage.
• Architectures multi-agents.
• Mémoire à court et long terme.
• État d'une conversation.
• Sous-workflows comme outils.
• Agents qui appellent d'autres processus.
• Exécution de processus métier complexes.

Pratique: Créer plusieurs agents spécialisés coordonnés depuis n8n.

Unité 7. Production, sécurité et gouvernance des agents IA

Cette partie me semble particulièrement importante pour différencier un cours professionnel d'un cours YouTube.

• Prompt injection.
• Accès indésirable aux outils.
• Protection des informations.
• Données personnelles.
• Identifiants.
• Limitation des actions de l'agent.
• Approbation humaine.
• Audit.
• Logging.
• Gestion des erreurs.
• Timeouts.
• Contrôle des coûts.
• Consommation de tokens.
• Évaluation des résultats.
• Tests de workflows d'IA.
• Observabilité.
• Surveillance.
• Bonnes pratiques pour la mise en production des agents.

Projet final

Construire un agent d'entreprise complet qui:

1. reçoit une requête;
2. identifie l'intention;
3. consulte la documentation via RAG;
4. utilise des outils ou des API;
5. exécute une action via n8n;
6. demande une autorisation humaine pour les actions sensibles;
7. enregistre le résultat.