Make (ex-Integromat) : guide pratique d’automatisation
Découvrez Make, ex-Integromat : fonctionnement, comparaison avec Zapier, limites et tutoriel concret pour automatiser un processus métier sans code, en équipe.
Make, l'automatisation visuelle qui va au-delà des simples recettes
Quand une demande arrive depuis un formulaire, il faut souvent copier les infos dans un CRM, vérifier le profil du contact, prévenir un commercial et inscrire le prospect à une séquence de suivi. Pris un par un, ces gestes ont l'air anodins. Répétés chaque semaine, ils grignotent du temps, multiplient les erreurs et finissent par retarder la réponse.
Les plateformes d'automatisation promettent de relier ces étapes sans développer une intégration sur mesure. Sauf que, dans la vraie vie, les processus ont souvent plusieurs chemins, des listes de données, et des exceptions. C'est là que Make (anciennement Integromat) devient intéressant : son interface visuelle permet de construire des scénarios plus détaillés qu'une simple suite d'actions.
Cela dit, Make n'est pas automatiquement "le meilleur" choix. Sa souplesse demande un minimum de méthode, et le coût dépend de la manière dont vos scénarios tournent. Voici ce qu'il faut avoir en tête avant de choisir, les cas où Make est pertinent, et un exemple concret pour automatiser la qualification de prospects.
D'Integromat à Make : une autre façon de concevoir les flux
Integromat a été lancé en 2012 par une équipe basée à Prague. L'objectif, à l'époque, était de dépasser les automatisations toutes en ligne droite : un déclencheur, puis une suite d'actions prédéfinie. Ces "recettes" marchent très bien pour des opérations simples, comme ajouter une ligne dans un tableur après la réception d'un formulaire. En revanche, dès qu'il faut décider en fonction des données ou traiter des structures plus complexes, ça se complique vite.
Prenez une commande en ligne : elle peut contenir plusieurs produits, nécessiter une mise à jour de stock pour chaque article, créer un contact dans le CRM s'il n'existe pas encore, et prévenir une équipe si le montant dépasse un certain seuil. On n'est plus sur une chaîne unique : on parle plutôt d'un flux avec des branches, des transformations et des cas d'erreur.
Make a été pensé autour d'un canevas visuel. Chaque application ou opération correspond à un module, relié aux autres dans un scénario. Résultat : on suit plus facilement le parcours des données. On voit où elles entrent, comment elles sont transformées, et quelles étapes s'exécutent selon les conditions.
Ce que le changement de nom a vraiment apporté
Integromat est devenu Make en 2022. Ce changement accompagne une évolution de marque et de plateforme, après le rachat d'Integromat par Celonis en 2020. Pour un utilisateur, le point le plus concret n'est pas le nom : c'est la capacité à construire des automatisations visuelles qui combinent plusieurs services et gèrent des flux plus complexes qu'une recette toute simple.
Une intégration sur mesure reste pertinente dans certains cas : elle permet plus de contrôle, une logique métier adaptée, et souvent une meilleure maîtrise des performances. Mais elle demande du développement, de la documentation et de la maintenance. Make évite une partie de ce coût pour beaucoup de scénarios "courants", au prix d'une dépendance à la plateforme et de limites liées à son mode d'exécution.
Le bon modèle mental : un petit programme, pas une macro
Un scénario Make se comprend mieux comme un programme visuel plutôt que comme une macro "enregistrée". Vous devez définir un déclencheur, les données attendues, les règles métier et la conduite à tenir en cas de problème. Et surtout : ça évite de confondre "le scénario s'est exécuté" avec "le processus est fiable".
Concrètement, dans un projet réel, la bonne question n'est pas "quelle application connecter ?", mais "quelle décision ou quelle tâche répétitive veut-on rendre robuste ?". Si le processus est encore flou, l'automatiser ne va pas le rendre clair : ça va juste rendre ses incohérences plus rapides à produire (et plus difficiles à rattraper).
Les fonctions utiles dans les vrais processus métier
Make devient particulièrement utile quand les données et les règles ne suivent pas une ligne droite. Avant de choisir, il vaut mieux évaluer quatre points : le routage, le traitement des tableaux, la gestion des erreurs et la visibilité sur l'exécution.
Routage et filtres : appliquer les règles au bon endroit
Le routage sert à envoyer les données vers plusieurs chemins. Un formulaire de contact peut, par exemple, envoyer certaines demandes à l'équipe commerciale si elles correspondent à des critères, et diriger le reste vers une séquence d'information. Chaque route peut avoir son propre filtre : pays, taille d'entreprise, besoin exprimé, etc.
Mais attention à ne pas empiler trop tôt des décisions sensibles ou trop difficiles à maintenir. Si vos règles de qualification changent chaque mois, documentez-les et désignez quelqu'un responsable de leur mise à jour. Un filtre mal réglé ne crée pas toujours une erreur visible : il peut juste empêcher une demande d'atteindre la bonne équipe.
