Perplexity IA est un moteur de recherche conversationnel propulsé par l’intelligence artificielle, lancé en août 2022 par Aravind Srinivas (ancien chercheur OpenAI). Il combine une recherche web en temps réel et une synthèse rédigée par un LLM (large language model), avec citation systématique des sources utilisées. Contrairement à ChatGPT ou Claude qui s’appuient sur leurs données d’entraînement, Perplexity interroge le web à chaque requête et produit une réponse sourcée, vérifiable et à jour. Disponible sur perplexity.ai en version gratuite et en version Pro (20 $/mois), il s’est imposé en 2026 comme l’outil de référence pour la veille documentaire et la recherche factuelle.

J’ai intégré Perplexity dans ma stack quotidienne en 2024. Ce que j’ai observé après 18 mois d’usage intensif : ce n’est pas un substitut à ChatGPT ou Claude. C’est un outil distinct, qui résout un problème distinct. Les confondre, c’est utiliser mal les trois.

Comprenez d’abord cette distinction. Sans elle, vous gaspillerez votre temps à chercher au mauvais endroit.

La règle que j’applique : pour trouver une information vérifiable, Perplexity. Pour rédiger ou raisonner sur cette information, Claude. Pour acheter ou naviguer vers un site précis, Google. Les trois cohabitent quotidiennement dans mon onglet, chacun à sa place.

Perplexity n’est pas un seul outil : c’est un écosystème de modes spécialisés. Connaître la différence change radicalement la qualité de vos résultats.

1. Quick Search (gratuit) : la recherche rapide

Le mode par défaut quand vous arrivez sur perplexity.ai. Vous posez une question, Perplexity vous donne une réponse synthétique avec 5 à 8 sources citées. Idéal pour les questions ponctuelles où vous voulez une réponse en 10 secondes plutôt qu’ouvrir 5 onglets Google.

2. Pro Search (Pro, 20 $/mois) : la recherche approfondie

Pro Search décompose votre question en sous-questions, lance plusieurs recherches en parallèle, et synthétise un résultat plus complet avec davantage de sources (souvent 15 à 25). Le temps de traitement passe de 5 secondes à 30-60 secondes, mais la profondeur change significativement. À utiliser dès que la question dépasse le niveau “définition rapide”.

3. Deep Research (Pro) : les rapports multi-sources

Le mode le plus puissant. Vous définissez un sujet d’analyse, Perplexity consulte des dizaines voire des centaines de sources, et produit un rapport structuré en plusieurs sections avec sources et données chiffrées. Comparable à Deep Research de Gemini, avec des sources plus diversifiées dans certains cas. Particulièrement adapté aux analyses sectorielles et aux études de marché.

4. Spaces (Pro) : l’équivalent des Projects de Claude

Un Space est un environnement de travail dédié à un projet : vous y attachez des documents de référence, vous définissez des instructions persistantes, et toutes vos recherches dans ce Space s’appuient sur ce contexte. Très utile pour la veille continue sur un client ou un secteur : vous accumulez le contexte au fil du temps.

Pour un usage occasionnel (quelques recherches par semaine), la version gratuite suffit. Pour un usage marketing professionnel (veille hebdomadaire, recherches de sourcing, préparation de RDV client), l’abonnement Pro se rembourse en quelques heures économisées par mois.

1. Recherche concurrentielle sourcée

Avant un nouvel audit client, j’utilise Perplexity pour cartographier rapidement les concurrents identifiés. La requête type :

Quels sont les 5 principaux concurrents de [Marque X] sur le marché belge 
de [secteur] en 2026 ? Pour chacun, indique :
- Leur positionnement principal
- Leur fourchette de prix
- Leur force différenciante
- Une source vérifiable pour chaque information

En 60 secondes, j’obtiens une base d’analyse avec sources cliquables. Les éléments à vérifier sont visibles immédiatement, pas de boîte noire. Ce qui m’aurait pris 90 minutes de recherche manuelle est fait en 5 minutes de lecture critique.

2. Découverte d’experts et sources sur un sujet niche

Quand je rédige un article sur un sujet technique peu couvert en français, je demande à Perplexity : “Quels sont les experts internationaux les plus cités sur [sujet] depuis 2024 ? Quelles sources d’autorité dois-je consulter ?” Perplexity me sort des noms, des publications, des podcasts : souvent des références que je n’aurais pas trouvées via Google en première intention.

C’est l’usage qui m’a le plus surpris en 2024. Perplexity est un connecteur d’autorité : il identifie qui dit quoi sur un sujet, là où Google se contente de retourner les pages les mieux référencées.

3. Vérification factuelle d’affirmations

Quand un client m’affirme “selon une étude, 73 % des consommateurs belges…”, je vérifie systématiquement avant de l’utiliser. Perplexity remonte la source originale ou démontre que l’affirmation circule sans source vérifiable. C’est devenu mon outil principal de fact-checking professionnel.

Une affirmation sans source vérifiable n’est pas une donnée. C’est une opinion bien habillée.

4. Préparation de RDV commerciaux

Avant chaque RDV avec un prospect ou un nouveau client, je lance une recherche Perplexity : “Que sait-on de [Entreprise] en 2026 ? Actualités récentes, levée de fonds, recrutements, changements de direction, prises de position publiques.” 10 minutes plus tard, j’arrive en RDV avec des éléments contextuels que personne ne m’avait briefés.

Effet observé : les prospects me demandent comment j’ai “pris autant d’avance sur leur dossier”. Le secret n’est pas le talent. C’est l’outil.

5. Recherche actualisée : l’avantage temps réel

ChatGPT et Claude ont des dates de coupure de connaissance. Perplexity, non. Pour toute question qui concerne l’actualité récente (sortie d’un produit, événement politique, changement réglementaire), Perplexity est l’outil par défaut. Exemple récent : pour vérifier l’état de la mise en conformité RGPD belge sur un cas précis en juin 2026, Perplexity m’a sorti les références exactes des textes mis à jour. ChatGPT m’aurait donné une réponse de 2023.

Depuis 2024, ChatGPT propose lui aussi un mode “search” qui interroge le web en temps réel. Question légitime : pourquoi continuer à payer Perplexity Pro si ChatGPT fait la même chose ?

Mon retour après tests parallèles sur 12 mois : ChatGPT Search est très bon, mais Perplexity reste supérieur sur trois dimensions. Premièrement, la diversité des sources : Perplexity remonte régulièrement des sources spécialisées (papiers académiques, blogs d’experts, forums professionnels) que ChatGPT Search ignore. Deuxièmement, la transparence : Perplexity affiche les sources de façon plus claire, plus cliquable, plus organisée. Troisièmement, les modes Deep Research et Spaces n’ont pas d’équivalent direct dans ChatGPT.

À l’inverse, ChatGPT Search est meilleur quand vous mélangez la recherche et la génération de contenu dans la même conversation : la transition entre “trouver” et “rédiger” est plus fluide.

Pour un workflow de veille marketing structuré, Perplexity Pro reste mon choix. Pour un usage mixte recherche + rédaction, ChatGPT peut suffire. Si vous cherchez un panorama complet des outils IA pour la veille, mon guide veille concurrentielle IA couvre la stack complète (Perplexity + Claude + NotebookLM + Ahrefs).

Soyons honnêtes sur ce que Perplexity fait moins bien, pour éviter les déceptions.

Sources francophones parfois faibles. Sur certains sujets très spécifiques au marché francophone (réglementation belge précise, écosystème français très local), Perplexity remonte parfois davantage de sources anglophones que de sources locales pertinentes. Pour ces cas, une recherche Google ciblée reste plus efficace.

Pas un assistant rédactionnel. Perplexity est conçu pour informer, pas pour rédiger. Si vous lui demandez un article de blog complet ou un email commercial personnalisé, le résultat est inférieur à Claude ou ChatGPT. Utilisez Perplexity pour trouver l’information, puis basculez vers un assistant IA pour la mise en forme. C’est le workflow qui donne les meilleurs résultats.

Les sources citées ne sont pas toujours pertinentes. Perplexity cite ses sources, ce qui est précieux, mais ces sources peuvent inclure des contenus de qualité variable (forums Reddit, articles de blog peu fiables). Toujours vérifier la qualité de la source avant de citer une affirmation comme factuelle dans un livrable client.

Formations M-Twice

Vous voulez maîtriser Perplexity et la stack IA marketing complète ?

Je couvre Perplexity, Claude, NotebookLM et les workflows de veille IA dans mes deux formations présentielles, avec vos propres projets comme support de travail.

Vous voulez déployer Perplexity dans votre équipe marketing ?

J’accompagne les agences et PME belges dans la mise en place de stacks IA complètes (Perplexity, Claude, NotebookLM, n8n) adaptées à vos workflows de veille et de production. Opérationnel en une session de travail.

Discuter de votre projet →

Claude in Chrome est une extension Google Chrome développée par Anthropic qui intègre l’assistant IA Claude directement dans votre navigateur sous forme de panneau latéral. Elle lit le contenu de la page que vous visitez, répond à vos questions sur ce contenu, extrait des données structurées, résume des articles longs, et peut, en mode autonome, cliquer sur des éléments, remplir des formulaires et naviguer entre pages sans intervention manuelle. Disponible pour les abonnés Claude Pro, elle fonctionne sur la majorité des sites web publics.

J’ai testé Claude in Chrome sur des dizaines de tâches marketing ces derniers mois. Ce qui m’a le plus frappé dans l’usage quotidien : l’extension change le rapport entre vous et l’information web. Claude voit ce que vous voyez, dans le contexte où vous êtes. Vous n’avez plus à réexpliquer la page, le sujet, le concurrent : il est là, dans le panneau latéral, en train de lire avec vous.

