Mon armée d'agents IA silencieux — Quand l'automatisation orchestre mon quotidien

Ça commence toujours par une friction invisible, ce genre de petite routine qui consomme de l'énergie sans créer de valeur.

Ouvrir l'application météo pour comparer mentalement les jours de la semaine. Éplucher Notion tous les matins pour faire le tri entre ce qui est urgent, ce qui est en retard, et ce qui peut attendre. Sortir son téléphone en cuisinant, les mains pleines de farine, pour ajouter du beurre sur la liste de courses.

Les données étaient là, mes outils (Notion, Todoist, Home Assistant) fonctionnaient bien, mais ils attendaient tous que je fasse l'effort de les interroger. Le vrai problème n'était pas le manque d'outils, c'était le manque d'orchestration. J'avais besoin d'un assistant personnel, mais un assistant qui s'adapte à mes processus, pas l'inverse.

Pour construire ce système, j'ai choisi n8n.

Pourquoi ce choix ? Parce que c'est une solution d'automatisation orientée nœuds, auto-hébergeable (parfait pour mon homelab), et qui gère nativement des concepts avancés liés à l'IA comme la mémoire, les "Tools" (outils) et les agents LangChain.

Plutôt que de coder des scripts Python isolés qui tournent dans des CRON jobs obscurs, n8n m'offre une toile visuelle. Je peux créer des agents spécialisés, leur donner accès à des API spécifiques, et les faire communiquer avec moi via la plateforme que j'utilise le plus : Telegram.

Voici comment j'ai structuré mes trois agents principaux.

Je suis basé en Île-de-France, et j'essaie de caler une sortie vélo en fin de matinée une fois par semaine. Mais la météo est capricieuse.

J'ai donc créé un workflow qui s'active automatiquement tous les lundis matin à 8h45.

L'agent récupère les prévisions météorologiques sur 5 jours via l'API OpenWeatherMap.

Je lui ai donné une consigne stricte : comparer uniquement le mardi et le mercredi de la semaine en cours, sur le créneau de 10h30 à 12h00.

Le modèle (GPT-4o-mini) analyse les données et me rédige un rapport synthétique m'indiquant quel jour est le plus adapté pour ma sortie sportive, avant de me l'envoyer sur Telegram et de mettre à jour mon calendrier.

Plus besoin d'analyser les radars de pluie : le lundi matin, je sais déjà quand je roule.

La gestion de ma to-do list se passe sur Notion. Mais ouvrir un tableau Kanban au réveil n'est pas la meilleure façon de se motiver.

J'ai mis en place un "Daily Brief" qui se déclenche du lundi au vendredi, à 8h50.

Le système interroge la base de données Notion pour récupérer toutes les tâches non terminées dont la date est échue ou prévue pour aujourd'hui.

Ces données brutes sont agrégées et envoyées à l'IA.

L'agent a pour mission de rédiger un briefing matinal simple, en regroupant les tâches en retard d'un côté et celles du jour de l'autre.

Pour la touche finale, je lui ai demandé d'ajouter un conseil personnalisé pour me motiver et augmenter ma productivité.

Je reçois un message Telegram clair et motivant. Zéro hallucination, juste ce que je dois faire, présenté de la meilleure manière possible.

C'est ici que l'architecture devient vraiment intéressante. J'ai créé un "SuperAgent" qui sert d'orchestrateur global pour ma maison.

Je peux interagir avec lui via Telegram, par écrit ou par message vocal.

S'il reçoit un audio, le workflow utilise l'API OpenAI (Whisper) pour le transcrire en texte.

Le SuperAgent n'agit jamais directement : il analyse ma requête et la délègue au sous-agent compétent.

Par exemple, il utilise un "TodoistAgent" spécialisé dans l'interaction avec l'API Todoist.

Ce sous-agent gère ma liste de courses (ajout, suppression, lecture).

C'est d'ailleurs le prolongement parfait de mon projet Anti-Gaspi. L'intégration de l'API via un nouveau sub-agent est d'ailleurs prévue. Si je dis "Ajoute du lait sur la liste de courses" ou "Rappelle-moi de manger le poulet demain", le SuperAgent comprend l'intention, gère les dates, et routera la demande vers le bon sub-agent.