En bref — Guide pas à pas pour trier, résumer et préparer des réponses à tes emails entrants avec Make, Gmail et GPT-4o — sans coder.

automatiser emails IA Make Gmail Image : Danny Choo — Openverse (by-sa)

En bref — Avec Make, Gmail et GPT-4o, tu peux automatiquement classer tes emails entrants par catégorie, générer un résumé et préparer un brouillon de réponse — le tout sans coder. Ce guide te montre comment construire ce workflow de A à Z.

Cent emails par jour. C'est la réalité de beaucoup de dirigeants de PME ou de freelances actifs. Entre les demandes clients, les relances fournisseurs, les newsletters et les spams déguisés, trier et répondre mange facilement une à deux heures chaque matin. C'est du temps que l'IA peut absorber — pas parfaitement, mais suffisamment pour que tu reprennes la main sur ta journée.

Ce guide est concret. À la fin, tu as un workflow Make fonctionnel qui lit tes emails Gmail, les classe, les résume et prépare un brouillon de réponse. Pas de promesse miracle : tu valides toujours avant d'envoyer.

À partir de quel volume d'emails ça vaut le coup ?

La réponse directe : si tu reçois plus de 30 emails "actionnables" par jour (hors newsletters et spams déjà filtrés), le workflow s'amortit rapidement. En dessous, un bon système de labels Gmail manuels suffit souvent.

Quelques signaux qui indiquent que l'automatisation est pertinente pour toi :

  • Tu passes plus de 45 minutes par jour à lire et trier tes emails.
  • Tu reçois des demandes répétitives (devis, support, candidatures) qui appellent des réponses similaires.
  • Tu as déjà raté un email important noyé dans le flux.
  • Tu gères plusieurs adresses ou une boîte partagée avec une équipe.

En revanche, si tu reçois 15 emails par jour et que chacun est unique et complexe, automatiser le tri apporte peu. L'IA classe bien les catégories claires ; elle ne remplace pas ton jugement sur un dossier sensible.

Consulte les statistiques IA & PME si tu veux des données sur l'adoption de ces workflows en France.

Comment fonctionne l'architecture du workflow ?

Le flux est linéaire : Gmail → Make → GPT-4o → label Gmail + brouillon de réponse.

Voici les quatre blocs :

  1. Déclencheur Gmail — Make surveille ta boîte et se déclenche à chaque nouvel email entrant (ou toutes les X minutes selon ton plan).
  2. Appel GPT-4o — Make envoie le contenu de l'email à GPT-4o avec un prompt de classification et de résumé.
  3. Routeur Make — selon la catégorie retournée par GPT-4o, Make applique le bon label Gmail et décide si un brouillon doit être généré.
  4. Création du brouillon — Make crée un brouillon dans Gmail avec la réponse suggérée par GPT-4o. Tu valides, tu ajustes, tu envoies.

Ce que ce workflow ne fait pas : il ne lit pas les pièces jointes PDF par défaut, il ne gère pas les fils de discussion complexes sans configuration supplémentaire, et il ne remplace pas une décision commerciale. On y revient dans la section sur les cas limites.

Comment construire le scénario dans Make, étape par étape ?

Prérequis

  • Un compte Make (le plan gratuit suffit pour tester, mais ses limites en opérations mensuelles sont serrées pour 200 emails/jour — prévoir le plan Core ou supérieur).
  • Un compte Gmail connecté à Make via OAuth.
  • Une clé API OpenAI (créée sur platform.openai.com).

Étape 1 — Créer le scénario et poser le déclencheur Gmail

Dans Make, crée un nouveau scénario. Ajoute le module Gmail > Watch Emails. Configure-le sur le label "INBOX", sans filtre supplémentaire pour commencer. Définis l'intervalle de vérification (5 minutes est un bon compromis entre réactivité et consommation d'opérations).

Étape 2 — Nettoyer le contenu de l'email

Les emails HTML sont bruités. Ajoute un module Tools > Text parser ou utilise la fonction stripHTML() de Make pour extraire le texte brut. Limite la taille : si l'email dépasse 3 000 caractères, tronque-le (GPT-4o facture au token, et un email de newsletter de 10 000 mots n'a pas besoin d'être analysé en entier).

Étape 3 — Appel GPT-4o pour classification et résumé

Ajoute le module OpenAI > Create a Chat Completion. Modèle : gpt-4o. Voici le prompt système à utiliser :

Tu es un assistant de gestion d'emails pour une PME française.
Analyse l'email suivant et retourne UNIQUEMENT un objet JSON avec ces champs :
- "categorie" : l'une des valeurs suivantes → "demande_client", "relance_fournisseur", "candidature", "newsletter", "spam", "administratif", "autre"
- "priorite" : "haute", "normale" ou "basse"
- "resume" : résumé de l'email en 2 phrases maximum, en français
- "reponse_suggeree" : une réponse courte et professionnelle en français, adaptée au ton de l'email. Si l'email ne nécessite pas de réponse (newsletter, spam), laisse ce champ vide.

Ne retourne rien d'autre que le JSON. Pas de markdown, pas d'explication.

Et le prompt utilisateur :

Expéditeur : {{1.from}}
Objet : {{1.subject}}
Contenu : {{texte_nettoye}}

Active le mode JSON dans les paramètres du module si disponible, ou parse la réponse avec le module JSON > Parse JSON juste après.

