Tendance : la fin des plateformes agentiques no-code ?

Quand on parle d'IA, beaucoup pensent à Alan Turing ou à ChatGPT. Mais d'autres pensent à des plateformes comme N8N, Make, Langflow ou Draft and goal... Des plateformes de workflows agentiques.

Posons le cadre

Il y a encore quelques années, on pouvait classer les marketeurs en trois grandes familles :

1. Les marketeux PowerPoint – ceux qui excellaient dans la stratégie, les présentations léchées et les frameworks à trois lettres.

2. Les marketeux spécialistes – experts de leur canal d’acquisition favori (le SEO, pour ma part).

3. Les Growth Hackers – véritables touche-à-tout, capables d’automatiser, scraper, créer des boucles d’emails, générer des landing pages à la volée…

Ces derniers étaient souvent perçus comme des OVNIs. Difficiles à ranger dans une case : un jour ils parlaient de productivité, le lendemain d’argent, puis de no-code ou d’API.
Des profils hybrides, créatifs, agiles.

Je me souviens particulièrement de Subham Sharma, Yoann Lopez ou Kevin Dufraisse.
De véritables pirates du digital, derrière plusieurs success stories. Ils ont su mélanger le meilleur du marketing avec une pointe de technique, une bonne dose de curiosité et beaucoup d’ingéniosité.
Ils étaient là avant ChatGPT, et rien que pour ça, je les salue.

L’apogée de l’IA

Je vais ici simplifier, quitte à froisser quelques puristes.
Mon objectif : rendre les choses claires, simples et concrètes.

Il y a quelques années, ChatGPT est arrivé.
OpenAI a eu un coup de génie : démocratiser l’IA générative.
Non pas pour vendre un produit fini, mais pour ouvrir la porte — gonfler son dataset, tester ses modèles, créer un usage massif.

Bien sûr, GPT-1 et GPT-2 existaient déjà. Les Transformers aussi. Et Google intégrait de l’IA bien avant.
Mais OpenAI a eu le bon timing et la bonne approche.
Là où Google restait dans une logique d’ingénierie et de produit, OpenAI a adopté une logique growth :

lancer vite, rendre accessible, apprendre du marché.

Depuis, d’autres modèles ont vu le jour — Gemini, Deepseek, Llama, Mistral…
Certains ont tenté de vendre de l’or (les LLM), d’autres ont préféré vendre les pelles : les plateformes no-code pour les exploiter.

Les plateformes d’agentic workflow (no code)

Les premières plateformes existaient déjà : Make, Zapier, N8N.
Puis sont apparus des plateformes comme Draft & Goal ou Relevance pour ne citer qu’elles.

Un workflow, c’est une succession d’actions automatisées.
Un agent, c’est une IA capable de réfléchir (via un LLM), de s’appuyer sur une base de connaissance (RAG), de mémoriser et d’utiliser des outils (API).

En combinant les deux, on obtient un système où l’IA peut interagir avec votre boîte mail, votre CRM, votre WhatsApp, etc.
Le tout dans une logique de séquence, de logique, de précision.

Par exemple Make :

Par exemple (N8N) :

Par exemple (Draft & Goal) :

Au-delà du fait que ce soit très joli, ces workflows permettent de séquencer les actions d’une IA, rendant son utilisation précise voir chirurgicale.

Exemple concret – La Poste

Chez La Poste, nous utilisions ces outils pour générer des contenus ultra-qualifiés.
Plutôt que d’utiliser ChatGPT “en mode bucheron”, on a conçu un workflow intelligent :

1. Définir un mot-clé

2. Extraire le champ sémantique (via YourTextGuru)

3. Scraper les SERP

4. Scraper les sites concurrents

5. Synthétiser les données

6. Générer un texte via prompt + synthèse

7. Tester la qualité du texte

8. Publier automatiquement

Un processus simple, mais redoutablement efficace.
Et surtout : scalable.
Avec un simple fichier CSV de mots-clés, ce workflow pouvait tourner 100 ou 1 000 fois sans intervention humaine.

Vers la fin des plateformes no-code d’agentic workflow ?

Pas tout à fait.

Ces plateformes restent puissantes, mais elles souffrent de deux limites :

• Leur complexité technique (variables, API, configurations multiples)

• Leur courbe d’apprentissage trop raide pour le grand public.

C’est pourquoi on observe une évolution vers le “workflow prompting” :
Créer des automatisations simplement à partir d’un prompt, grâce à des connexions AUTH et des MCP (Model Context Protocols)..

Prenons quelques exemples d’entreprises qui a su innover avec simplicité.

• Make : propose déjà un agent (en bêta) capable de suggérer un workflow à partir d’un prompt. L’idée est brillante, mais la configuration reste encore un peu lourde.

• Bhindi : une pépite méconnue. En trois clics, vous connectez Reddit, Jira ou Confluence et pilotez vos automatisations via prompt.

• Lindy : plus complet, permet à la fois la simplicité et la granularité.

• Dust : taillé pour les grandes entreprises, offre la possibilité de créer des workflows custom, d’ajouter ses propres MCP et de connecter l’ensemble à ses outils internes.

  Les vrais gagnants ?

  Au niveau micro

  Des profils comme Subham Sharma, Yoann Lopez ou Kevin Dufraisse gardent une longueur d’avance.
  Leur force : une culture technique solide et une capacité à hybrider les disciplines.
  C’est cette culture “dev & hack” qu’il faut désormais développer :

  comprendre le système pour mieux le détourner — toujours légalement, bien sûr.

  Au niveau macro

  OpenAI a récemment annoncé le lancement d’une plateforme d’Agent Builder.
  Un signal fort.

Non, ce n’est pas la fin des plateformes no-code agentiques.
OpenAI a compris que la précision et la qualité passent par la personnalisation et la logique séquentielle.

En conclusion

L’IA doit tenir sa promesse : simplifier la complexité.
80 % des automatisations dont nous avons besoin sont simples.
Et pour ces cas-là, il faut que les plateformes rendent la création de workflows aussi fluide que la conversation avec un agent.

La tendance est claire :

une complexité gérée côté back-end, et une simplicité totale côté utilisateur.

Des agents qui comprennent, traduisent et exécutent nos intentions.
C’est là que se joue le futur du no-code :
moins de blocs, plus d’intelligence.