Make + OpenAI : créer un scénario IA sans écrire une ligne de code
Par l'équipe Growth Loupe · 17 juin 2026 · 6 min
Rédigé avec l'assistance de l'IA · édité par Growth Loupe
En bref
Pour intégrer OpenAI dans Make, tu as deux options : le connecteur natif OpenAI (disponible directement dans le catalogue Make) ou le module HTTP (requête POST envoyée à l'endpoint https://api.openai.com/v1/chat/completions). Dans les deux cas, tu passes un prompt structuré en JSON, tu récupères la réponse via l'option Parse response, et tu branches la variable résultante sur le reste du scénario. Aucune ligne de code n'est nécessaire. Make = outil d'automatisation no-code. OpenAI API = interface qui permet à n'importe quelle application d'appeler les modèles GPT contre facturation à l'usage (token).
Pourquoi brancher une IA sur Make change la donne
Make est un outil d'automatisation no-code qui connecte des applications entre elles via des scénarios composés de modules. Sans IA, un scénario Make déplace des données : il copie, trie, envoie. Avec une IA dedans, il commence à comprendre ces données.
Tu peux résumer un email de 800 mots en trois lignes actionnables, décider automatiquement si un lead mérite un appel ou non, ou produire un premier jet de contenu — sans intervention humaine.
Ce n'est pas de la magie. C'est une requête API envoyée à OpenAI au bon moment dans ton flow. Make rend ça accessible même si tu n'as jamais écrit une ligne de code.
Les deux façons de connecter OpenAI à Make : comparatif
Deux routes existent. Le choix dépend de ton niveau de contrôle souhaité sur les outputs.
- →Connecteur natif OpenAI : module disponible directement dans le catalogue Make. Tu l'ajoutes comme n'importe quel autre module, tu entres ta clé API OpenAI, tu choisis le modèle (GPT-4o ou GPT-3.5-turbo) et tu écris ton prompt. C'est la voie la plus rapide pour débuter. Limitation : moins de flexibilité sur les paramètres avancés.
- →Module HTTP (Make a request) : tu construis toi-même la requête POST vers l'API OpenAI. Plus de contrôle sur la température, max_tokens, le system prompt séparé, les paramètres fins. Deux ou trois clics de plus, mais recommandé dès que tu veux piloter précisément la qualité des outputs.
Configurer le module HTTP Make vers OpenAI : étapes exactes
Le module HTTP est la configuration la plus polyvalente. Voici la séquence exacte pour le mettre en place.
- →Étape 1 : ajoute un module HTTP > Make a request dans ton scénario Make.
- →Étape 2 : URL = https://api.openai.com/v1/chat/completions — méthode POST.
- →Étape 3 : Headers. Clé Authorization, valeur Bearer {{ta_clé_API}}. Clé Content-Type, valeur application/json.
- →Étape 4 : Body type = Raw, content type = JSON. Structure minimale : { "model": "gpt-4o", "messages": [ {"role": "system", "content": "Tu es un assistant qui..."}, {"role": "user", "content": "{{variable_make}}"} ], "max_tokens": 500 }
- →Étape 5 : dans l'onglet Output, active Parse response. Make lit le JSON retourné par OpenAI et expose choices[0].message.content comme variable branchable.
- →Étape 6 : mappe cette variable sur la suite du scénario — champ CRM, corps d'email, post réseau social, note Notion.
Trois cas d'usage concrets à dupliquer aujourd'hui
Voilà ce que tu peux construire maintenant, avec des déclencheurs et des prompts réutilisables.
- →Résumer un email entrant. Déclencheur : module Gmail Watch Emails. Prompt : "Résume cet email en 3 points actionnables : {{corps_email}}". La réponse OpenAI part dans un channel Slack ou une note Notion. Tu lis le résumé en quelques secondes au lieu de parcourir tout l'email.