Étape 4 — Routeur selon la catégorie

Ajoute un module Router. Crée une route par catégorie principale (commence par 3 ou 4, pas toutes d'un coup) :

  • Route "demande_client" → applique le label Gmail "Client" + crée un brouillon
  • Route "candidature" → applique le label "RH" + crée un brouillon
  • Route "newsletter" → applique le label "Newsletter" + archive directement
  • Route "spam" → déplace vers les spams Gmail

Étape 5 — Créer le brouillon Gmail

Pour les routes qui le nécessitent, ajoute le module Gmail > Create a Draft. Dans le champ "Body", injecte la valeur reponse_suggeree issue du JSON. Dans "To", injecte l'adresse de l'expéditeur. Dans "Subject", préfixe l'objet original avec "Re :".

Résultat : tu ouvres Gmail le matin, tu trouves tes emails déjà classés par label, et pour chaque demande client ou candidature, un brouillon t'attend. Tu lis, tu ajustes en 30 secondes, tu envoies.

Pour aller plus loin sur les workflows Make, consulte les cas d'usage et l'annuaire d'outils IA.

Comment gérer les cas limites : emails sensibles, pièces jointes, langues multiples ?

Emails sensibles (juridique, RH, confidentiel)

Ajoute une condition avant le routeur : si l'objet ou le corps contient certains mots-clés ("litige", "mise en demeure", "licenciement", "RGPD"), redirige vers une route "Sensible" qui se contente d'appliquer un label rouge et d'envoyer une notification Slack ou email à toi seul. Aucun brouillon automatique. Tu traites manuellement.

Pièces jointes

Make peut récupérer les métadonnées des pièces jointes (nom, type, taille) mais ne lit pas le contenu d'un PDF nativement. Pour analyser une pièce jointe, il faut ajouter un module de téléchargement + un appel à une API de parsing (comme Adobe PDF Extract ou un outil OCR). C'est faisable, mais c'est un workflow séparé. Pour commencer, signale simplement dans le résumé GPT qu'une pièce jointe est présente : GPT-4o le mentionnera dans son résumé si tu l'inclus dans le prompt.

Emails en langues multiples

GPT-4o gère nativement le multilinguisme. Précise dans ton prompt système : "Si l'email est dans une autre langue que le français, le résumé et la réponse suggérée restent en français, sauf si l'expéditeur écrit en anglais — dans ce cas, réponds en anglais." Ajuste selon ta réalité business.

Fils de discussion (threads)

Le module Gmail de Make peut être configuré pour ne déclencher le scénario que sur les nouveaux emails (pas les réponses dans un fil existant). C'est le réglage par défaut. Si tu veux gérer les threads, tu dois stocker l'historique quelque part (Google Sheets, Airtable) et l'injecter dans le contexte GPT — c'est une complexité supplémentaire à réserver à la V2 de ton workflow.

Besoin d'aide pour construire ce workflow ou l'adapter à ton contexte ? Le diagnostic IA gratuit permet d'identifier en 30 minutes ce qui est automatisable dans ton organisation.

Quel est le coût réel pour 200 emails par jour ?

200 emails/jour = 6 000 emails/mois. Voici la décomposition honnête :

Make (opérations)

Chaque email consomme environ 3 à 5 opérations Make (déclencheur + parsing + appel API + routeur + création brouillon). Soit 18 000 à 30 000 opérations mensuelles. Le plan Core de Make inclut 10 000 opérations ; il faut monter au plan suivant ou acheter des opérations supplémentaires. Vérifie les tarifs actuels sur make.com — ils évoluent régulièrement.

OpenAI (tokens GPT-4o)

Un email moyen de 200 mots + le prompt système représente environ 400 à 600 tokens en entrée, et la réponse JSON environ 200 tokens en sortie. Pour 6 000 emails/mois, on parle de l'ordre de 3 à 5 millions de tokens. Consulte la grille tarifaire sur platform.openai.com pour le coût exact au moment où tu lis cet article — les prix des tokens ont régulièrement baissé.

Estimation globale

Pour 200 emails/jour, le budget total (Make + OpenAI) se situe généralement entre 30 et 60 € par mois selon la longueur de tes emails et le plan Make choisi. C'est moins qu'une heure de travail administratif au SMIC. Le ROI est là si tu récupères effectivement du temps de traitement.

Ce que ce workflow ne remplace pas

  • La décision finale sur chaque email : tu valides toujours avant d'envoyer.
  • Un CRM : si tu veux historiser les échanges clients, connecte Make à HubSpot ou Notion en parallèle.
  • Un filtre anti-spam performant : utilise d'abord les filtres natifs Gmail pour éliminer le bruit avant que Make ne traite les emails.

Pour des automatisations plus complexes (multi-boîtes, intégration CRM, escalade automatique), consulte la page automatisation n8n — n8n offre plus de flexibilité sur les workflows avancés.

Par où commencer concrètement ?

Voici l'ordre recommandé pour ne pas te noyer :

  1. Semaine 1 — Connecte Gmail à Make, déclenche le scénario sur 10 emails tests. Vérifie que les données arrivent correctement.
  2. Semaine 2 — Ajoute l'appel GPT-4o avec le prompt ci-dessus. Teste la classification sur 50 emails réels. Ajuste les catégories selon ta réalité.
  3. Semaine 3 — Active le routeur et la création de brouillons. Valide chaque brouillon manuellement pendant deux semaines.
  4. Semaine 5 — Analyse : combien de brouillons as-tu envoyés sans modification ? Si c'est plus de 60 %, le workflow est mature. Tu peux envisager l'envoi automatique sur les catégories les plus simples.

Les prompts utilisés dans ce workflow sont disponibles et adaptables dans la bibliothèque de prompts.

Tu veux savoir si ce type d'automatisation correspond à ton organisation avant de te lancer ? Fais le diagnostic IA gratuit — c'est gratuit, ça prend 30 minutes, et tu repars avec une liste concrète de ce qui est automatisable dans ton contexte.