# Tout savoir sur la configuration des agents IA dans n8n Voici un **exposé simplifié** et **pédagogique** sur les **Agents IA** dans n8n, leurs différents types, et dans quels cas les utiliser. L’objectif est de comprendre les principes généraux et d’avoir des pistes concrètes d’utilisation. --- ## Qu’est-ce qu’un Agent IA dans n8n ? Un Agent IA est un “système autonome” qui : 1. **Reçoit des données** (par exemple des requêtes d’utilisateurs), 2. **Prend des décisions** (quels outils utiliser, quelle action exécuter), 3. **Agit dans son environnement** pour atteindre un but (envoyer une réponse, lancer une requête, stocker un fichier, etc.). Dans n8n, on configure ces Agents IA à l’aide du **nœud “AI Agent”**. Ce nœud a besoin : * **D’un (ou plusieurs) modèles d’IA** (souvent un modèle de type Chat, comme GPT), * **D’au moins un outil** connecté (un “sub-node” ou “tool” qui permet par exemple de faire une requête HTTP, un scraping, une requête SQL, etc.), * **Éventuellement d’un module de “mémoire”** (pour conserver le contexte de conversation), si l’agent choisi le permet. --- ## Les principaux types d’Agents IA dans n8n Il existe **six agents** parmi lesquels choisir. Chacun a sa spécialité et s’utilise dans des scénarios différents : 1. ### Tools Agent (Agent d’outils) – **l’agent par défaut** * **Ce qu’il fait** : Il peut appeler différents outils (API, intégrations, bases de données…) en fonction du besoin détecté. * **Quand l’utiliser** : Pour la plupart des cas d’usage. C’est un excellent point de départ : il gère bien les appels aux “tools” et sait choisir automatiquement celui qui convient le mieux en fonction de la demande. * **Avantages** : Très polyvalent, bonne intégration avec de nombreux services externes et bases de données, gère un format de réponse standardisé. 2. ### Conversational Agent (Agent conversationnel) * **Ce qu’il fait** : Il sert à créer un chatbot ou un assistant virtuel capable de maintenir une conversation “humaine”. Il comprend les intentions et gère un **fil de discussion**. * **Quand l’utiliser** : Pour tout ce qui concerne les **chatbots**, la **relation client**, le **support utilisateur** ou les assistants virtuels. * **Avantages** : Il garde la **mémoire** des échanges (via un nœud de “mémoire”), ce qui rend les échanges plus naturels. * **Limites** : Moins précis que le Tools Agent sur les appels d’outils avancés. Souvent suffisant pour des interactions plus simples ou quand le modèle choisi ne gère pas l’appel d’outils. 3. ### OpenAI Functions Agent * **Ce qu’il fait** : Spécialement conçu pour les **modèles OpenAI “functions”** (par ex. GPT-3.5/4 “function calling”). * **Quand l’utiliser** : **Uniquement** si vous avez configuré un **OpenAI Chat Model** de type “functions calling” et que vous voulez tirer parti de cette fonctionnalité. * **Avantages** : Permet de profiter des “fonctions” qu’OpenAI propose pour générer automatiquement les arguments d’appels d’API, etc. 4. ### Plan and Execute Agent (Agent Planifier & Exécuter) * **Ce qu’il fait** : Il commence par créer un **plan** (une liste d’étapes) pour résoudre la tâche, puis l’exécute étape par étape. * **Quand l’utiliser** : Quand le **problème** ou la **tâche** requiert une approche plus structurée et un enchaînement logique de plusieurs étapes. * **Avantages** : Il est capable de décomposer des tâches complexes, de planifier et d’assurer l’exécution d’un plan. 5. ### ReAct Agent * **Ce qu’il fait** : Il applique la méthode **“Reason + Act”** : l’Agent raisonne sur la demande, décide de la prochaine action, puis agit, et ainsi de suite. * **Quand l’utiliser** : Pour les scénarios où l’on veut que l’IA décompose des demandes complexes en sous-actions successives, tout en explicitant son raisonnement. * **Limites** : **Pas de mémoire** intégrée (pas de conversation longue). On l’utilise plutôt quand la conservation du contexte n’est pas nécessaire. 