Voici les cinq cas d’usage qui justifient l’installation pour une équipe marketing.

La confusion entre les deux est fréquente, et elle a du sens, parce qu’ils partagent la même extension Chrome. La distinction est importante avant de commencer.

Dans ce guide, je couvre principalement Claude in Chrome en mode standard : le panneau latéral qui lit les pages et répond à vos questions. C’est ce que j’utilise au quotidien pour les tâches marketing. Le mode Cowork autonome fait l’objet d’un guide séparé sur Claude Cowork.

Étape 1 : Installer l’extension

Cherchez “Claude for Chrome” dans le Chrome Web Store ou allez directement sur claude.ai/download. Cliquez “Ajouter à Chrome”. L’extension apparaît dans votre barre d’outils.

Étape 2 : Connecter votre compte

Cliquez sur l’icône Claude dans Chrome, connectez-vous avec le même compte que sur claude.ai. Un abonnement Claude Pro est nécessaire pour un usage étendu : la version gratuite est très limitée en nombre d’interactions.

Étape 3 : Configurer les permissions

Lors du premier démarrage, Claude vous propose de choisir un mode de permission. Je recommande “Demander avant d’agir” : Claude vous soumettra un plan avant d’exécuter la moindre action sur une page. C’est le réglage le plus sûr et le plus pédagogique pour commencer.

Une note de confidentialité importante : Claude ne lit une page que lorsque vous l’activez explicitement (clic sur l’extension ou raccourci clavier). Il ne collecte pas votre historique de navigation en arrière-plan.

Vous visitez la page d’accueil d’un concurrent. Ouvrez le panneau Claude in Chrome. Demandez :

Analyse cette page d'accueil :
- Quel est le positionnement principal mis en avant ?
- Quelle est leur proposition de valeur en une phrase ?
- À qui s'adressent-ils explicitement ?
- Qu'est-ce qu'ils ne mentionnent pas, leurs angles morts ?
- Comment justifient-ils leur prix ou leur crédibilité ?

Claude lit la page en cours et vous répond en contexte. En 30 secondes, vous avez une analyse structurée que vous n’auriez pas eu en 20 minutes de lecture manuelle.

J’utilise cette approche systématiquement quand je prépare un audit concurrentiel pour un client. Au lieu de prendre des notes page par page, j’accumule les analyses de Claude dans le panneau latéral et je les copie dans un NotebookLM dédié pour la synthèse finale.

Vous consultez la page tarifs d’un concurrent, une liste de résultats Google, ou un annuaire professionnel. Claude in Chrome peut extraire ces données dans un format que vous choisissez :

Extrait toutes les offres visibles sur cette page dans un tableau avec :
- Nom de l'offre
- Prix mensuel (HT si mentionné)
- Fonctionnalités incluses
- Ce qui est absent par rapport à l'offre supérieure

Format : tableau Markdown prêt à copier.

Le résultat s’affiche dans le panneau, vous le copiez directement dans Notion, Google Sheets ou votre document. Zéro saisie manuelle.

Attention sur ce cas d’usage : respectez les conditions d’utilisation du site visité. Claude in Chrome ne scrape pas de façon automatisée : il lit la page ouverte dans votre navigateur, comme vous le feriez manuellement. C’est différent d’un bot d’extraction automatique.

Vous consultez n’importe quelle page, la vôtre ou celle d’un concurrent. Claude in Chrome peut faire une analyse SEO rapide :

Analyse le SEO on-page de cette page :
- Le titre H1 est-il présent et aligné sur le sujet principal ?
- La structure des headings (H2/H3) est-elle logique ?
- Le contenu répond-il directement à une requête de recherche identifiable ?
- Y a-t-il des signaux GEO (première phrase autonome citable par une IA) ?
- Quelles sont les 3 améliorations prioritaires ?

Je me sers de cet usage pour les revues de contenu client. Plutôt que d’ouvrir chaque article dans Screaming Frog ou d’exporter un rapport, je visite la page avec Claude in Chrome ouvert et j’obtiens une analyse contextuelle en 20 secondes.

Rapport sectoriel de 60 pages, étude de marché, article de fond de 5 000 mots : Claude in Chrome résume le contenu de la page ouverte sans que vous deviez le copier-coller :

Résume cet article en 5 points clés actionnables pour un e-commerçant belge.
Pour chaque point, cite le passage source entre guillemets (max 15 mots).

La demande de citation courte est importante : elle force Claude à ancrer ses résumés dans le texte réel et évite la paraphrase approximative. Vous gardez la trace de ce qui vient vraiment de la source.

Pour les sources particulièrement longues ou les corpus de plusieurs documents, NotebookLM reste plus adapté : Claude in Chrome est optimal sur une page à la fois.

Vous êtes dans votre interface d’emailing (Klaviyo, Mailchimp), dans votre CRM, ou dans un formulaire de publication LinkedIn. Claude in Chrome voit la page que vous êtes en train de remplir :

Je rédige un email de relance pour ce lead (les informations sont visibles sur cette page).
Rédige un email de 3 paragraphes :
- Référence à leur secteur et leur problème probable
- Comment je peux les aider concrètement
- Un appel à l'action direct et sans pression

Ton : direct, professionnel, sans jargon.

Claude lit les informations disponibles sur la page (nom, entreprise, historique si visible) et contextualise la rédaction. Résultat : une base à retoucher plutôt qu’une page blanche.

C’est là que Claude in Chrome se distingue clairement d’un usage classique : Claude voit ce que vous voyez. Il n’a pas besoin que vous lui réexpliquiez le contexte.

L’IA n’est pas plus intelligente que la question qu’on lui pose, mais dans le bon contexte, elle est plus rapide que n’importe quel humain.

Quelques limites concrètes à connaître avant de compter dessus.

Les pages derrière authentification. Claude in Chrome fonctionne sur les pages publiques. Il peut accéder au contenu de votre Google Search Console ou Analytics si vous êtes connecté et que la page est chargée, mais il ne peut pas se connecter à votre place.

Les pages très dynamiques (JavaScript lourd). Sur certaines applications web modernes, Claude ne voit que le HTML initial, pas le contenu chargé dynamiquement après. Si la page affiche “Chargement…” au moment où Claude l’analyse, les résultats seront incomplets.

Le modèle disponible sur Pro. Les abonnés Claude Pro accèdent à Claude in Chrome avec le modèle Haiku : plus rapide, moins puissant que Sonnet ou Opus. Pour les analyses complexes, le résultat est souvent suffisant. Pour les synthèses longues ou les raisonnements structurés, passez à Claude Pro dans le navigateur.

Pour les tâches de traitement de fichiers locaux en complément, Claude Code prend le relai : les deux outils sont complémentaires et non substituables.

Formations M-Twice

Vous voulez maîtriser tout l’écosystème Claude pour votre activité marketing ?

Je couvre Claude in Chrome, Claude Code et les workflows IA dans mes deux formations présentielles, avec vos propres cas d’usage comme support de travail.

Vous voulez déployer Claude in Chrome dans votre équipe ?

J’accompagne les agences et PME belges dans la configuration et la prise en main des outils Claude : in Chrome, Code et Cowork. Opérationnel dès la première session.

Discuter de votre projet →

Claude Code est un agent IA développé par Anthropic qui prend vos instructions en langage naturel, lit les fichiers de votre ordinateur, exécute des traitements sur vos données et produit des livrables concrets, sans que vous écriviez une seule ligne de code. Contrairement à Claude dans le navigateur, Claude Code accède directement à vos fichiers locaux : il peut analyser 50 articles de blog d’un coup, nettoyer un export GSC de 2 000 lignes, ou générer 20 briefs de contenu à partir d’un template que vous lui donnez.

J’ai mis plusieurs semaines à comprendre ce que Claude Code pouvait vraiment faire pour un marketeur. Les premières sessions : des résultats décevants, des instructions trop vagues, des outputs inutilisables. Puis j’ai commencé à mieux formuler les tâches, à construire des CLAUDE.md précis, à travailler par étapes plutôt qu’en une seule instruction. Et là, les possibilités se sont ouvertes une à une.

Ce guide résume ce que j’ai appris, pour que vous bruliez les étapes que j’ai perdues à tâtonner.

Claude dans votre navigateur (claude.ai) est excellent pour la rédaction, la réflexion et les conversations. Mais il a une limite fondamentale : il ne voit que ce que vous lui collez dans le chat. Si vous avez un dossier de 80 articles à auditer, vous devez les lui donner un par un.

Claude Code change ça. Il tourne directement sur votre ordinateur et peut lire l’intégralité d’un dossier, d’un fichier CSV, d’un export de données, sans que vous copiiez-colliez quoi que ce soit. Il peut aussi écrire les résultats dans de nouveaux fichiers sur votre machine.

Bonne nouvelle : depuis avril 2026, vous n’avez plus besoin du terminal pour utiliser Claude Code. L’app desktop Claude (disponible pour Mac et Windows) intègre un onglet “Code” qui donne accès à Claude Code depuis une interface visuelle.

L’accès le plus simple, l’app desktop Claude :

Téléchargez l’application Claude Desktop depuis claude.ai/download. Une fois installée, cliquez sur l’onglet “Code” dans la barre latérale. Claude Code démarre dans un dossier de votre choix. Vous lui parlez en français, il fait le travail.

L’accès via terminal (pour ceux qui sont à l’aise) :

Si vous avez Node.js installé : npm install -g @anthropic-ai/claude-code, puis claude dans un dossier de votre choix. Nécessite un abonnement Claude Pro ou Max.

