Alors que l’automatisation des flux de travail restait surtout l’affaire des profils techniques, Make a dévoilé Maia, un assistant conversationnel qui construit des scénarios d’automatisation directement sur le canevas, en langage naturel. Présentée en octobre 2025, cette IA « glass-box » est désormais en bêta fermée et promet de permettre à chaque employé de créer des automatisations sans écrire une ligne de code.
À retenir
- Maia traduit des consignes en langage naturel en scénarios Make visuels et fonctionnels.
- L’assistant repose sur des modèles GPT-4.1, GPT-5.2 et Claude Sonnet, et inspecte l’état complet du scénario en cours.
- L’approche « Glass-Box » rend chaque étape modifiable et vérifiable, pour rester compatible avec le RGPD.
- Maia est disponible en bêta fermée pour les offres payantes ; une version générale est attendue pour fin 2026.
- La feuille de route prévoit des modules If-Else et Merge dès début 2026, puis une supervision proactive des automatisations.
« Maia n’est pas un simple générateur de code : c’est un partenaire qui construit les workflows avec l’utilisateur, sous ses yeux. »
Présentation de Make
En clair, n’importe quel collaborateur peut désormais concevoir une automatisation qui s’appuie sur plus de 3 000 applications intégrées à Make, tout en gardant la main sur le résultat final.
Maia, le copilote qui démocratise l’automatisation
L’ambition de Make avec Maia est claire : faire de la création d’automatisations une compétence universelle, et non plus un privilège d’ingénieurs. L’outil se comporte comme un expert qui observe ce que vous faites et exécute vos demandes en direct.
Une construction visuelle progressive et pédagogique
Quand vous demandez à Maia d’ajouter un filtre pour les e-mails d’un domaine, elle analyse le scénario en cours, relie les modules et montre immédiatement le résultat. Au lieu de livrer un bloc de code opaque, elle transforme chaque instruction en étape visuelle. Cette approche parle autant aux débutants qu’aux utilisateurs expérimentés, qui peuvent ensuite itérer plus vite sur leurs prototypes.
Des modèles de langage variés pour une meilleure compréhension
Maia n’est pas limitée à un seul LLM. Elle s’appuie sur GPT-4.1 mini, GPT-5.2, GPT-5.6, Claude Sonnet 4.6 et Claude Sonnet 5. Cette architecture multi-modèles lui permet de gérer des contextes complexes, comme l’état complet du compte, les connexions ou les paramètres de l’utilisateur. Les prompts ne servent pas à entraîner les modèles, ce qui préserve la confidentialité des données.
L’approche « Glass-Box » : tout voir, tout modifier
Ce qui distingue Maia des assistants IA plus classiques, c’est sa transparence. Chaque action apparaît sous forme de modules interconnectés sur le canevas. Cette « boîte ouverte » s’oppose aux systèmes « boîte noire », souvent plus difficiles à auditer.
Une reprise en main toujours possible
L’utilisateur peut à tout moment ajuster manuellement un paramètre, déplacer un module ou annuler une étape proposée par Maia. Cette souplesse compte dans un environnement professionnel, où une mauvaise étape peut suffire à tout bloquer. La logique métier est validée avant le déploiement, ce qui réduit les risques d’anomalies liées à des hallucinations de l’IA.
Framework de sécurité et conformité RGPD
Conformément au RGPD, Make agit comme sous-traitant pour les informations traitées par Maia. Les données clients ne servent jamais à entraîner les modèles. Cette séparation stricte des flux rassure les équipes sécurité, qui peuvent déployer l’assistant sans compromettre leur gouvernance.
Quelles perspectives pour 2026 ?
Maia n’en est qu’à ses débuts. En bêta fermée depuis l’automne 2025, l’outil doit encore évoluer avant sa disponibilité générale, prévue pour la fin 2026. La feuille de route prévoit plusieurs étapes pour les prochains mois.
Vers une surveillance proactive et une orchestration élargie
À plus long terme, Maia devrait prendre une place plus large dans l’interface Make. Elle pourrait identifier en temps réel les goulots d’étranglement, proposer des optimisations ou suggérer de nouveaux cas d’usage. L’utilisateur évoluerait alors de simple « développeur » vers un « superviseur » d’une flotte d’agents et d’automatisations. Cette vision fait de la plateforme un centre d’orchestration, où la décision reste humaine, mais où l’exécution est accélérée par une IA fiable.
Laisser un commentaire
Vous devez vous connecter pour publier un commentaire.