- →Qualifier un lead entrant. Déclencheur : nouveau formulaire Typeform ou Tally. Prompt : "Sur la base de ces réponses, dis si ce lead est chaud, tiède ou froid, et explique en une phrase pourquoi : {{réponses_formulaire}}". Le score textuel se colle dans HubSpot ou une base Notion.
- →Générer un post LinkedIn depuis un brief. Déclencheur : nouvelle ligne dans Google Sheets (colonnes Sujet, Angle, Ton). Prompt : "Écris un post LinkedIn de 150 mots sur ce sujet : {{sujet}}, angle : {{angle}}, ton : {{ton}}. Commence par une accroche directe, sans question.". La sortie va dans un Google Doc ou une file Notion pour validation avant publication.
Ce que cette approche ne remplace pas
GPT-4o dans Make n'est pas infaillible. Soyons directs sur les limites.
La qualité des outputs dépend entièrement de la qualité du prompt. Un prompt vague produit une réponse vague. Prévois une étape de validation humaine sur les contenus critiques : emails clients, posts publics, scores de leads stratégiques.
Le coût API s'accumule sur des volumes importants. OpenAI facture à l'usage selon les tokens consommés, avec des tarifs différents selon le modèle. Pour les tâches simples et répétitives (résumés courts, reformulations), GPT-3.5-turbo est moins cher que GPT-4o et souvent suffisant. Surveille ton usage dans le dashboard platform.openai.com.
Make a également une limite sur la taille du JSON parsé. Si tu traites des emails longs ou des documents entiers, tronque l'input avant de l'envoyer à l'API pour éviter les erreurs.
Pour aller plus loin sur les automatisations Make
Connecter OpenAI à Make est une brique. Ce qui fait la différence, c'est de savoir construire des scénarios entiers — conditions, routeurs, gestion d'erreurs, variables — sans tout casser quand une donnée change.
La formation No-Code de Growth Loupe couvre exactement ça : on part de zéro et on monte en complexité progressivement, avec des cas réels directement applicables. Growth Loupe, c'est 5 formations, 49 vidéos, construites par Mehdi Naceri, fondateur de Growth Consult et 280+ clients accompagnés. Du concret, pas du blabla.
FAQ
Comment connecter OpenAI à Make sans le connecteur natif ?
Tu utilises le module HTTP de Make. Ajoute un module HTTP > Make a request, entre l'URL https://api.openai.com/v1/chat/completions en méthode POST, ajoute le header Authorization avec la valeur Bearer {{ta_clé_API}}, puis colle ton prompt en JSON dans le body (format messages avec role system et role user). Active l'option Parse response pour récupérer choices[0].message.content comme variable branchable dans la suite du scénario.
Quel modèle OpenAI choisir dans un scénario Make ?
GPT-4o pour les tâches complexes : qualification de leads, génération de contenu structuré, analyse nuancée. GPT-3.5-turbo pour les tâches simples à fort volume : résumés courts, reformulations, extractions basiques. GPT-3.5-turbo coûte moins cher à l'usage et suffit largement dans ces cas. Le choix se fait dans le champ model du body JSON ou dans le connecteur natif Make.
Est-ce que je peux utiliser Make avec OpenAI sans compte développeur ?
Oui. Tu as uniquement besoin d'une clé API OpenAI, disponible sur platform.openai.com dans la section API keys. Pas de statut développeur particulier requis : un compte standard suffit. Tu génères la clé, tu la copies dans Make (champ Authorization header ou dans le connecteur natif), et tu es opérationnel.
Combien coûte l'utilisation d'OpenAI dans un scénario Make ?
Make facture les opérations (chaque module activé compte comme une opération). OpenAI facture à l'usage, selon le nombre de tokens consommés par requête, avec des tarifs différents selon le modèle choisi. Pour des scénarios à faible volume, le coût reste marginal. Pour des volumes importants, surveille le dashboard OpenAI et limite max_tokens ou passe sur un modèle moins cher comme GPT-3.5-turbo.