Ma recommandation : commencez par l’app desktop. Elle gère l’environnement technique pour vous. Si vous vous sentez à l’aise après quelques semaines, le terminal donne plus de contrôle, mais ce n’est pas nécessaire pour les 5 cas d’usage que je décris ici.

Prérequis : abonnement Claude Pro (20 $/mois) ou Max. Claude Code est inclus dans ces abonnements, pas de coût supplémentaire.

Avant de passer aux cas d’usage, un point que j’aurais voulu connaître dès le début : le fichier CLAUDE.md.

Placez un fichier texte nommé CLAUDE.md à la racine du dossier sur lequel vous travaillez. Claude Code le lit automatiquement au démarrage de chaque session. C’est votre contexte persistant : vous y écrivez qui vous êtes, ce que vous faites, vos conventions, vos exemples. Vous n’avez plus à réexpliquer votre contexte à chaque nouvelle session.

Pour un usage marketing, mon CLAUDE.md ressemble à ça :

# Contexte M-Twice

Je suis Massimo Melone, consultant marketing digital à Braine-l'Alleud, Belgique.
Je travaille principalement avec des PME belges et francophones.

## Mes conventions
- Langue : français
- Ton des livrables : direct, orienté PME, sans jargon inutile
- Format de sortie préféré : markdown ou CSV selon la tâche
- Mes clients types : e-commerçants WooCommerce, PME services B2B

## Ce que tu fais dans ce dossier
[Décrivez ici le projet en cours]

Ce fichier change tout. Claude Code sait immédiatement dans quel contexte il travaille, et ses outputs sont calibrés dès la première instruction.

Vous avez un site avec 80 articles de blog. Vous voulez savoir lesquels ont un titre trop long, une meta description manquante, ou un H1 qui ne correspond pas au focus keyword. Normalement : une journée de travail en ouvrant chaque article un par un dans Rank Math.

Avec Claude Code : placez les exports XML de votre sitemap ou les fichiers HTML de vos articles dans un dossier. Puis :

Analyse tous les fichiers de ce dossier.
Pour chaque article, extrait :
- L'URL
- Le titre H1
- La meta description (si présente)
- Le nombre de mots approximatif
- Si le titre dépasse 60 caractères (signale-le)
- Si la meta description dépasse 155 caractères (signale-le)

Produis un fichier CSV avec une ligne par article et ces colonnes.
Ajoute une colonne "Action prioritaire" avec la première correction à faire.

Résultat : un fichier CSV d’audit complet en quelques minutes. Prêt à partager avec votre client ou à importer dans votre outil de gestion de tâches.

Exportez vos données Google Search Console en CSV (3 mois, toutes les pages, tous les pays). Le fichier fait souvent 2 000 à 5 000 lignes. Analyser ça manuellement dans Google Sheets prend du temps et des formules complexes.

Avec Claude Code :

Voici mon export GSC des 90 derniers jours [nom du fichier].

1. Identifie les pages avec plus de 500 impressions et un CTR inférieur à 2 %.
   Pour chacune, explique en une phrase pourquoi le CTR est probablement faible.
2. Identifie les pages entre la position 8 et 20 avec plus de 200 impressions.
   Ce sont mes quick wins : classe-les par priorité d'action.
3. Y a-t-il des requêtes inattendues qui génèrent des impressions sur des pages
   qui ne semblent pas y correspondre ?

Produis un rapport Markdown avec ces trois sections.

J’ai testé cet usage sur le GSC d’un client e-commerce belge. Le rapport produit m’a signalé 12 pages quick wins que j’aurais mis 2 heures à identifier manuellement. Claude Code les a vues en 45 secondes.

Vous avez 15 articles à briefer pour le mois prochain. Votre template de brief fait 2 pages. Normalement : 30 à 45 minutes par brief.

Avec Claude Code :

Dans ce dossier tu trouveras :
- brief_template.md : mon template de brief éditorial
- keywords.csv : la liste de 15 mots-clés avec volume et intention de recherche
- contexte_site.md : la charte éditoriale et le persona cible

Pour chaque mot-clé de la liste :
1. Génère un brief complet en suivant le template
2. Nomme chaque fichier avec le slug du mot-clé
3. Adapte le niveau de difficulté et la longueur recommandée selon le KD indiqué

Commence par les 3 premiers pour que je valide le format avant de continuer.

La clé : “Commence par les 3 premiers pour que je valide”. Claude Code demande toujours confirmation avant les actions en masse. Profitez-en pour valider la qualité avant de générer les 12 suivants.

Un client m’envoie un export de son catalogue WooCommerce : 800 produits, des titres incohérents, des descriptions dupliquées, des champs vides. Normalement : une à deux journées de nettoyage.

Voici l'export CSV du catalogue produit [nom du fichier].

1. Identifie les produits avec une description vide ou inférieure à 50 mots.
2. Identifie les doublons de titre exact ou quasi-exact.
3. Pour les colonnes "poids" et "dimensions", vérifie les formats incohérents
   (certains en cm, d'autres en mm, certains manquants).

Produis :
- Un rapport de diagnostic (Markdown) avec le nombre de problèmes par catégorie
- Un CSV corrigé pour les formats de poids et dimensions uniquement
  (ne touche pas aux autres champs)

Cette instruction en deux parties (d’abord le diagnostic, puis seulement les corrections sur un périmètre défini) est ma façon de travailler avec Claude Code sur des données sensibles. Je valide le diagnostic avant d’autoriser toute modification.

Chaque mois, je collecte des données sur les concurrents de mes clients : leurs nouveaux articles, leurs pages modifiées, leurs annonces. Je les sauvegarde en fichiers texte dans un dossier.

Dans le dossier "veille_octobre" tu trouveras des fichiers texte
avec le contenu des nouvelles pages de [Concurrent A], [Concurrent B] et [Concurrent C].

Produis un rapport de veille avec :
1. Les 3 changements de positionnement les plus significatifs ce mois
2. Les nouvelles pages ou offres lancées par chaque concurrent
3. Les angles de contenu qu'aucun concurrent n'adresse encore
4. Une recommandation d'action pour [Nom du client] cette semaine

Format : Markdown, destiné à être envoyé directement au client.

Ce rapport me prenait 3 heures. Il prend maintenant 20 minutes : 15 minutes à collecter les données, 5 minutes à valider et ajuster le rapport produit.

Pour automatiser encore plus loin la collecte des données en amont, le guide sur la veille concurrentielle avec l’IA couvre Perplexity et n8n en complément de Claude Code.

Soyons honnêtes sur les limites. Claude Code n’est pas magique, et certaines attentes que j’avais au départ se sont révélées fausses.

La qualité du brief prédit 80 % du résultat. Une instruction vague donne un résultat vague. Plus vous êtes précis sur le format attendu, le périmètre, les exceptions, mieux c’est. Ce n’est pas très différent de déléguer à un collaborateur humain : si votre brief est mal fichu, le livrable l’est aussi.

Claude Code ne navigue pas sur le web en autonomie dans sa version de base. Pour chercher des informations en temps réel, Claude dans le navigateur ou Perplexity reste plus adapté. Claude Code excelle sur les fichiers que vous lui donnez.

Et il peut faire des erreurs sur des données complexes. Sur des fichiers critiques (données clients, exports financiers), je valide toujours les modifications proposées avant de les appliquer. Le workflow “diagnostique d’abord, modifications ensuite” que j’ai montré dans le cas d’usage 4 est non-négociable pour moi.

Claude Code est un levier de productivité, pas un remplacement du jugement.

Formations M-Twice

Vous voulez maîtriser Claude Code pour vos projets marketing ?

Je couvre Claude Code, les Projects et les workflows IA dans mes deux formations présentielles, avec vos propres fichiers et cas marketing comme support de travail.

Vous voulez déployer Claude Code dans votre équipe marketing ?

J’accompagne les équipes marketing et agences belges dans la prise en main de Claude Code : configuration, CLAUDE.md sur mesure, workflows adaptés à vos cas d’usage réels. Opérationnel en une session de travail.

Discuter de votre projet →

llms.txt est un fichier texte en Markdown placé à la racine d’un site web (accessible via votresite.com/llms.txt) qui fournit aux agents IA et aux LLM (Large Language Models) un résumé structuré du contenu du site : ce que fait le site, pour qui, et quelles pages méritent d’être consultées en priorité. Proposé par Jeremy Howard, fondateur de fast.ai, en septembre 2024, ce standard s’inscrit dans la même logique que robots.txt, mais avec une intention inverse : au lieu de dire aux robots ce qu’ils ne doivent pas lire, llms.txt leur dit ce qu’il vaut la peine de lire.

J’ai découvert llms.txt dans un thread de Jeremy Howard sur X en octobre 2024. Ma première réaction : “encore un nouveau standard que personne ne va adopter”. Ma deuxième réaction, trois semaines plus tard après avoir testé avec Claude et Perplexity : j’avais tort. Ces outils lisent effectivement le fichier quand il existe, et ça change comment ils comprennent un site.

J’en ai créé un pour m-twice.com la semaine suivante. Ce guide vous explique comment faire la même chose.

La confusion entre les deux est fréquente. Voici la différence en clair.

Pour résumer : robots.txt parle au crawler (au moment où il visite votre site). llms.txt parle à l’IA (au moment où elle cherche à comprendre votre site pour répondre à une question). Ce sont deux mécanismes complémentaires, pas substituables.

Attention : bloquer un crawler IA dans robots.txt (via User-agent: ClaudeBot ou User-agent: GPTBot) est une décision différente de ne pas avoir de llms.txt. Le premier dit “ne crawle pas mon site”. Le second dit “voilà ce qui mérite d’être lu”. Ce sont deux leviers indépendants.

