Utiliser des agents No-code

À partir de maintenant, découvrons la solution Draft & Goal, un outil No-Code pour automatiser le marketing. Je vous invite à aller sur studio.dng.ai pour créer votre compte et avoir accès à ce que nous allons voir. Commençons par les modèles d'IA. Sur la démo, vous avez accès à tous les modèles qui sont sur Google Vertex AI. Ce sont les modèles les plus récents : claude-3.5, gemini-1.5, etc. Bien sûr, dans toutes les solutions de code, dès qu'un nouveau modèle sort, comme ici Gemini 2, il est tout de suite mis en place. Souvent, on attend un délai, le temps que le modèle soit bien stable pour ne pas casser tous les workflows que vous avez créés. Bien sûr, vous pouvez ajouter d'autres modèles. Ici vous pouvez par exemple mettre votre clé pour Anthropic, que nous avons vu précédemment, pour OpenAI, et d'un seul coup, tous les modèles GPT-4 et autres seraient disponibles. Ensuite, je vous invite à cliquer sur Intégrations. Il s'agit de tous les outils mis par défaut. Encore une fois, vous pouvez ajouter autant d'outils que vous le souhaitez. Ici par exemple, comme c'est vraiment orienté marketing, il y a des outils pour chercher des informations dans Google, sur d'autres sites web, sur YourText.Guru, sur les keywords à utiliser pour être bien référencé dans Google. Et ce qui est important, ce sont les data sources. Nous en parlerons dans la vidéo suivante. Ces datasources sont stockées dans une base de données que l'on pourrait qualifier de vectorielle, et elles permettent de faire ce que l'on appelle du rag, c'est-à-dire d'utiliser des éléments de cette base de données pour aider l'IA à mieux répondre sur votre objectif. Ici, j'ai mis des données structurées, c'est-à-dire des fichiers CSV et Excel, mais on le verra, il peut y avoir des données non structurées : des livres, des PDF, etc. Ce que je vous propose maintenant, c'est de construire un premier workflow. On clique sur Workflows, puis Nouveau workflow. On met un nom, une description, et vous arrivez forcément sur une page vierge. Le premier réflexe est de cliquer sur Add node et de chercher dans les champs d'entrée le format Text. C'est un simple drag-and-drop, et c'est directement fonctionnel. Bien sûr, on pourrait cliquer sur Input Settings pour venir personnaliser. On va par exemple lui donner une URL, on peut mettre une description, des valeurs par défaut, mais on va essayer d'aller vite pour construire notre premier workflow. On va bien sûr chercher des informations sur cette page web. On utilise un web scraper. Je vous laisserai lire tous les outils à votre disposition dans Outils. Et pour connecter les deux outils, c'est hyper simple : il suffit de faire un glisser-déposer, et l'outil est tout de suite fonctionnel. Si vous êtes curieux ou curieuse, vous cliquez sur Tool settings. Je lui dis que je veux récupérer un format Article. XPath, c'est vraiment si on veut chercher des éléments particuliers dans la page. Mais si je clique sur App, ça me génère automatiquement un formulaire. Par exemple, je voudrais chercher des informations sur Gemini 2.0, qui est sorti en décembre 2024. Je fais Start, et tout de suite, on a un workflow fonctionnel, capable de chercher des informations sur Gemini 2.0. Souvent, cela prend dix secondes, le temps de déclencher le web scraper et de chercher des informations. En attendant, je vous propose de continuer. On a mis une URL, un formulaire d'entrée qui se connecte à un outil, et ce qui pourrait être intéressant, pour l'instant on n'a pas encore besoin d'agent, c'est d'utiliser un LLM pour par exemple me faire un résumé. Vous allez voir que vous ne pouvez pas pour l'instant le connecter. Si vous souhaitez le connecter, il faut cliquer sur Éditer les instructions, puis écrire : Donne-moi un résumé de ce texte. Et pour entrer une variable, il faut mettre des doubles-crochets, ouvrir la variable, puis doubles-crochets, et fermer. Je fais Update. Automatiquement, le champ Data est apparu, et vous allez pouvoir connecter. À partir de maintenant, je vais pouvoir chercher des informations sur une page web, transférer un LLM qui me fera un résumé. Petite remarque : Ici, c'est par défaut llama3, mais on peut très facilement changer. Mettons par exemple gemini-1.5-flash, Update, et tout le workflow est prêt. Encore une fois, vous pouvez analyser autant d'URL que vous le souhaitez. Ici, on les fait une par une, mais en utilisant cette fonction Import csv, on aurait pu effectuer 100 000 analyses en même temps. Nous récupérons notre URL, on appuie sur Start, et il déclenche bien les deux étapes. En attendant, on peut aller dans Run History, et voir que l'étape précédente est terminée. On a accès à toutes les étapes. Quand vous cliquez sur show result, vous pouvez voir tout ce qu'il a récupéré sur le log de Google, c'est-à-dire ici tout le communiqué de presse autour de Gemini. Vous pouvez bien sûr le télécharger. Ensuite, on attend qu'il termine l'étape précédente. Il vient juste de terminer, et il me fait un résumé en français parce que je le lui ai demandé, le texte étant en anglais. Il parle des projets Astra, Mariner et Jules. On se rend d'ailleurs compte que Google propose maintenant avec Gemini.2 des agents IA pour les développeurs, pour le navigateur web. On avait vu juste avant un exemple avec Anthropic. Et c'est loin de s'arrêter, je pense que 2025 sera l'année des agents. Je suis juste allé un peu plus loin avec un procédé que j'utilise très souvent pour écrire des posts LinkedIn, et la seule chose qui va changer, ce sont tout simplement les instructions. Vous voyez, ici : Tu es un copywriter expert mondial en création de contenu. Je lui donne pas mal d'informations sur la manière dont il doit écrire mon post LinkedIn, et lui demande de me donner celui qui pourra atteindre une note de 10/10, et toujours ces {{data}]. Ici, vous pouvez mettre le nom que vous voulez pour être capable de transférer les données. Je viens connecter directement ici Data, je clique dans App, Run History, puis sur Steps, la deuxième étape qui nous intéresse. Gemini a analysé, et il nous dit : Voilà ce que je te conseille comme titre accrocheur pour LinkedIn : Google Gemini 2.0 : L'IA qui anticipe vos besoins. Et ensuite, le post à écrire : Imaginez une IA qui ne se contente pas de répondre à vos questions, mais qui anticipe vos besoins. C'est la promesse de Gemini 2.0. Plus rapide, plus puissant, plus " agentic ". L'avenir de l'IA est-il agentic ? Qu'en pensez-vous ? Forcément, l'article de départ avait très peu de chances, avec un score de 1/10. Il a maintenant un score de 7/10. Et bien sûr, vous pouvez itérer jusqu'à avoir un score de 10/10. Mais dans tous les cas, vous serez obligé de faire des modifications pour mettre votre propre style et avoir vraiment quelque chose d'original. Encore une fois, je déconseille de faire purement IA, surtout pour des posts LinkedIn. Maintenant, ce que je vous propose, c'est d'utiliser des agents qui feront des choses encore plus avancées.