Comment créer un agent IA d'UX Research avec n8n et Claude - Ce que nous avons construit en direct !

Il y a des présentations en direct où l'on sent que le sujet résonne vraiment auprès de l'audience.
Celle du 22 avril en faisait partie. Gwenaël Ahoomey a ouvert son écran devant plus de 250 personnes et, 45 minutes plus tard, un agent issu de l'intelligence artificielle analysait automatiquement des retours store, c'est-à-dire les avis et notes laissés par les utilisateurs et utilisatrices sur les plateformes de téléchargement d'applications comme l'App Store ou le Google Play Store, et générait une présentation, sans aucune intervention humaine.Mais pour comprendre pourquoi cette approche change tout, il faut d'abord remettre en question une habitude que nous avons toutes et tous prise.

Pourquoi ne pas utiliser ChatGPT ou Claude.ai dans un contexte professionnel ?

Dans un cadre professionnel, l'utilisation de ces outils grand public comporte des risques réels, notamment celui du point de défaillance unique.

• Une dépendance risquée : En utilisant un seul produit, vous en êtes entièrement dépendant·e.
  Si le service tombe en panne, change sa tarification ou évolue de manière défavorable, vous vous retrouvez bloqué·e, alors qu'il existe de nombreux modèles de langage performants vers lesquels se tourner à tout moment.
• Des tarifs incertains : Les prix pratiqués aujourd'hui sont artificiellement bas et ces produits sont déficitaires. La dépendance créée maintenant pourrait devenir un problème demain, quand les tarifs s'aligneront sur le coût réel de traitement des données.
• La souveraineté de vos données : Les informations que vous faites transiter par ces interfaces sont souvent enregistrées et utilisées par les sociétés éditrices.

La solution : Passer directement par les interfaces de programmation (API) des modèles, via l'outil d'automatisation n8n. Vous gardez ainsi la main sur vos données, vous choisissez votre modèle et vous ne dépendez plus d'un produit tiers.

n8n : comprendre la différence entre automatisation et IA

Avant de construire l'agent, Gwenaël a posé une distinction importante que beaucoup de gens confondent :

1. L'automatisation : C'est enchaîner des tâches sans "intelligence" propre, comme recevoir une notification lorsqu'une nouvelle réponse arrive dans un tableau de bord. C'est efficace, mais limité.
2. L'IA : C'est ce que l'on ajoute par-dessus pour analyser le contenu de cette réponse, en extraire des enseignements et générer un résumé structuré. C'est là que le modèle de langage (LLM) entre en jeu.

n8n fonctionne avec un système de "nœuds". Un déclencheur lance la chaîne de travail à intervalle défini, et des actions s'enchaînent ensuite. Sa force est d'intégrer nativement un nœud "Agent IA" qui permet de connecter n'importe quel modèle et de lui donner accès à vos outils habituels (tableurs, messageries collaboratives, bases de connaissances).

Le flux de travail construit en direct

Gwenaël a présenté un cas concret : analyser automatiquement les retours store (avis clients) et générer une présentation exploitable. Voici les étapes du flux de travail :

• Déclencheur régulier : Le processus se lance automatiquement selon une fréquence définie (chaque nuit, chaque semaine).
• Agent IA (le cœur du système) : Le modèle Claude est connecté directement via son interface technique (API), sans passer par le site grand public. L'agent possède une mémoire simple et accède aux tableaux contenant les retours store.
• Génération de diapositives : Une fois l'analyse produite, le système appelle l'outil Gamma pour générer automatiquement une présentation structurée à partir des enseignements extraits.
• Envoi final : Le lien vers la présentation est récupéré puis envoyé directement par courrier électronique.

Résultat : Zéro action humaine entre l'analyse et la livraison.

Ce qu'il faut retenir

Ce qui ressort avant tout, c'est que la consigne (le prompt) fait toute la différence. Plus elle est structurée et précise, plus la qualité de l'analyse augmente. C'est souvent là que se joue l'écart entre un résultat générique et un résultat vraiment exploitable. 
L'autre avantage clé est le contrôle total. Contrairement aux produits "clés en main", vous voyez ici exactement comment l'agent fonctionne et quelles données il consulte. Rien n'est une boîte noire.
Enfin, côté sécurité, en passant par l'API, vos données ne sont pas utilisées pour l'entraînement des modèles chez le fournisseur (comme Anthropic pour Claude). Vous gérez vous-même la mémoire et la conservation des informations, ce qui est crucial dans un contexte professionnel.

Pour aller plus loin

Il n'est pas nécessaire d'être développeur ou développeuse pour construire ce genre d'agent. n8n est accessible, les modèles actuels sont puissants, et les résultats sont concrets.
Cependant, pour que cet agent ait de la matière de qualité à traiter, encore faut-il collecter les bons retours utilisateurs et utilisatrices - et recruter les bons participants et participantes pour vos études.
C'est exactement notre métier chez BilendiUX.

👉 En savoir plus sur BilendiUX

‍

‍