Le format est intentionnellement simple. Du Markdown. Pas de syntaxe spéciale à apprendre. Voici la structure de base :

# Nom du site

> Description courte du site en une ou deux phrases. 
> Pour qui c'est fait, ce que ça couvre.

## Section principale 1
- [Titre de la page](https://votresite.com/page/) : description courte en une ligne
- [Titre de la page](https://votresite.com/page/) : description courte en une ligne

## Section principale 2
- [Titre de la page](https://votresite.com/page/) : description courte en une ligne

## Contact et informations légales
- [Page contact](https://votresite.com/contact/) : formulaire de contact
- [Mentions légales](https://votresite.com/mentions-legales/) : informations légales

Quelques règles de bon sens que j’ai appliquées :

Le titre (#) = votre nom de marque exactement tel qu’il apparaît partout. Pas de variante. Pas de descripteur. Si votre marque s’appelle “M-Twice”, le titre est “M-Twice”, pas “M-Twice Agence Marketing Belgique”.

Le blockquote (>) = la définition GEO de votre site. Une ou deux phrases autonomes qui expliquent ce que fait le site, pour qui, et où. C’est souvent la phrase que l’IA utilisera pour vous présenter dans ses réponses.

Les sections = votre architecture de contenu, pas votre navigation WordPress. Regroupez par thématiques utiles pour un LLM, pas par catégories de menu. “Services”, “Blog”, “Ressources gratuites”, “Formations”, pas “Actualités”, “À propos”, “Page 2”.

Voici le template que j’utilise et que j’ai adapté pour plusieurs clients :

# [Nom de votre entreprise]

> [Votre entreprise] est une [type d'entreprise] basée à [ville], Belgique, 
> spécialisée dans [domaine principal]. Nous accompagnons [cible] dans [bénéfice principal].

## Services
- [Service 1](https://votresite.com/expertises/service-1/) : description en une ligne
- [Service 2](https://votresite.com/expertises/service-2/) : description en une ligne

## Guides et ressources
- [Titre guide](https://votresite.com/guide/) : description courte
- [Titre guide](https://votresite.com/guide/) : description courte

## Formations
- [Titre formation](https://votresite.com/formations/formation/) : description courte

## Contact
- [Formulaire de contact](https://votresite.com/contact/) : pour demander un devis ou poser une question
- [Page mentions légales](https://votresite.com/mentions-legales/) : informations légales et RGPD

## Optional
- [Sitemap XML](https://votresite.com/sitemap.xml) : plan complet du site

La section “Optional” avec le lien vers votre sitemap est un ajout que j’ai expérimenté : elle donne à l’agent IA un chemin direct vers l’architecture complète du site s’il veut en savoir plus.

Méthode 1 : Fichier statique (recommandée)

Créez un fichier texte nommé exactement llms.txt avec le contenu Markdown. Uploadez-le à la racine de votre serveur via FTP ou le gestionnaire de fichiers de votre hébergeur (Easyhoster, OVH, Hostinger), au même niveau que votre fichier robots.txt. Vérifiez l’accès sur https://votresite.com/llms.txt.

Méthode 2 : Plugin WordPress

Le plugin “LLMs.txt for WordPress” (disponible sur WordPress.org) génère automatiquement un fichier llms.txt depuis votre structure de pages et articles. Plus simple, mais le contenu généré automatiquement est souvent moins qualitatif que ce que vous rédigez manuellement : l’IA vaut ce que vous lui donnez comme matière première.

Méthode 3 : Page WordPress avec slug personnalisé

Créez une page WordPress normale, assignez-lui le slug llms.txt, publiez le contenu Markdown en texte brut. Moins propre techniquement (WordPress peut ajouter des en-têtes HTML), mais ça fonctionne dans la plupart des cas si les autres méthodes sont trop complexes.

Ma recommandation : méthode 1 pour les sites avec accès FTP, méthode 2 si vous gérez un grand nombre de pages et voulez la maintenance automatique. Évitez la méthode 3 si vous pouvez : le fichier doit être servi en texte brut, pas en HTML.

Le standard llms.txt prévoit un fichier complémentaire : llms-full.txt. Là où llms.txt est un résumé avec des liens, llms-full.txt contient l’intégralité du contenu textuel du site en un seul fichier Markdown. L’idée : permettre à un LLM de lire tout votre site en un seul appel.

C’est utile pour les agents qui font de l’analyse approfondie : par exemple, un agent qui cherche à comparer des prestataires pourrait lire le llms-full.txt de chaque site candidat en quelques secondes plutôt que de crawler des dizaines de pages.

Pour la plupart des PME, llms.txt suffit largement. llms-full.txt est pertinent si votre site a un contenu riche et que vous voulez maximiser la compréhension des agents IA, mais c’est une optimisation de second rang.

Je vais être honnête sur ce qu’on sait et ce qu’on ne sait pas encore.

Ce qui est confirmé : Perplexity lit les fichiers llms.txt et l’utilise pour guider ses recherches sur un site. Claude peut accéder à votre llms.txt si vous lui donnez l’URL directement. Le répertoire llmstxt.org répertorie les sites qui l’ont adopté : plusieurs milliers en moins d’un an.

Ce qui est en cours : l’adoption par ChatGPT n’est pas officiellement documentée. Google n’a pas communiqué sur llms.txt. Le standard n’est pas encore un RFC officiel : c’est une proposition de fait, portée par la communauté.

Mon opinion : créer un fichier llms.txt vous prend 45 minutes. Si ça améliore la compréhension de votre site par les agents IA qui existent aujourd’hui et ceux qui arriveront demain (même marginalement), le ROI est évident. Ce n’est pas comme apprendre un nouveau système de configuration complexe. C’est un fichier texte. Faites-le.

Le signal le plus important : les entreprises qui ont adopté llms.txt en 2024 sont celles qui seront déjà indexées correctement quand le standard deviendra universel. Être premier sur un standard émergent est toujours plus facile qu’être adopté tardivement. C’est vrai pour le SEO, c’est vrai pour le GEO, c’est vrai pour llms.txt.

Pour comprendre comment llms.txt s’intègre dans une stratégie GEO complète, consultez notre guide GEO pour les PME : llms.txt est l’implémentation technique, le GEO est la stratégie de contenu. Les deux se complètent.

Formations M-Twice

Vous voulez préparer votre site pour les agents IA ?

Je couvre llms.txt, le GEO et la visibilité dans les agents IA dans mes formations présentielles, avec une implémentation concrète sur votre propre site.

Vous voulez qu’on crée votre llms.txt et audite votre visibilité IA ?

J’accompagne les PME belges dans l’implémentation de llms.txt et l’optimisation GEO de leur site, pour être compris et cité correctement par les agents IA. Implémentation en une journée.

Nous contacter →

Le commerce agentique (agentic commerce en anglais) désigne un modèle d’achat en ligne où des agents IA autonomes (des programmes capables de naviguer sur le web, de comparer des offres et d’exécuter des transactions) agissent pour le compte d’un consommateur humain sans nécessiter d’intervention manuelle à chaque étape. Ces agents lisent vos fiches produit, interrogent vos politiques de retour, comparent vos prix avec vos concurrents, et décident si votre boutique mérite d’être recommandée ou achetée, en quelques secondes.

J’ai eu le déclic en regardant une démo de Claude avec Computer Use en novembre 2024. Claude ouvrait un navigateur, cherchait “casque audio Bluetooth moins de 100 €”, comparait trois boutiques en lisant les fiches produit, vérifait la politique de retour, et passait la commande sur celle qui cochait le plus de critères. Sans que l’utilisateur touche son clavier.

Ce jour-là, j’ai réalisé que quelque chose de structural changeait. Pas dans deux ans. Maintenant.

Klarna a lancé son agent IA shopping en janvier 2025 : il fait des recherches de produits, compare les prix et complète les achats en autonomie pour ses utilisateurs. Amazon a déployé Rufus, un agent conversationnel intégré au moteur de recherche Amazon. Google a testé des agents qui remplissent des formulaires d’achat depuis les AI Overviews. Perplexity a ajouté une fonctionnalité “Buy Now” directement dans ses réponses.

Ces agents ne sont pas encore universels. Mais ils existent, ils traitent de vrais achats, et leur adoption va s’accélérer pour une raison simple : les gens n’aiment pas chercher. Si une IA peut trouver le meilleur produit au meilleur prix en 30 secondes, la plupart des gens vont déléguer ça.

La question pour un e-commerçant n’est plus “est-ce que ça va arriver ?” mais “est-ce que ma boutique sera choisie par ces agents, ou ignorée ?”

Impact 1 : La qualité des données produit devient votre avantage concurrentiel

Un agent IA ne regarde pas vos photos. Il lit. Il traite votre fiche produit comme un document structuré : titre, description, spécifications, disponibilité, prix, conditions de livraison et de retour. Si ces informations sont floues, incomplètes ou mal structurées, l’agent passe à votre concurrent, qui lui a des données propres.

J’ai testé ça avec un client dans l’électroménager. Sa fiche produit “robot aspirateur” ne mentionnait pas la compatibilité avec les sols en carrelage dans la description : cette info était dans les avis clients. Un agent IA qui recherche “robot aspirateur compatible carrelage” ne trouvait pas sa boutique. Son concurrent qui avait “compatible parquet, carrelage et moquette” dans le titre était systématiquement sélectionné.

