Qu'est-ce que Make
Make est une plateforme d'automatisation visuelle construite autour de scénarios : déclencheurs, modules, routes, filtres, itérateurs, transformations de données et actions. Les agents IA ajoutent une couche basée sur un modèle qui peut choisir parmi des modules approuvés, des scénarios réutilisables et des outils MCP. La même plateforme peut donc exécuter une logique d’intégration prévisible et des boucles agentiques plus flexibles.
Cela ne rend pas les deux modes interchangeables. Un scénario fixe est généralement préférable pour les règles de facturation, la synchronisation des enregistrements, les notifications et autres processus dont le chemin peut être défini. Utilisez un agent lorsque le contexte variable nécessite réellement une interprétation ou une sélection d'outils. Dans la mesure du possible, conservez les effets secondaires dans des étapes de scénario explicites afin qu'ils restent testables et observables.
Outils d'agent et accès minimum
Un Make Agent combine un modèle, des instructions, un contexte ou des connaissances et des outils. Les outils peuvent exposer de vastes capacités commerciales. Un outil de calendrier qui renvoie tous les détails de l'événement est nettement plus risqué qu'un outil qui renvoie uniquement les créneaux libres/occupés. Un outil CRM capable de supprimer ou de mettre à jour en masse des enregistrements a un rayon d'action différent d'une recherche en lecture seule.
Le guide actuel des meilleures pratiques pour les agents de Make suggère de supposer que les utilisateurs peuvent accéder aux informations partagées avec l'agent, y compris les données et les connaissances des outils. Il recommande de minimiser l’accès et de mapper uniquement les données nécessaires dans un outil. Le guide indique également que les agents peuvent ignorer ou mal interpréter les garde-fous explicites. Il s’agit d’un signal d’approvisionnement important : une invite système n’est pas une couche d’autorisation.
Limitez les jetons de sortie, les étapes d'exécution, l'historique des threads, les tentatives et le nombre d'outils. Une longue histoire entraîne à la fois des coûts et des divulgations involontaires. Les limites d’étapes aident à arrêter les boucles, mais elles peuvent également laisser une transaction commerciale partiellement terminée. Acheminez les résultats incomplets ou peu fiables vers une file d’attente de révision plutôt que de prétendre qu’ils ont réussi.
Examen humain et récupération
Make peut placer une demande de révision humaine sur un itinéraire de scénario. Un modèle utile permet à l'agent de classer et de rédiger, puis de faire une pause avant un e-mail, une commande, une écriture CRM ou une publication externe. L'examinateur doit voir l'entrée originale, la charge utile proposée, les données de support et la cible exacte, et pas seulement un résumé généré.
Examinez comment l’état reprend après l’approbation ou le rejet. Une approbation expirée devrait échouer. Réessayer ne doit pas répéter les effets secondaires antérieurs. Ajoutez des clés de transaction uniques, des gestionnaires d'erreurs et un chemin de réparation manuelle. Testez les informations d'identification révoquées, les limites de débit de l'API, les sorties d'outils mal formées, l'injection rapide, les webhooks en double et un modèle qui n'atteint jamais une condition d'arrêt.
Tarifs et crédits
À la date d'examen, page de tarification de Make répertoriait un forfait gratuit et un tarif Core à 12 $, Pro à 21 $ et Teams à 38 $ par mois pour une configuration de 10 000 crédits. Enterprise a utilisé une tarification personnalisée. Core a ajouté des scénarios actifs illimités et un accès API ; Pro a ajouté une exécution prioritaire, des variables personnalisées et une recherche de journaux en texte intégral ; Les équipes ont ajouté des rôles d'équipe et des modèles partagés. La devise, le cycle de facturation, le niveau de crédit et les taxes régionales peuvent modifier les montants affichés.
Les crédits ne représentent pas la totalité du coût. Le module sélectionné, le mouvement des données, l'exécution de l'agent AI, la connexion au modèle externe, le code et les tentatives peuvent affecter la consommation. Les forfaits payants peuvent utiliser des connexions personnalisées avec un fournisseur d'IA, ce qui transfère certains coûts de modèle et conditions de données vers ce fournisseur. Estimer les crédits avec une exécution normale et une exécution avec de nombreux échecs ; inclure les tests, les boucles, l'examen humain et les frais de jeton du fournisseur.
Sécurité, journaux et routes de données
Page de sécurité de Make rapporte les audits SOC 2 Type II et SOC 3, les informations d'identification et le stockage chiffrés, TLS pour le transport et l'infrastructure cloud sur deux zones de disponibilité AWS. Il indique que les données des journaux sont stockées par défaut pendant 30 jours, avec un stockage étendu disponible dans Enterprise. Enterprise s'exécute dans un environnement AWS géré séparément des clients cloud en libre-service.
Les journaux d'exécution peuvent contenir des enregistrements mappés, des invites, des réponses d'outils et des charges utiles d'erreur. Un historique plus court réduit l’exposition mais peut affaiblir l’enquête sur l’incident. Décidez quels champs peuvent être enregistrés, qui peut rechercher des analyses et où vont les exportations. La déconnexion d'une application ne supprime pas les enregistrements déjà écrits dans d'autres systèmes.
L'avis de confidentialité de Make indique que les données de l'API Google Workspace ne sont pas utilisées pour développer, améliorer ou former des modèles généralisés d'IA ou d'apprentissage automatique. Cette déclaration est spécifique et ne doit pas être transformée en une affirmation non étayée concernant chaque catégorie de données client ou chaque fournisseur externe. Examinez séparément la connexion du modèle sélectionné, les sous-processeurs, le DPA, la région et le processus de suppression.
Qui devrait choisir Make ?
Make convient parfaitement aux équipes qui apprécient un canevas visuel et souhaitent conserver une automatisation déterministe aux côtés des décisions limitées des agents. Ses directives officielles en matière de sécurité sont inhabituellement directes sur les limitations, ce qui aide les constructeurs responsables, mais indique également clairement qu'une architecture soignée est nécessaire.
Comparez Zapier AI pour une large automatisation des applications et des agents séparés, n8n pour l'auto-hébergement et la flexibilité du code, et Gumloop pour un modèle de crédit natif d'IA. La catégorie Outils d'automatisation et d'agent IA explique comment tester les autorisations, les approbations, les traces et les coûts.
Visitez Créer des agents IA
