Étude de cas | Claude Platform
n8n transforme le langage naturel en automatisations de flux de travail avec Claude
Outil de codage agentique d'Anthropic. Claude Code comprend votre base de code, modifie des fichiers, exécute des commandes et vous aide à livrer plus rapidement.
En savoir plus
Utilisez Claude API pour créer de nouvelles expériences utilisateur, de nouveaux produits et de nouvelles façons de travailler avec les modèles d'IA les plus avancés du marché.
En savoir plusn8n permet aux équipes techniques de concevoir, d'orchestrer et de déployer des flux de travail et des agents IA fiables, en combinant la vitesse d'un créateur visuel et la flexibilité d'un code personnalisé. Leur plateforme a obtenu plus de 170 000 étoiles sur GitHub, ce qui la place parmi les 50 meilleurs Projets de tous les temps, et leur clientèle va des fondateurs en solo aux entreprises du Fortune 100.
Avec Claude, n8n :
- A créé son produit AI Workflow Builder sur Claude en deux mois, du concept à la production, l'architecture ayant depuis évolué vers un système multi-agent avec des agents spécialisés gérant différentes tâches
- A développé un créateur de flux de travail et un débogueur basés sur le chat qui remplacent le flux de travail sur deux onglets, nécessitant une bascule entre un LLM et l'interface n8n
- Élimine 80 % du travail nécessaire à la création d'un flux de travail, laissant aux ingénieurs le soin de gérer les améliorations finales
- Création d'appels de fonction fiables pour l'assemblage de flux de travail complexes en plusieurs étapes, Claude étant le plus performant parmi les autres modèles en termes de respect strict des instructions
Le défi : amener un modèle à générer un format structuré précis
Avant que n8n ne crée son AI Workflow Builder, de nombreux utilisateurs avaient l'habitude de travailler avec deux onglets : n8n d'un côté, un LLM conversationnel de l'autre. Ils décrivaient ce qu'ils souhaitaient automatiser, copiaient un flux de travail suggéré, le collaient dans n8n, rencontraient une erreur et recommençaient. Cela fonctionnait, mais le modèle externe manquait de contexte sur ce qui se passait réellement à l'intérieur de l'outil.
n8n proposait des fonctionnalités IA depuis 2023. Mais l'étape suivante était plus ambitieuse : et si la création d'un flux de travail ressemblait à une conversation ?
Le défi était structurel. Un flux de travail n8n est un objet précis : des nœuds qui doivent être trouvés, connectés dans un ordre spécifique et configurés avec les bons paramètres. La première approche de l’équipe a consisté à faire en sorte que le modèle génère directement le JSON sous-jacent dans le flux de travail. « Cette étape s'est avéré assez ardue pour les modèles », a déclaré JP van Oosten, responsable de l'ingénierie de l'équipe IA de n8n. Générer un flux de travail complet en une seule fois nécessitait que le modèle comprenne le schéma complet, toutes les définitions de nœuds et toute la logique de connexion simultanément. « Ces modèles n'ont pas vu plus de 10 000 flux de travail n8n, contre des millions de fichiers de code TypeScript », a déclaré van Oosten.
Sélection de Claude pour un suivi précis des instructions
Pour résoudre le problème de génération de JSON, l'équipe est passée à une architecture basée sur des outils, où Claude ajoute des nœuds un à la fois, les connecte et les configure via des appels de fonctions discrets. Cela a joué sur les points forts du modèle et a rendu le processus, comme le décrit van Oosten, « beaucoup plus assimilable par le modèle ».
L'équipe a évalué plusieurs modèles. Claude s'est notamment démarqué pour le suivi des instructions. D'autres modèles comptaient trop sur les appels de fonctions ou les ignoraient complètement. Claude se trouvait dans ce que l'équipe appelait un « point idéal » : il suivait constamment les instructions tout en utilisant les outils comme prévu.
« La latence et la qualité étaient vraiment bonnes », explique Oleg Ivaniv, ingénieur en chef sur AI Workflow Builder. « Les flux de travail sont parfois un peu difficiles à comprendre. »
La documentation de Claude a également aidé à régler des aspects spécifiques comme la mise en cache des requêtes, et l'équipe d'Anthropic a examiné la mise en œuvre de n8n pour s'assurer que le lancement se déroule bien du point de vue de la limitation des débits. La première itération d'AI Workflow Builder a pris environ deux mois, du concept à la production.