Ce que vous faites dès maintenant : auditez vos 20 fiches produit les plus vendues. Pour chaque fiche, demandez-vous : si un agent IA cherche ce produit avec 3 critères spécifiques, est-ce que mes données lui donnent des réponses claires en moins de 5 secondes de lecture ?

Impact 2 : Le schema markup passe de “nice to have” à critique

Les agents IA utilisent les données structurées JSON-LD pour lire vos informations produit de façon fiable : prix, disponibilité, note, marque, identifiant. Un site sans schema Product bien configuré est un site que les agents ont du mal à lire correctement.

Les balises les plus importantes pour le commerce agentique : Product avec offers (prix, disponibilité, devise), AggregateRating (note et nombre d’avis), shippingDetails et hasMerchantReturnPolicy. Ces deux dernières sont encore peu implémentées sur les sites e-commerce FR/BE : c’est une fenêtre d’avance réelle.

Notre guide sur le GEO couvre le schema markup comme levier de visibilité IA ; les principes s’appliquent directement au commerce agentique.

Impact 3 : La politique de retour et les conditions de livraison deviennent des facteurs de sélection

Un humain regarde les photos d’abord, puis le prix, puis éventuellement la politique de retour si quelque chose cloche. Un agent IA intègre les politiques dans sa décision dès le départ, parce que c’est ce que l’humain qui l’a mandaté lui a demandé de faire (“trouve-moi ça, livraison en 48h et retour gratuit”).

Si votre politique de retour est enfouie dans une page CGV de 3 000 mots, l’agent ne peut pas l’extraire facilement. Si elle est clairement énoncée sur la fiche produit (“Retour gratuit sous 30 jours”) ou dans votre schema JSON-LD, l’agent peut la lire et la traiter comme un critère de sélection positif.

Impact 4 : Le GEO (Generative Engine Optimization) devient du GEO commercial

J’ai consacré plusieurs articles au GEO, l’optimisation pour être cité dans les réponses des IA. Avec le commerce agentique, ce concept prend une dimension directement commerciale. Être cité par un agent IA ne signifie plus juste “avoir plus de trafic” : ça signifie potentiellement “être sélectionné pour un achat”.

Les agents qui recommandent des produits s’appuient sur les mêmes signaux que les AI Overviews : qualité et précision des informations, autorité de la source, données structurées, cohérence entre ce que vous déclarez et ce que les autres sources disent de vous (avis, prix comparateurs, citations presse). La différence : l’enjeu de chaque citation passe de “un visiteur potentiel” à “une transaction potentielle”.

Impact 5 : La confiance machine devient aussi importante que la confiance humaine

Aujourd’hui, vous optimisez votre boutique pour qu’un humain vous fasse confiance : photos soignées, avis vérifiés, design professionnel, badge de sécurité en checkout. Ces signaux restent importants. Mais les agents IA ont leurs propres critères de confiance.

Ce qu’un agent évalue : cohérence des données entre votre site, vos comparateurs de prix et vos marketplaces (si votre prix sur Google Shopping diffère de votre site, c’est un signal d’alerte), fraîcheur des stocks déclarés (un produit “en stock” qui ne l’est plus est une erreur qui fait bannir un site des recommandations), et réputation générale mesurée via les avis et les mentions externes.

Le principe est simple : une boutique optimisée pour les agents IA est une boutique qui dit la vérité sur ce qu’elle vend, clairement, dans un format que les machines peuvent lire.

Je ne crois pas aux articles prospectifs qui se terminent par “attendez et observez”. Voici ce que je ferais si j’étais propriétaire d’une boutique e-commerce belge aujourd’hui.

Cette semaine : testez votre boutique avec Claude ou ChatGPT. Demandez à l’IA : “Je cherche [votre produit phare] pour [cas d’usage typique]. Quelle boutique recommanderais-tu ?” Si votre boutique n’est pas mentionnée, posez la question : “Pourquoi pas [votre boutique] ?” La réponse vous dira exactement ce qui manque.

Ce mois-ci : auditez et enrichissez vos données produit. Chaque fiche doit répondre sans ambiguïté à : quoi, pour qui, à quel prix, avec quelles conditions, disponible quand. Pas de flou. Pas d’implicite.

Ce trimestre : implémentez le schema Product complet sur vos 50 produits les plus vendus, avec shippingDetails et hasMerchantReturnPolicy. C’est 3 à 4 heures de travail technique qui vous différencie de 80 % de vos concurrents.

Ce semestre : préparez-vous à ce que votre trafic direct baisse pendant que vos ventes restent stables ou augmentent. C’est le signe que les agents commencent à travailler pour vous : ils convertissent en amont, sans visite “visible” sur votre site. Vos métriques GA4 vont devoir évoluer.

Formations M-Twice

Vous voulez comprendre comment l’IA transforme votre activité e-commerce ?

Je couvre le commerce agentique, le GEO et les agents IA dans mes deux formations présentielles, avec des applications concrètes sur votre boutique.

Vous voulez préparer votre boutique au commerce agentique ?

J’accompagne les e-commerçants belges dans l’audit et l’optimisation de leurs données produit pour être sélectionnés par les agents IA : schema markup, données structurées, GEO e-commerce. Diagnostic gratuit sur demande.

Discuter de votre projet →

NotebookLM est un outil d’IA développé par Google qui permet d’uploader des sources (PDFs, Google Docs, URLs, vidéos YouTube, fichiers audio) et de les interroger avec une IA qui répond exclusivement à partir de ces documents, en citant les passages exacts. Disponible gratuitement avec un compte Google, NotebookLM est fondamentalement différent de ChatGPT ou Claude : il ne peut pas inventer d’informations extérieures à ce que vous lui avez fourni.

Je l’ai découvert par accident. Je cherchais un moyen d’analyser rapidement les 15 articles d’un concurrent sans les lire un par un. J’ai uploadé leurs URLs dans un notebook, j’ai posé trois questions sur leur positionnement. Les réponses citaient les passages exacts d’où elles venaient. Première fois depuis des années qu’un outil IA me donnait une analyse concurrentielle sans que j’aie à vérifier chaque affirmation.

Depuis, je l’utilise pour presque tout ce qui touche à l’analyse de documents.

La plupart des outils IA sont des LLM généraux : ils répondent à partir de leur entraînement, plus éventuellement des documents que vous leur soumettez. Le problème : vous ne savez jamais exactement d’où vient une affirmation. Est-ce que Claude dit ça parce qu’il a trouvé cette information dans votre document, ou parce qu’il l’a “apprise” pendant l’entraînement et la confond avec votre contexte ?

NotebookLM résout ce problème radicalement. Il n’accède qu’à vos documents. Chaque réponse est accompagnée d’une citation qui renvoie vers le passage source exact. Si l’information n’est pas dans ce que vous avez uploadé, il vous le dit.

La règle que j’applique depuis que j’utilise ces outils en parallèle : pour analyser ce que quelqu’un a écrit ou dit, NotebookLM. Pour créer quelque chose de nouveau, Claude ou ChatGPT.

Accès et création du compte

NotebookLM est accessible sur notebooklm.google.com avec n’importe quel compte Google. En Belgique et en France, l’interface est disponible en français depuis fin 2024. Pas d’installation, pas de configuration initiale.

Créer un Notebook

Cliquez sur “Nouveau notebook”. Chaque notebook est un espace de travail isolé ; je recommande de créer un notebook par projet ou par concurrent analysé plutôt qu’un notebook fourre-tout.

Ajouter des sources

NotebookLM accepte : PDFs, Google Docs, Google Slides, URLs (pages web), vidéos YouTube (il analyse la transcription automatique), fichiers audio, et texte copié-collé. Un notebook peut contenir jusqu’à 50 sources, chaque source pouvant aller jusqu’à 500 000 mots. Pour les URL, il crawle la page au moment de l’ajout ; les mises à jour ultérieures du site ne sont pas répercutées automatiquement.

Interroger les sources

Une fois les sources ajoutées, la zone de chat s’ouvre. Posez vos questions en langage naturel. NotebookLM génère des réponses avec des notes de bas de page numérotées qui renvoient vers le passage source exact. Cliquez sur le numéro pour voir l’extrait dans le document original.

C’est le cas d’usage pour lequel j’utilise le plus NotebookLM. Je crée un notebook par concurrent principal, j’uploade leurs 5 à 10 pages les plus importantes (page d’accueil, pages service, témoignages, articles récents), et je l’interroge sur leur positionnement.

Questions types :

Quel est leur angle de différenciation principal par rapport au marché ?
Quels problèmes clients adressent-ils en priorité dans leur communication ?
Quels arguments de prix ou de valeur utilisent-ils ?
Qu'est-ce qu'ils ne mentionnent jamais, leurs angles morts ?
Quels mots-clés et expressions reviennent le plus souvent dans leurs titres ?

Ce workflow est détaillé dans mon article sur la veille concurrentielle avec l’IA : NotebookLM y est intégré dans un stack complet avec Perplexity, Claude et Ahrefs.

J’ai un client dans le secteur des services B2B qui m’envoie en début de mission un dossier de 80 pages : cahier des charges, rapports annuels, études de marché, stratégie interne. Avant NotebookLM, je passais une journée à le lire. Maintenant je le charge dans un notebook et je pose les questions qui me permettent de construire mon brief stratégique en 30 minutes.

Autre usage fréquent : les comptes rendus de réunion et les enregistrements clients. J’uploade la transcription d’un call (générée automatiquement par Otter ou Fireflies) et je demande à NotebookLM d’identifier les priorités exprimées, les objections formulées, les décisions prises.

Questions types pour l’onboarding :

Quels sont les 3 enjeux business principaux mentionnés dans ces documents ?
Quelle est la cible client décrite et en quoi diffère-t-elle des segments standard du marché ?
Quelles contraintes ou limites sont explicitement mentionnées ?
Quels objectifs chiffrés sont évoqués ?