Itérateurs et agrégateurs : travailler avec des listes
Dans beaucoup de cas, les données arrivent sous forme de tableau : produits d'une commande, lignes d'une facture, réponses d'une API. Un itérateur permet de traiter chaque élément une par une. Exemple : parcourir les produits pour mettre à jour les stocks. Ensuite, un agrégateur peut réunir plusieurs éléments dans un résumé ou dans un message unique.
Ces fonctions évitent parfois d'ajouter une étape de transformation très spécifique. Mais elles ne "simplifient" pas les données par magie. Il faut comprendre la différence entre un objet et un tableau, repérer le chemin des valeurs, et vérifier ce qui se passe quand une liste est vide ou contient un élément inattendu. Pour poser les bases, vous pouvez partir de la documentation officielle de Make.
Gestion des erreurs : prévoir l'échec avant qu'il arrive
Une API peut être temporairement indisponible, une limite de requêtes peut être atteinte, ou un champ obligatoire peut manquer. Sans stratégie de reprise, le scénario peut s'arrêter au milieu du traitement. Make propose des options de gestion d'erreurs à associer aux modules : reprise, ignorance d'une erreur, validation, annulation d'opérations, mise en attente pour une nouvelle tentative. Le bon comportement dépend du type d'erreur et de la configuration : il faut le tester dans votre scénario, pas le "supposer".
Une règle simple aide à cadrer :
- Erreur temporaire : une nouvelle tentative peut réussir, par exemple après une indisponibilité momentanée.
- Donnée invalide : on met la demande en attente ou on la signale pour correction, plutôt que de rejouer sans fin.
- Échec critique : on interrompt pour éviter des écritures incohérentes dans un CRM ou un outil de facturation.
Historique d'exécution : indispensable pour diagnostiquer
Les journaux d'exécution et l'inspection des données transmises aident à comprendre où un scénario bloque : un mapping, un filtre, ou une réponse inattendue d'un service tiers. Par contre, ces historiques peuvent aussi contenir des informations personnelles. Définissez des règles de conservation et limitez les données utilisées à ce dont vous avez réellement besoin.
Tutoriel : qualifier automatiquement les demandes entrantes
L'exemple ci-dessous automatise une partie du traitement des prospects. Il suppose que votre formulaire collecte les infos nécessaires et que vous avez déjà un outil de gestion des contacts (CRM ou base commerciale). Les noms des modules et certains réglages peuvent varier selon les applications connectées et l'interface.
Objectif : recevoir une demande, nettoyer les champs, appliquer des critères de qualification et orienter le contact vers le bon suivi.
1. Définir les règles avant de construire le scénario
Avant de toucher à Make, écrivez les règles dans un document partagé. Par exemple : une demande est prioritaire si l'entreprise compte au moins 20 personnes et si le budget déclaré dépasse 5 000 €. Les autres passent en suivi standard.
Ces seuils ne sont qu'un exemple : ils doivent refléter votre modèle commercial. Et surtout : ce qui est saisi dans un formulaire n'est pas vérifié. Ne traitez donc pas automatiquement le budget ou la taille d'entreprise comme des faits. Vous pouvez vous en servir pour orienter le suivi, puis demander une validation humaine pour toute décision engageante.
2. Recevoir les données avec un webhook
Dans Make, créez un scénario et utilisez un webhook personnalisé comme déclencheur. Copiez l'URL du webhook dans votre formulaire (Webflow, Tally, Typeform ou autre service compatible), puis envoyez une soumission de test pour que Make identifie la structure du contenu reçu.
Vérifiez les champs réels : leur nom et leur format. Une valeur numérique peut arriver sous forme de texte ; une case à cocher peut être vide ; un champ optionnel peut ne pas exister. Si votre formulaire le permet, activez l'authentification des appels ou limitez la source des requêtes. Une URL de webhook qui circule sans contrôle devient vite une porte d'entrée pour des données indésirables.
3. Nettoyer les champs et valider l'adresse
Ajoutez les transformations nécessaires avant d'envoyer les infos au CRM. On peut, par exemple, supprimer les espaces inutiles, harmoniser la casse des noms et normaliser l'adresse e-mail. Le détail dépend de ce que contient votre scénario : testez avec des valeurs incomplètes et des caractères accentués.
Attention aussi à ne pas confondre "recherche de doublon" avec "validation d'adresse complète". Et bloquer toutes les adresses gratuites peut écarter des prospects légitimes (indépendants, petites structures, etc.). Si vous voulez réduire les demandes inutiles, combinez plusieurs signaux : vérification du format, détection des doublons, puis validation humaine si nécessaire.