Les résultats : comment n8n assemble des flux de travail grâce à la conversation
AI Workflow Builder offre aux utilisateurs de n8n quelque chose de familier, une interface de chat, pour faire ce qui nécessitait auparavant de comprendre les types de nœuds, la logique de connexion et les options de configuration. Les utilisateurs décrivent ce qu'ils veulent automatiser, et Claude détermine quels éléments assembler et comment. La première génération d'un flux de travail prend généralement trois minutes, au lieu des 10 à 30 minutes habituelles pour en créer un manuellement.
« Les appels d'outils sont excellents dans Claude, tout comme ses capacités de codage », explique van Oosten. « Ceux-ci sont essentiels à notre approche de AI Worflow Builder. »
L'avant-après le plus clair est l'expérience à deux onglets. Les utilisateurs qui faisaient auparavant des allers-retours entre n8n et un LLM externe ont désormais cette conversation au sein du produit. AI Workflow Builder dispose d'un contexte réel sur le flux de travail, ce qui rend les erreurs plus faciles à diagnostiquer et les suggestions plus pertinentes. « Claude nous a permis de mettre au point une interface familière, sous forme de chat, pour passer de l'idée à des flux de travail entièrement fonctionnels », a déclaré van Oosten.
Depuis son lancement, l'architecture a évolué pour devenir un système multi-agents où des agents spécialisés gèrent différentes parties du processus de création du flux de travail. Les requêtes de l'équipe sont désormais fortement adaptées à Claude Sonnet 4.5, et les premières expériences avec une approche basée sur le code, dans laquelle Claude génère du code plutôt que d'effectuer des appels d'outils, ont montré des résultats prometteurs avec des modèles plus compétents.
Pour les utilisateurs expérimentés, la valeur est la vitesse. AI Workflow Builder fournit environ 80 % d'un flux de travail cible sans assemblage manuel, ce qui permet aux ingénieurs de se concentrer sur l'affinage plutôt que sur la construction. Pour les utilisateurs novices, la valeur est différente. n8n dispose de milliers de modèles, mais sa force réside dans sa flexibilité, et de nombreux utilisateurs choisissent la plateforme pour les cas d'usage uniques que les modèles ne couvrent pas. AI Workflow Builder leur fournit un point de départ. « Cette solution aide les utilisateurs novices à surmonter le blocage mental initial : “je ne sais pas ce que je ne sais pas” », explique Ophir Prusak, de l'équipe Marketing Produit.
La même interface aide également les utilisateurs à déboguer : lorsqu'un flux de travail est interrompu, ils peuvent décrire le problème et obtenir de l'aide pour le corriger, plutôt que de compter uniquement sur la documentation ou les forums communautaires. L'équipe a récemment vu cela se produire en interne lorsque AI Workflow Builder a assemblé un flux de travail complexe pour suivre l'avancement des travaux d'ingénierie. Il a correctement utilisé plusieurs nœuds de formulaire dès la première tentative, un résultat que van Oosten attribue aux travaux en cours de l'équipe sur l'optimisation des requêtes pour des types de nœuds spécifiques.
Cas d'usage futurs
Pour l'avenir, l'équipe examine si la création nœud par nœud ou sous-graphe par sous-graphe, reflétant la manière dont les utilisateurs expérimentés construisent réellement les automatisations, pourrait offrir une boucle de rétroaction plus serrée pendant le processus de création. La version actuelle présente un flux de travail terminé à la fin ; une approche plus incrémentielle pourrait permettre aux utilisateurs de le façonner au fur et à mesure qu'il prend forme.
n8n continue d'élargir les capacités d'AI Workflow Builder et d'approfondir son travail avec Claude. L'architecture multi-agents ouvre de nouvelles possibilités pour gérer des demandes d'automatisation de plus en plus complexes, et les expériences de l'équipe avec la génération basée sur le code suggèrent que de nouvelles améliorations de la qualité sont à venir.
« AI Workflow Builder nous permet d'abaisser la barrière d'entrée pour que les utilisateurs puissent commencer à développer avec n8n », explique van Oosten, « mais permet également à des utilisateurs plus techniques d'itérer plus rapidement sur leurs idées. »
« Les appels d'outils de Claude sont excellents, tout comme ses capacités de codage. »