Pour créer un article SEO sur un sujet que je maîtrise mal, mon process habituel : j’uploade dans NotebookLM les 5 meilleurs articles existants sur le sujet (les résultats page 1 que je veux dépasser), les études et rapports récents sur ce sujet, et les questions fréquentes trouvées sur les forums et Reddit.

Je demande ensuite :

Quels angles sont couverts par tous ces articles ?
Quels angles ne sont couverts par aucun ?
Quelles questions les lecteurs posent-ils que ces articles ne répondent pas directement ?
Quelles données chiffrées récentes pourrais-je utiliser comme différenciateur ?

Le résultat : un brief de contenu différenciant en 20 minutes, construit sur ce qui manque réellement dans le SERP, pas sur ce qui existe déjà.

C’est une utilisation que j’ai découverte en cherchant à améliorer ma production de contenu SEO, et qui a significativement changé la qualité de mes briefs. J’aurais dû y penser bien plus tôt : j’avais tendance à créer du contenu “amélioré” alors qu’il me manquait l’angle des lacunes réelles.

Pour les études de marché, NotebookLM est d’une efficacité déconcertante. Uploadez 3 à 5 rapports sectoriels, études consommateurs ou articles de fond sur votre secteur. Demandez-lui de synthétiser les tendances convergentes, les données contradictoires entre sources, et les insights qui n’apparaissent que dans une source (les signaux faibles).

Ce que j’aime particulièrement : la capacité à trouver les contradictions entre sources. Quand deux études disent des choses opposées sur un même sujet, NotebookLM vous le signale et cite les deux passages. C’est une forme d’analyse critique automatique qui vous permet de poser les bonnes questions plutôt que d’avaler les conclusions sans les questionner.

L’Audio Overview est la fonctionnalité la plus bluffante de NotebookLM, et aussi celle dont je me méfiais le plus au départ. Elle génère une conversation audio de style podcast entre deux voix IA qui discutent des documents que vous avez chargés, de façon naturelle et pédagogique.

J’étais sceptique. Puis j’ai testé avec un rapport sectoriel de 60 pages à partager avec un client qui “n’allait jamais lire le rapport”. J’ai généré un Audio Overview de 12 minutes. Il l’a écouté en voiture. La semaine suivante, il posait des questions précises sur des points du rapport. Il avait tout compris.

Les limites à connaître : les voix sont en anglais par défaut (NotebookLM génère les Audio Overviews dans la langue des documents, mais l’anglais reste plus fluide). Pour des documents en français, la qualité est acceptable mais moins naturelle qu’en anglais.

Usage pratique : générez un Audio Overview des principales conclusions d’une étude de marché pour votre équipe. Ou d’un dossier de brief client. Ou d’une veille concurrentielle mensuelle. Le format audio est consommé là où le texte ne l’est pas.

Mon avis honnête : la version gratuite couvre 90 % des besoins d’un marketeur ou consultant solo. NotebookLM Plus devient pertinent si vous utilisez intensivement les Audio Overviews ou si vous travaillez en équipe avec des notebooks partagés.

Formations M-Twice

Vous voulez intégrer NotebookLM dans votre workflow marketing ?

Je couvre NotebookLM et les outils IA appliqués au marketing dans mes deux formations présentielles, avec vos propres documents et cas clients comme matière première.

Vous voulez mettre en place un workflow IA complet pour votre marketing ?

J’accompagne les PME belges dans l’intégration de NotebookLM, Claude et Perplexity dans leurs workflows marketing : veille, briefs, analyse client. Opérationnel en une semaine.

Discuter de votre projet →

La veille concurrentielle avec l’IA est une méthode d’analyse continue qui utilise des outils d’intelligence artificielle (NotebookLM, Perplexity, Claude, ChatGPT, Ahrefs) pour surveiller les positions, les contenus, les prix et les stratégies de vos concurrents, puis synthétiser ces données en insights actionnables. L’objectif n’est pas de collecter plus d’informations. C’est de comprendre plus vite ce qui change dans votre marché, et de réagir avant vos concurrents.

Pendant des années, ma veille concurrentielle ressemblait à ça : je gardais des onglets ouverts sur les sites de mes concurrents, je recevais des Google Alerts que je n’ouvrais jamais, et je faisais une “analyse” approximative une fois par trimestre. Beaucoup de bruit. Peu de signal.

J’ai tout restructuré il y a un an autour d’un stack IA. Ce guide vous montre exactement comment, avec les outils, les prompts et le workflow que j’utilise.

Un concurrent publie 3 articles par semaine. Il met à jour ses tarifs. Il lance une nouvelle fonctionnalité. Il obtient une mention dans un média sectoriel. Il change son angle de positionnement sur sa page d’accueil. Si vous êtes seul ou dans une petite équipe, surveiller tout ça manuellement est impossible. Alors vous ne regardez rien, ou vous regardez en retard.

J’ai eu ce problème avec un client e-commerce belge dans le secteur de la maison. Il avait un concurrent direct qui ajustait ses prix presque hebdomadairement et publiait régulièrement du contenu SEO sur des requêtes que mon client ignorait. On s’en est rendu compte six mois plus tard, quand le concurrent avait déjà pris 3 positions de page 1 que mon client aurait pu occuper.

La veille IA ne demande pas plus de temps que la veille manuelle. Elle demande une configuration initiale de 2 à 3 heures, et ensuite tourne en grande partie automatiquement.

Vous n’avez pas besoin de tous ces outils dès le départ. Mon conseil : commencez par Perplexity + Claude. C’est le duo qui délivre le plus de valeur avec le moins de configuration. Ajoutez Ahrefs si votre veille concurrentielle a une dimension SEO forte. NotebookLM pour les analyses approfondies ponctuelles. n8n ou Make quand vous voulez automatiser le tout.

NotebookLM est un outil Google gratuit qui permet d’uploader des documents (pages concurrentes, articles, PDFs) et de les interroger avec une IA qui cite ses sources précisément. C’est l’outil le plus efficace pour analyser en profondeur le positionnement d’un concurrent : pas d’hallucination, chaque réponse renvoie au passage exact du document que vous avez fourni.

Pour la veille : créez un notebook par concurrent, uploadez leurs pages clés (accueil, offres, articles récents), et interrogez NotebookLM sur leur positionnement, leurs arguments, leurs angles morts. La différence avec Claude ou ChatGPT : NotebookLM ne peut répondre qu’à partir de ce que vous lui donnez, ce qui rend ses analyses fiables sur vos concurrents.

J’ai rédigé un guide complet sur NotebookLM avec tous les cas d’usage marketing et les prompts détaillés : NotebookLM pour les équipes marketing et la veille concurrentielle.

Perplexity est un moteur de recherche IA qui cherche sur le web en temps réel et synthétise les résultats avec des sources citées. Pour la veille concurrentielle, c’est l’outil le plus rapide pour capter les signaux récents : lancements de produit, mentions dans la presse, nouvelles levées de fonds, changements tarifaires.

J’utilise Perplexity Pro (20 $/mois) pour ses espaces (Spaces) : des projets persistants avec instructions permanentes. J’ai un Space “Veille concurrentielle [secteur client]” avec une instruction simple :

Tu surveilles [nom du concurrent 1], [concurrent 2] et [concurrent 3].
Quand je te demande un update, cherche :
- Leurs dernières publications (blog, presse, réseaux)
- Tout changement de prix ou d'offre
- Leurs nouvelles fonctionnalités ou services
- Leurs mentions dans des médias du secteur depuis 2 semaines
Cite tes sources avec la date.

Chaque lundi matin, je tape “update veille” dans ce Space. En 45 secondes, j’ai un résumé de ce qui a bougé chez mes concurrents depuis la semaine dernière. Ce qui me prenait 45 minutes.

Claude Pro avec un Project dédié à la veille est l’étape de synthèse. Je colle les outputs de Perplexity et les analyses NotebookLM dans une conversation Claude et je demande le rapport de veille hebdomadaire.

Le prompt de synthèse :

Voici les données de veille concurrentielle de cette semaine :

[Output Perplexity : signaux récents]
[Analyse NotebookLM : positionnement concurrent X]
[Données Ahrefs : nouvelles pages en position]

Rédige un rapport de veille de 5 paragraphes maximum :
1. Les 3 signaux les plus importants de la semaine
2. Ce que ces signaux disent sur la stratégie de chaque concurrent
3. Les opportunités identifiées pour [nom du client]
4. Les menaces à surveiller dans les 30 prochains jours
5. Les 2 actions recommandées cette semaine

Ton : direct, factuel, orienté décision. Pas de formules creuses.

Ce rapport, je l’envoie à mon client le lundi matin. Il prend 10 minutes à produire. Et je l’ai envoyé pendant des années en passant 3 heures dessus.

La veille SEO concurrentielle est souvent négligée parce qu’elle semble abstraite. Pourtant, c’est là que se jouent beaucoup de batailles invisibles : votre concurrent publie un article sur une requête que vous n’avez pas ciblée, il prend la position 1 dans 3 mois, et vous perdez un flux de leads qualifiés sans jamais comprendre pourquoi.

Avec Ahrefs, je configure trois alertes par concurrent :

Nouvelles pages indexées : Site Explorer → Pages → New (last 7 days). Chaque semaine, je vois quelle URL ils ont publiée, et sur quelle requête elle est probablement positionnée.

Évolution des positions : Site Explorer → Organic keywords → Changed (filtered on Improved). Je vois sur quelles requêtes ils progressent rapidement : signal d’une stratégie de contenu active.

