Les outils d'automatisation ne manquent pas. Zapier, Make (ex-Integromat), n8n, Power Automate — ils permettent tous de connecter des applications et d'enchaîner des actions. Mais ils partagent une limite commune : ils exécutent des règles, ils ne comprennent pas le contenu.
Recevoir un email et le transférer selon l'expéditeur, n'importe quel outil sait le faire. Recevoir un email, comprendre s'il s'agit d'une réclamation ou d'une demande de devis, rédiger un brouillon de réponse adapté, et notifier la bonne personne sur Slack — ça, il faut de l'IA.
C'est ce que font les workflows Moon AI.
L'éditeur visuel
L'éditeur de workflows fonctionne par glisser-déposer. Vous placez des nœuds sur un canevas, vous les reliez entre eux, et chaque connexion représente un flux de données. Pas de code, pas de configuration YAML, pas de terminal.
Moon AI propose 49 types de nœuds, répartis en catégories :
- Déclencheurs — réception d'email, nouveau message Slack, webhook entrant, planification horaire
- IA — analyse de texte, résumé, traduction, classification, génération de contenu, extraction de données
- Logique — conditions if/else, boucles, filtres, transformations de données
- Actions — envoyer un email, poster sur Slack, créer un ticket Jira, mettre à jour une feuille Notion
- Données — lecture/écriture de fichiers, requêtes API, manipulation JSON
La différence fondamentale avec Zapier ou Make, c'est que les nœuds IA ne sont pas des appels API bruts. Ils utilisent Moon Auto pour sélectionner le modèle optimal pour chaque opération, et Moon Guard pour protéger les données qui transitent.
Exemple concret : le tri intelligent d'emails
Prenons un cas réel. Une agence reçoit 200 emails par jour. Elle veut :
- Trier automatiquement les emails entrants (réclamation, demande de devis, question technique, spam)
- Résumer les emails importants
- Notifier l'équipe concernée sur Slack
- Créer un ticket dans Linear pour les réclamations
Voici le workflow, nœud par nœud :
Nœud 1 : Déclencheur Gmail. Se déclenche à chaque nouvel email reçu sur l'adresse contact@. Extrait l'objet, le corps, l'expéditeur et les pièces jointes.
Nœud 2 : Classification IA. Envoie le contenu de l'email à un modèle IA avec un prompt de classification. Le modèle retourne une catégorie (réclamation, devis, technique, spam, autre) et un score de confiance.
Nœud 3 : Condition. Si la catégorie est « spam » → arrêt. Sinon → suite du workflow.
Nœud 4 : Résumé IA. Génère un résumé de 2-3 lignes de l'email. Utile pour les notifications Slack — personne ne lit un pavé de texte dans un channel.
Nœud 5 : Condition par catégorie. Branchement selon la catégorie détectée au nœud 2.
Nœud 6a : Notification Slack #ventes. Pour les demandes de devis → envoie le résumé + lien vers l'email dans le channel #ventes.
Nœud 6b : Notification Slack #support + ticket Linear. Pour les réclamations → envoie dans #support ET crée automatiquement un ticket dans Linear avec le résumé, la priorité estimée et le lien vers l'email original.
Nœud 6c : Notification Slack #tech. Pour les questions techniques → envoie dans #tech.
Temps de mise en place : environ 15 minutes. Temps économisé par jour : 2-3 heures de tri manuel.
Les 16+ connecteurs
Les workflows sont aussi utiles que les outils qu'ils connectent. Moon AI s'intègre nativement avec :
- Communication — Gmail, Slack, Discord, Telegram, WhatsApp
- Développement — GitHub, GitLab, Sentry, Linear, Jira
- Productivité — Notion, Google Drive, Google Calendar, Figma
- Business — Stripe, Meta
Chaque connecteur gère l'authentification OAuth, la pagination des API et la gestion des erreurs. Vous n'avez pas besoin de lire la documentation de chaque service — le nœud expose des champs lisibles et des options claires.
Ce que les workflows ne font pas
Soyons honnêtes sur les limites. Les workflows Moon AI ne remplacent pas un développeur pour des logiques métier complexes avec des dizaines de cas particuliers. Ils ne sont pas faits pour du traitement massif en temps réel (flux de 10 000 événements par seconde). Et comme toute automatisation basée sur l'IA, le résultat dépend de la qualité du prompt et de la clarté des données en entrée.
Ils sont faits pour les tâches répétitives qui demandent de la compréhension — exactement là où les outils d'automatisation classiques atteignent leurs limites.