4. Créer deux routes et vérifier leurs filtres
Ajoutez un routeur avec deux chemins. Sur la route prioritaire, configurez les filtres correspondant à vos critères : taille d'entreprise >= 20 et budget > 5 000 €. Connectez ensuite cette route au CRM et, si c'est utile pour l'équipe, ajoutez une notification (Slack ou autre canal interne).
Sur la seconde route, inscrivez le contact à un suivi standard dans votre CRM ou dans votre outil d'e-mailing. Avant de passer en production, testez au moins trois cas : une demande qui remplit les critères, une qui ne les remplit pas, et une qui a un champ manquant. Vérifiez aussi que chaque contact ne reçoit pas deux fois la même action.
5. Ajouter les contrôles et surveiller les premiers jours
Ajoutez une gestion d'erreur là où l'échec aurait un impact : création du contact, ajout à une séquence, ou notification importante. Si une étape échoue, décidez explicitement : faut-il réessayer, mettre la demande en attente, ou alerter quelqu'un.
Pendant les premiers jours, regardez les historiques d'exécution et comparez avec le traitement manuel. Notez les faux positifs, les doublons et les champs mal interprétés. Une automatisation se valide quand le résultat est correct dans les cas "normaux" et dans les exceptions que vous avez prévues. Le nombre de modules n'est pas, à lui seul, un indicateur de qualité.
Limites, coûts et critères de décision
Make est souvent un bon choix pour des processus avec des branches, des transformations de données et plusieurs services connectés. L'interface visuelle donne une vue d'ensemble, et les outils de traitement permettent d'éviter une intégration complète à coder. Pour une équipe à l'aise avec les API et les structures JSON, c'est souvent un compromis intéressant entre intégration sur mesure et automatisation simple.
En contrepartie, la prise en main demande plus de méthode qu'un outil centré sur des recettes linéaires. Il faut comprendre les modules, les filtres, les structures de données et le déroulement des exécutions. Un scénario peut sembler clair sur le canevas et rester difficile à maintenir si les noms sont flous, si les règles sont éparpillées, ou si personne n'est clairement responsable.
Le prix dépend du scénario, pas d'une promesse générale
On a vite envie de comparer les plateformes sur une réduction ou une promesse "générique". Le problème, c'est que ça ne se généralise pas : le coût dépend du forfait, du volume d'exécutions, du nombre de modules utilisés, et de la façon dont chaque service compte ses opérations. Les tarifs et les limites changent : il faut donc consulter les pages officielles au moment de décider et simuler un mois représentatif de votre usage.
Pour comparer sérieusement, estimez :
- le nombre de déclenchements mensuels et de dossiers traités par déclenchement ;
- le nombre d'opérations consommées par dossier ;
- le coût des forfaits nécessaires (y compris les fonctions de partage et de gouvernance) ;
- le temps consacré à la construction, au contrôle et à la maintenance ;
- le coût d'une erreur ou d'une demande non traitée.
Un tarif bas ne compense pas un scénario qui impose plusieurs heures de surveillance chaque semaine. À l'inverse, payer plus cher peut être rationnel si le processus est simple et si personne dans l'équipe ne veut maintenir une logique plus "technique".
RGPD, sécurité et dépendance : à cadrer dès le départ
Si le scénario traite des données personnelles, l'automatisation reste soumise au RGPD. Clarifiez quelles données circulent, pourquoi elles sont nécessaires, qui peut consulter les journaux et combien de temps elles sont conservées. Vérifiez aussi les conditions contractuelles, les paramètres de sécurité, et les transferts éventuels liés aux services utilisés. Le fait de connecter deux outils ne déplace pas vos responsabilités.
Et gardez une porte de sortie : documentez le scénario, les règles métier, et les connexions. Pour un processus critique, prévoyez un traitement manuel de secours ou une procédure de reprise des dossiers. L'automatisation visuelle aide à comprendre, mais elle n'efface ni la dépendance à un fournisseur, ni le besoin de continuité opérationnelle.
Conclusion : automatiser un processus, pas empiler des modules
Make (issu d'Integromat) est particulièrement pertinent quand vos automatisations doivent gérer des branches, transformer des listes, et relier plusieurs outils avec une bonne visibilité sur le parcours des données. Oui, ça demande plus de méthode qu'un déclencheur suivi d'une action. Mais cette exigence, justement, sert pour des processus métier plus élaborés.
Commencez par repérer une tâche répétitive, fréquente, et assez stable. Posez clairement les règles, construisez un scénario limité, testez les cas d'erreur et mesurez le temps réellement gagné. Si ça tient dans la durée, élargissez progressivement. Si le processus change tout le temps, clarifiez-le avant de l'automatiser.
Votre prochaine étape : choisissez une action manuelle récurrente et estimez son coût hebdomadaire. Automatisez un seul flux, puis comparez avec la façon de faire actuelle. C'est un meilleur point de départ qu'un grand projet d'automatisation sans indicateur clair de réussite.