Nouveaux backlinks : Site Explorer → Backlinks → New. Qui les cite ? Quels médias, quels partenaires, quels annuaires sectoriels ? Un backlink depuis un media sectoriel fort est souvent le signe d’une initiative PR que vous n’avez pas encore vue.

Pour l’analyse SEO concurrentielle de votre site avec Claude via MCP, consultez notre guide sur Claude MCP : vous pouvez connecter Ahrefs directement dans Claude pour automatiser cette étape.

Si vous faites de la veille pour plusieurs clients ou si vous voulez que le rapport parte automatiquement sans intervention manuelle, Make et n8n permettent d’assembler le workflow complet.

Le workflow automatisé : Schedule (lundi 7h) → Ahrefs API (nouvelles pages concurrentes) → Perplexity API (signaux récents) → Claude API (synthèse + rédaction rapport) → Gmail ou Slack (envoi automatique).

Ce workflow me prend 3 heures à configurer pour un nouveau client. Il tourne ensuite seul chaque semaine. Pour les détails de configuration, j’ai écrit un guide sur les workflows Make et n8n pour le marketing.

Le niveau de sophistication que vous choisissez dépend du volume. Pour 1 à 3 concurrents sur un seul client : le process manuel avec Perplexity + Claude suffit et prend 15 minutes par semaine. Pour une veille multi-clients ou multi-secteurs : l’automatisation devient rentable dès la deuxième semaine.

Voici la structure que j’utilise avec Claude pour tous mes rapports de veille. Copiez-la dans votre Project Claude :

## Rapport de veille concurrentielle : [Client], semaine du [DATE]

**⚡ Signaux prioritaires (top 3)**
- [Signal 1 + source + impact estimé]
- [Signal 2 + source + impact estimé]
- [Signal 3 + source + impact estimé]

**🔍 Analyse par concurrent**
[Concurrent 1] : [Ce qui a changé + interprétation stratégique]
[Concurrent 2] : [Ce qui a changé + interprétation stratégique]

**🎯 Opportunités identifiées**
[Ce que les concurrents ne font pas : angle à exploiter]

**⚠️ Points de vigilance**
[Ce qui pourrait vous impacter dans les 30 prochains jours]

**✅ Actions recommandées cette semaine**
1. [Action concrète + responsable + deadline]
2. [Action concrète + responsable + deadline]

La règle que j’applique pour chaque rapport : si je ne peux pas transformer chaque section en une action concrète, la veille ne sert à rien. Un rapport de veille qui ne déclenche pas d’action est une perte de temps habillée en rigueur.

Formations M-Twice

Vous voulez maîtriser ce workflow de veille IA pour votre activité ?

Je couvre NotebookLM, Perplexity et les workflows IA dans mes deux formations présentielles, avec vos propres concurrents comme cas pratiques.

Vous voulez mettre en place cette veille IA pour votre secteur ?

J’accompagne les PME belges dans la configuration de leur stack de veille concurrentielle IA : de NotebookLM à l’automatisation Make/n8n. Premier rapport de veille opérationnel en une semaine.

Discuter de votre projet →

Une agence d’automatisation Make et n8n configure des workflows no-code qui connectent vos outils marketing (Google Search Console, Meta Ads, Gmail, Notion, HubSpot) et font circuler les données entre eux automatiquement, sans intervention humaine et sans développeur. M-Twice accompagne les PME belges et francophones dans la mise en place de ces automatisations : de l’audit initial à la mise en production, avec une documentation que votre équipe peut maintenir seule.

J’ai commencé à automatiser des tâches marketing par frustration. Une cliente me demandait chaque lundi le rapport de performance de sa boutique. L’équipe passait 45 minutes à rassembler les données, rédiger le résumé, envoyer l’email. Chaque semaine. Aujourd’hui, ce rapport part automatiquement à 7h30 le lundi. Personne n’y touche plus. C’est ce que nous faisons pour nos clients.

Vous souhaitez d’abord comprendre Make ou n8n avant de déléguer ? Nous avons rédigé des guides pratiques : 5 workflows Make et n8n à copier et un tutoriel pour créer votre premier agent IA avec n8n. Cette page s’adresse à ceux qui ont décidé de confier la configuration à une agence.

Make et n8n sont des outils no-code : en théorie, vous pouvez les configurer vous-même. En pratique, beaucoup de PME se lancent, passent deux week-ends sur un premier workflow, obtiennent quelque chose qui fonctionne à 80 %… et qui tombe en panne le jour où l’API d’un outil change ou où un token expire.

Le problème avec les automatisations bricolées, c’est qu’elles tombent silencieusement. Votre rapport hebdomadaire ne part plus. Vos leads ne remontent plus dans le CRM. Et vous vous en rendez compte trois semaines plus tard, quand le dommage est fait.

Ce que nous apportons, ce n’est pas juste la configuration. C’est la gestion des cas d’erreur, la documentation, la formation de votre équipe, et la disponibilité quand quelque chose casse. C’est la différence entre un workflow qui tourne six mois et un qui tient deux semaines.

Si vous voulez tester vous-même d’abord, nos guides pratiques sont là pour ça : 5 workflows Make et n8n prêts à copier. Si après lecture vous préférez déléguer, vous saurez exactement pourquoi.

Reporting automatique (SEO, Meta Ads, email)

Chaque lundi à 7h30, vos équipes reçoivent un email ou un message Slack avec les performances de la semaine (GSC, GA4, Meta Ads, Klaviyo) rédigé en langage naturel, avec les 3 points d’attention prioritaires. Pas un export CSV. Un résumé opérationnel que tout le monde comprend, sans qu’une seule personne ait dû le préparer.

Qualification et routage des leads entrants

Quand un formulaire est soumis, le workflow analyse la demande, attribue un score (A/B/C), crée le contact dans votre CRM avec les propriétés renseignées, notifie le bon commercial dans Slack et envoie un email de confirmation personnalisé au prospect, en moins de 30 secondes. Sans automatisation, ce processus repose entièrement sur la disponibilité d’une personne. Avec le workflow, il est systématique. À minuit comme à midi.

Tri et priorisation des emails

Le workflow lit vos emails entrants, les catégorise (client urgent, demande standard, lead, candidature, newsletter, spam probable) et les route vers les bons dossiers ou les bonnes personnes. Avec un agent IA intégré dans n8n, il peut même suggérer une réponse type à valider en un clic.

Synchronisation entre vos outils

WooCommerce → HubSpot, Stripe → comptabilité, Shopify → ERP. Les synchronisations manuelles entre outils sont l’une des sources d’erreur les plus coûteuses pour les PME. Un workflow Make ou n8n les élimine et garantit la cohérence des données entre vos systèmes.

Veille et monitoring automatisé

Mentions de marque, alertes ROAS sous seuil de rentabilité, nouvelles publications concurrentes, avis Google : le workflow surveille et notifie. Vos équipes agissent sur les signaux qui comptent, pas sur tout.

Nous ne travaillons pas avec des projets qui s’étirent sur trois mois de spécifications avant qu’une seule automatisation tourne. Notre approche : un premier workflow en production en une semaine, puis on itère.

Étape 1 : Audit des tâches répétitives (2h)
Un appel pour cartographier vos tâches manuelles récurrentes. Pas toutes : les cinq qui consomment le plus de temps ou génèrent le plus d’erreurs. C’est là que le ROI d’une automatisation est le plus immédiat et le plus visible.

Étape 2 : Priorisation et scope (restitution écrite)
Nous vous livrons un document qui liste les workflows recommandés par ordre de priorité, avec pour chacun : le temps économisé estimé, la complexité de configuration, et le coût indicatif. Vous choisissez par où commencer.

Étape 3 : Configuration et tests (3 à 5 jours selon la complexité)
Nous configurons le workflow dans Make ou n8n, gérons les authentifications et les cas d’erreur, testons sur des données réelles avant la mise en production.

Étape 4 : Livraison + documentation + formation (1h)
Nous livrons le workflow documenté en langage humain et formons la personne responsable dans votre équipe : comment le lire, identifier un problème, modifier un paramètre simple. L’objectif : votre équipe ne dépend pas de nous pour la maintenance courante.

Nous sommes transparents sur les prix parce que ça évite des conversations inutiles de part et d’autre.

Ces tarifs varient selon la complexité réelle : nombre d’outils connectés, logique conditionnelle, qualité de la documentation de vos processus existants, création ou non de connecteurs personnalisés.

Nous ne travaillons pas sur des budgets inférieurs à 800 €. En dessous de ce seuil, le temps de compréhension de votre contexte ne nous permet pas de livrer quelque chose de fiable et documenté. Si vous cherchez un Zap Zapier basique, des freelances sur Malt peuvent le faire pour moins cher.

Une agence de recrutement spécialisée en profils tech, basée à Liège, recevait 80 à 120 candidatures par semaine. Leur processus : une assistante lisait chaque CV, le catégorisait manuellement dans Notion, envoyait un email de confirmation, notifiait le recruteur concerné. Environ 4 minutes par candidature. Soit 6 à 8 heures par semaine pour une tâche sans valeur ajoutée.

Nous avons configuré un workflow n8n avec agent IA : les candidatures arrivent via Typeform, Claude analyse le CV, attribue un score, crée l’entrée Notion avec les champs pré-remplis, envoie la confirmation personnalisée et notifie le bon recruteur dans Slack. Temps de traitement : moins de 90 secondes par candidature. Le workflow tourne depuis six mois. Il a traité plus de 2 000 candidatures.

