Une formation IA et no-code apprend à combiner les assistants d’IA générative avec des outils visuels comme Make, Airtable ou Notion pour créer des solutions sur mesure : tri automatique des demandes, rédaction assistée, tableaux de bord, prototypes d’applications. Les participants partent d’un besoin réel et construisent une première solution pendant la formation.
Seule, l’IA générative assiste. Associée aux outils no-code, elle s’intègre aux processus de l’entreprise et travaille en continu.
Des combinaisons efficaces
- Formulaire + IA + tableur : classement automatique des demandes
- E-mail + IA + CRM : résumé et mise à jour des fiches clients
- Base Airtable + IA : génération de fiches produits
- Notion + IA : documentation et synthèses d’équipe
Ces combinaisons reposent toutes sur le même principe : un outil no-code organise et transporte les données, l’IA traite le texte qu’elles contiennent. Un formulaire alimente une base, un scénario transmet chaque nouvelle entrée à un modèle de langage qui la résume ou la classe, puis le résultat est enregistré ou envoyé à la bonne personne. Chaque brique reste simple, et c’est leur enchaînement qui fait gagner du temps.
Les outils utilisés en formation, comme Make, Airtable ou Notion, disposent de connecteurs vers les principaux services d’IA. Les participants apprennent à les utiliser sans écrire de code, en comprenant ce qui est transmis à chaque étape.
Une méthode en trois temps
Décrire le besoin et les données, prototyper la solution avec les outils visuels, tester et fiabiliser. La formation suit cette progression sur le cas de chaque participant.
Cette progression évite deux écueils fréquents : automatiser un processus mal compris, et confier à l’IA des décisions qui devraient rester humaines. Chaque temps se termine par une validation avec les utilisateurs avant de passer au suivant.
Un prototype simple, testé sur une semaine, révèle rapidement les ajustements utiles avant un déploiement plus large.
Les règles à poser
Données autorisées, validation humaine des envois externes, documentation des scénarios : quelques règles garantissent des solutions sûres et durables.
Ces règles se formalisent dès le premier projet : qui peut créer un scénario, quelles données peuvent être transmises à un service d’IA, comment les résultats sont vérifiés et qui est responsable en cas d’erreur. Elles s’accompagnent d’un inventaire tenu à jour des automatisations en place.
Un scénario qui envoie à un service d’IA des données concernant des personnes est aussi un traitement de données au sens du RGPD. Il doit donc être recensé et répondre aux mêmes exigences que les autres traitements de l’entreprise.
Méthode : évaluer un cas d’usage avant de le construire
Fréquence
Une tâche réalisée plusieurs fois par jour ou par semaine justifie l’effort de construction ; une tâche annuelle, rarement. Estimez le nombre d’occurrences et le temps passé à chaque fois.
Clarté des règles
Plus les règles sont explicites, plus l’automatisation est fiable. Si la tâche dépend surtout de l’appréciation d’une personne, l’IA peut proposer, mais la décision doit rester humaine.
Sensibilité des données
Vérifiez quelles informations transitent par le scénario et vers quels services. Les données personnelles ou confidentielles imposent des précautions particulières, voire d’écarter le cas d’usage.
Facilité de vérification
Un résultat facile à contrôler, comme un classement ou un résumé, se prête bien à l’automatisation. Un résultat difficile à vérifier demande une relecture systématique, qui réduit le gain.
Coût de l’erreur
Interrogez-vous sur les conséquences d’une erreur : simple correction interne ou message erroné envoyé à un client ? Plus le coût est élevé, plus la validation humaine doit intervenir tôt dans le processus.
En combinant ces cinq critères, chaque cas d’usage peut être noté simplement, de faible à fort. Les cas qui obtiennent une bonne note sur la fréquence et la clarté des règles, avec un faible coût d’erreur, sont les premiers à construire.
Exemples concrets
Le tri des demandes entrantes
Une entreprise reçoit chaque jour des messages par le formulaire de contact de son site : demandes de devis, questions de clients, candidatures, sollicitations commerciales. Le scénario construit en formation envoie chaque message à un modèle de langage qui le classe dans une catégorie et en propose un résumé de deux lignes.
Le message, sa catégorie et son résumé sont enregistrés dans une base Airtable, puis la bonne personne est prévenue. En cas de doute sur la catégorie, le message est orienté vers une file « à vérifier » traitée par l’accueil.
Après quelques semaines, l’équipe consulte les messages orientés vers la file « à vérifier » pour améliorer les instructions données au modèle. Les catégories sont ajustées en fonction des cas mal classés.
La synthèse des retours clients
Une équipe produit collecte des avis clients dans un formulaire. Chaque semaine, un scénario regroupe les nouveaux avis, demande à l’IA d’en dégager les thèmes récurrents et envoie une synthèse à l’équipe. Les avis originaux restent accessibles dans la base, ce qui permet de vérifier chaque thème avant d’en tirer des décisions.
Les avis qui contiennent des données personnelles, comme un nom ou un numéro de commande, sont nettoyés avant d’être transmis à l’IA. Le scénario conserve le lien vers l’avis complet dans la base.
La formation IA Accélérateur d’Inwin Academy se déroule sur deux jours (14 heures). Elle combine IA générative et outils no-code sur des cas d’usage apportés par les participants.