6. ### SQL Agent * **Ce qu’il fait** : Il se connecte à une **base de données SQL** et convertit des questions en langage naturel vers des requêtes SQL. Ensuite, il exécute la requête et renvoie le résultat. * **Quand l’utiliser** : Pour construire un “assistant base de données” capable de répondre à des questions sur le contenu d’une base MySQL, Postgres ou SQLite, sans forcément taper soi-même les requêtes SQL. * **Avantages** : Permet de créer très vite un outil d’analyse de données en langage naturel. --- ## Comment mettre en place un Agent IA dans n8n ? 1. **Ajouter un nœud “AI Agent”** dans votre workflow. 2. **Choisir le type d’agent** (parmi les 6 ci-dessus) dans les paramètres du nœud. 3. **Connecter un ou plusieurs “tools”** (sous-nœuds) si nécessaire (p. ex. un outil de scraping, un outil d’API, un accès à une base de données, etc.). 4. **Brancher un “Chat Model”** (souvent un modèle OpenAI Chat, Anthropic, etc.) : * L’agent en a besoin pour générer du texte et analyser la requête. * Certains agents nécessitent explicitement un “Chat Model” compatible (ex. Tools Agent, Conversational Agent). 5. **Définir la source du “Prompt”** (la question initiale) : * Soit en l’écrivant dans les paramètres du nœud (“Define below”), * Soit en récupérant un message depuis un **Chat Trigger** ou un autre nœud. 6. **(Optionnel) Ajouter une “mémoire”** : * Pour les agents qui la supportent (par ex. Conversational Agent), un nœud de “Window Buffer Memory” ou équivalent vous permettra de conserver l’historique d’une conversation. 7. **Tester et ajuster** : * Vous pouvez limiter le nombre d’itérations, ajuster les messages “system” pour guider l’agent, définir des formats de sortie, etc. --- ## Cas d’utilisation principaux * **Assistant virtuel ou chatbot** : Utilisez le **Conversational Agent** (avec mémoire) pour offrir une expérience plus naturelle, ou **Tools Agent** si vous avez besoin d’appeler des outils. * **Actions automatisées pilotées par IA** : Par exemple, envoyer un email, effectuer une requête HTTP, etc. : optez pour le **Tools Agent** (il sait choisir l’outil adéquat). * **Analyse de données en langage naturel** : Connecter une base **SQL** et employer le **SQL Agent** pour interroger les tables à partir de phrases en langage naturel. * **Scénarios complexes** (projets multi-étapes) : Le **Plan and Execute Agent** peut d’abord élaborer un plan de travail, puis traiter étape par étape, parfait pour des enchaînements logiques importants. * **Approche “Reason + Act”** : Si vous voulez voir l’IA “raisonner” et exécuter en boucle, le **ReAct Agent** est intéressant (mais n’a pas de mémoire). --- ## Bonnes pratiques et points d’attention * **Vérifier la compatibilité du modèle** : Certains agents requièrent un “Chat Model” précis (ex. OpenAI Functions Agent). * **Garder un œil sur les “hallucinations”** : Les modèles peuvent parfois inventer des réponses. Utilisez si besoin des “Output Parsers” pour contraindre la forme des réponses. * **Gérer la conversation** (si besoin) : Les agents comme Conversational Agent acceptent un sub-nœud “memory” pour conserver le contexte. *NB : le ReAct Agent, lui, ne gère pas de mémoire.* * **Limiter le nombre d’itérations** : Par défaut, le paramètre “Max Iterations” est souvent à 10. Si votre workflow se bloque ou coûte trop cher en tokens, réduisez-le. --- ## Conclusion Dans n8n, les **Agents IA** offrent un moyen puissant de **connecter un LLM** à toutes sortes d’outils, de bases de données et de services. Le choix de l’agent dépend principalement : * De **l’objectif** (chatbot, requêtes SQL, workflow complexe, etc.), * Du **contexte** (modèle OpenAI Functions, besoin de mémorisation, etc.), * Des **capacités** (nombre d’outils à appeler, complexité de la tâche à décomposer). Pour la plupart des scénarios, commencer avec le **Tools Agent** est une bonne idée. Vous pouvez ensuite affiner en optant pour le **Conversational Agent** (chat plus naturel), ou un **SQL Agent** (requêtes BD), ou encore le **Plan and Execute** ou **ReAct Agent** pour des tâches à étapes multiples ou un raisonnement plus élaboré. Avec cette vue d’ensemble, vous disposez des bases pour choisir **l’Agent IA** qui correspond le mieux à votre besoin, et pour l’intégrer efficacement à vos workflows n8n. Bon apprentissage et bonne automatisation !