L’assistante consacre maintenant ce temps à des tâches à valeur ajoutée : coordination avec les clients, suivi des candidats shortlistés. L’automatisation n’a pas remplacé quelqu’un : elle a libéré quelqu’un pour faire quelque chose de mieux.

Prêt à automatiser une tâche répétitive cette semaine ?

Décrivez-nous en deux phrases la tâche qui vous prend le plus de temps chaque semaine. Nous vous répondons sous 24h avec une estimation de faisabilité, l’outil recommandé et un tarif indicatif. Pas de proposal commercial. Un échange direct.

Nous contacter →

L’automatisation marketing no-code consiste à connecter vos outils digitaux (Google Search Console, Meta Ads, Gmail, Notion, HubSpot) et à faire circuler des données entre eux automatiquement, sans intervention manuelle et sans écrire une ligne de code. Make (anciennement Integromat) et n8n sont les deux plateformes d’automatisation les plus utilisées par les équipes marketing en 2026 pour construire ces workflows : Make est plus accessible pour les débutants, n8n est plus puissant et moins cher à grande échelle.

J’ai commencé à automatiser des tâches marketing par frustration. Une cliente me demandait chaque lundi le rapport de performance de sa boutique. Je passais 45 minutes à rassembler les données GSC, GA4, Klaviyo dans un Google Sheets, à rédiger le résumé, à envoyer l’email. Chaque semaine. 45 minutes × 52 semaines = 39 heures par an pour un seul client.

Aujourd’hui, ce rapport part automatiquement à 7h30 le lundi. Je n’y touche plus.

Vous préférez déléguer plutôt que faire vous-même ? Ce guide est pour ceux qui veulent configurer ces workflows en autonomie. Si vous cherchez une agence pour s’en charger, nous détaillons notre méthode, nos tarifs et nos cas clients sur la page service Make et la page service n8n.

La question revient systématiquement. Ma réponse honnête : les deux font la même chose, mais avec des profils différents.

Make est visuellement plus intuitif. Les scénarios se construisent en bulle : vous voyez les connexions entre modules d’un coup d’œil. L’interface est plus friendly pour quelqu’un qui n’a jamais fait d’automatisation. Le plan gratuit (1 000 opérations/mois) permet de tester sérieusement. Le plan Core à 9 €/mois suffit pour la plupart des PME.

n8n est plus puissant dès qu’on veut intégrer de l’IA dans le workflow : les nœuds AI Agent sont natifs et permettent à Claude ou ChatGPT d’analyser et de décider dans le flux. n8n est aussi moins cher à grande échelle (version auto-hébergée gratuite). Mais sa courbe d’apprentissage est plus raide.

Mon conseil : si vous débutez, commencez par Make. Si vous voulez intégrer une IA qui prend des décisions dans vos workflows, passez à n8n. Les deux logiques se ressemblent assez pour que la transition soit naturelle après quelques mois.

L’outil parfait n’existe pas. L’outil que vous utilisez vraiment, si.

C’est le workflow que je recommande en premier à tous mes clients. Simple à construire. Impact immédiat sur la culture data de l’équipe.

Ce qu’il fait : chaque lundi à 7h, il récupère les données GSC de la semaine (clics, impressions, CTR, position moyenne), les formate et les envoie dans une page Notion dédiée + un message Slack dans le canal marketing.

Structure Make :

Schedule → Google Search Console (récupérer les données 7 derniers jours) → Formater les données (variables) → Notion (créer ou mettre à jour une page) → Slack (envoyer un message de résumé).

Structure n8n :

Schedule Trigger → HTTP Request (API GSC) → Code node (formatage JSON) → Notion node → Slack node.

La partie la plus délicate : l’authentification GSC. Make propose un connecteur natif Google Search Console qui gère l’OAuth automatiquement : c’est ici que Make est clairement plus simple que n8n, où il faut configurer les credentials Google manuellement.

J’ai construit ce workflow pour un client e-commerce belge en mode maison. Avant, les données GSC étaient consultées une fois par mois, en retard. Depuis, l’équipe les regarde chaque lundi matin dans Slack. Trois mois plus tard, ils avaient identifié 12 pages à CTR sous 1 % que personne n’avait jamais vues.

Le rapport Meta Ads hebdomadaire est l’une des tâches les plus chronophages pour une agence ou un responsable marketing. Et l’une des plus faciles à automatiser.

Ce qu’il fait : chaque vendredi à 17h, il récupère les métriques Meta Ads de la semaine (dépenses, impressions, clics, CPC, ROAS par campagne), les compare à la semaine précédente, et envoie un email ou un message Slack formaté avec les variations.

Structure Make :

Schedule → Meta Ads (récupérer les insights des 7 derniers jours par campagne) → Aggregator (calculer les totaux et moyennes) → Router (identifier les campagnes sous le ROAS seuil) → Gmail ou Slack (envoyer le rapport).

Le module Router est la pièce intelligente du workflow : si le ROAS d’une campagne passe sous votre seuil de rentabilité, le message Slack peut inclure une alerte rouge. Pas besoin d’IA pour ça : une simple condition logique suffit.

Attention : Make facture chaque opération. Sur un compte avec 20 campagnes actives, récupérer les insights de chaque campagne consomme 20 opérations par exécution. Sur un plan à 10 000 opérations/mois, ça reste raisonnable. Mais si vous avez des comptes publicitaires très segmentés, vérifiez votre consommation avant de lancer.

J’ai déjà évoqué ce cas d’usage dans mon article sur les agents IA avec n8n. Mais la version Make sans IA est aussi intéressante : plus simple, moins chère, suffisante pour beaucoup de PME.

Ce qu’il fait : quand un formulaire est soumis (Typeform, Gravity Forms, HubSpot Forms), le workflow vérifie une série de conditions, attribue un tag ou un statut dans le CRM, et notifie le commercial concerné.

Structure Make (version sans IA) :

Webhook (réception formulaire) → Router avec conditions (taille entreprise, secteur, budget évoqué) → HubSpot ou Pipedrive (créer le contact avec propriétés) → Gmail (email de confirmation personnalisé) → Slack (notification commercial).

Avec n8n + AI Agent (version avancée) :

Webhook → AI Agent (Claude analyse la soumission et score A/B/C avec justification) → Switch → Actions selon score.

La version Make sans IA fonctionne parfaitement quand les critères de qualification sont clairs et quantifiables (taille d’entreprise connue, secteur listé, budget mentionné). La version n8n + IA devient pertinente quand la qualification dépend de l’analyse du texte libre : une description de projet ambiguë, par exemple.

Ce workflow m’a surpris par son impact. La plupart des PME ont une séquence de bienvenue email, mais elle est identique pour tous. Ce workflow crée une personnalisation basique qui change pourtant significativement les taux d’ouverture.

Ce qu’il fait : quand un nouvel abonné s’inscrit via votre formulaire (avec une question sur son secteur ou son profil), le workflow route vers une séquence d’emails différente selon sa réponse.

Structure Make :

Webhook (nouvel abonné Klaviyo ou Mailchimp) → Router (selon le champ “profil” du formulaire : e-commerçant / consultant / PME industrie / autre) → Klaviyo (ajouter à la liste segmentée correspondante) → Klaviyo (déclencher le flow de bienvenue personnalisé).

Un client dans le secteur de la formation professionnelle belge a mis en place ce workflow. Résultat : taux d’ouverture du premier email de bienvenue passé de 34 % à 51 % en segmentant simplement entre “individuel” et “entreprise”. Même texte de fond, introduction et exemple adaptés. Six lignes de différence dans l’email. 17 points de CTR en plus.

Celui-là, peu de PME le font. Et c’est dommage, parce que c’est l’un des plus faciles à construire et l’un des plus utiles pour la réputation.

Ce qu’il fait : chaque jour, il surveille les mentions de votre marque ou de vos mots-clés sur les avis Google, les forums ou les réseaux sociaux, et vous notifie dans Slack avec un résumé et un lien direct vers la mention.

Structure Make :

Schedule (quotidien) → Google Alerts RSS (flux des mentions) → Filter (exclure les mentions sans intérêt) → Slack (message avec titre, extrait, lien) → Optionnel : AI Agent (n8n) pour suggérer une réponse.

J’avoue une chose : j’ai mis ce workflow en place pour M-Twice d’abord. Et la première semaine, j’ai découvert un commentaire négatif sur un forum belge que je n’avais pas vu depuis trois mois. Répondu immédiatement. Le ton a changé. Ce type de veille passive devrait être standard pour toute PME avec une réputation en ligne à gérer.

Ne construisez pas les 5 workflows en même temps. J’ai fait cette erreur : lancé trop de choses d’un coup, rien n’était vraiment fiable.

La séquence que je recommande : commencez par le workflow GSC → Slack (workflow 1). C’est le plus simple, l’impact est visible immédiatement, et vous apprenez la logique de base de Make ou n8n sans risque. Une fois qu’il tourne correctement depuis deux semaines, ajoutez le workflow Meta Ads (workflow 2). Puis le workflow leads (workflow 3).

Deux ressources pour démarrer sans se perdre : la documentation officielle de Make est remarquablement bien faite pour les débutants. Pour n8n, la chaîne YouTube de Leon van Zyl est ce que j’ai trouvé de plus pédagogique en anglais. Pour l’intégration Claude dans n8n, consultez aussi mon guide sur Claude MCP : la logique de connexion est similaire.

Vous voulez automatiser votre marketing avec Make ou n8n ?

J’accompagne les PME belges dans la configuration de workflows marketing no-code : des premiers scénarios jusqu’aux automatisations complexes avec IA intégrée. Premier workflow en production en une semaine.

Discuter de votre projet →