Voici comment les outils no code se tournent désormais vers l'IA
Overview rapide de ce qui va se passer en 2025
Hello,
J’espère que tu vas bien en ce jeudi matin.
Une fois n’est pas coutume, voici quelques réflexions sur l’environnement no code actuel.
Sans plus d’introduction, on plonge directement dans l’actualité.
Bien évidemment, vous savez que si vous souhaitez me joindre ou échanger avec moi il suffit de répondre à cet email ou me contacter sur LinkedIn.
Au programme de cette newsletter :
Le MCP va standardiser notre accès à l’IA Générative
n8n lève 55 millions pour accélérer son développement
Xano lance sa révolution avec une nouvelle proposition
Open AI propose une méthode innovante pour valider des données
C’est parti !
Je t’invite à un Live exclusif avec Uncode School (surprise)
Le 10 avril à 20h, on te propose un live exclusif pour comprendre le vrai rôle du Product Builder à l’ère du no code et de l’IA.
Objectif : faire le tri, clarifier les compétences attendues en 2025 et te présenter ce qu’on prépare avec Uncode School pour t’aider à passer au niveau supérieur.
👉 Inscription gratuite (places limitées)
Le MCP va standardiser notre accès à l’IA Générative
Qu'est-ce que le Model Context Protocol (MCP) ?
Le MCP a été créé par Claude pour répondre à la problématique suivante : comment les LLM vont-ils faire pour interagir avec des outils externes sur lesquels il n’y a parfois pas d’API spécifique ?
Si on devait définir le MCP, on pourrait dire que c’est un protocole open source qui permet aux grands modèles de langage (LLMs) d'interagir avec des outils externes pendant une conversation, d'accéder à des connaissances additionnelles et d'exécuter des actions. Il établit une structure standardisée pour que les modèles puissent demander et recevoir des informations contextuelles supplémentaires.
Principes techniques du MCP
Structure de communication : Le MCP définit un format d'échange basé sur du JSON ou du XML structuré entre le modèle et les systèmes externes.
Cycle de requête-réponse : Le modèle peut identifier un besoin d'information, formuler une requête, et recevoir une réponse qu'il intègre ensuite dans son raisonnement.
Outils et fonctions : Le MCP permet au modèle d'accéder à diverses fonctionnalités comme la recherche web, l'exécution de code, l'accès à des bases de données, etc.
Voici une vidéo qui explique son fonctionnement :
Quel intérêt ?
Le but du MCP est de pouvoir interagir en langage naturel via un LLM pour lui dire d’agir sur d’autres outils (ex. : en fonction de l’email reçu par le collègue X va sur le web pour me faire une recherche puis propose-moi un plan que tu vas écrire dans une page Notion dans la base de données X. Lorsque cela sera fait envoie-moi un message sur Slack et programme un RDV avec mon collègue sur Google Calendar en regardant nos créneaux disponibles cette semaine).
Il faut bien comprendre également qu’il n’y a pas un seul serveur MCP qui gère tout. En effet, chaque outil que vous souhaitez utiliser doit avoir un serveur MCP accessible et développé ad hoc. Il existe certes déjà des serveurs MCP prêt à l’emploi que vous pouvez utiliser, mais en fonction de vos besoins et de vos outils, il faudra peut-être vous-même les développer (et les maintenir). Pour le coup, vous allez pouvoir utiliser des IA comme Claude pour vous aider dans ce développement, mais attention, il n’y a rien de magique ici et il vous faudra vous-même mettre tout ça en musique. Je vois dans le développement des serveurs MCP une nouvelle belle opportunités business et surtout un vrai sujet que vous allez pouvoir intégrer en entreprise avec vos outils (cf. voir la news sur Xano plus bas).
Le sujet des MCP est vraiment passionnant et va clairement devenir un standard incontournable dans l’IA Gen. Pour démarrer, je ne peux que vous conseiller de lire la documentation officielle qui est très bien faite.
Si le sujet vous intéresse, n’hésitez pas me contacter pour en parler !
n8n lève 55 millions (et vous ne pouvez pas passer à côté)
C’est l’outil chouchou qui monte très fort auprès des afficionados de l’automatisation. n8n est un concurrent direct de Zapier et de Make. Dans la logique, il ressemble très fortement à Make, mais il possède des avantages non négligeables qui me plaisent tout particulièrement :
Il est sous licence “fair code” ;
Il est possible de l’avoir soit en self hosted, soit en version Cloud (pour un prix abordable) ;
La communauté partage des cas d’usages vraiment très utiles et poussés ;
Il est possible d’ajouter du code nativement et directement dans n8n (ce qui n’est pas le cas pour Make et Zapier) ;
Il a une très forte intégration avec le monde de l’IA Générative (il est très puissant pour développer des agents IA) et il est possible, depuis peu, d’utiliser des MCP ;
L’expérience de développement d’une automatisation est vraiment très agréable (et proche de ce que vous pouvez avoir sur Make).
Clairement en 2025, c’est vraiment un des outils d’automatisation sur lequel je parierai fortement ! Et visiblement, au regard de cette levée de fond, je ne suis pas le seul à faire ce pari…
Xano accélère fortement sur l’IA
C’est une excellente nouvelle que nous dévoile Xano via son CEO Prakash Chandran : Xano va s’intégrer de plus en plus avec les IA Générative et les concepts d’agents.
Je n’ai pas vu le AMA qui aura lieu après la sortie de cette newsletter, mais que peut-on en comprendre et en attendre ?
Déjà, rappelons les bases : Xano est un outil de développement visuel qui a pour objectif de permettre de développer un backend de A à Z, ie. de la base de donnée à toute la logique qui peut sous-tendre une application web. À l’heure actuelle, même s’il reste un peu cher, Xano est aujourd’hui un outil de programmation visuelle parmi les plus intéressants et les plus pertinents du marché et je ne peux que vous encourager à vous y intéresser.
Toutefois, il y a plusieurs concepts qui pourraient rendre l’expérience de Xano encore meilleure :
Utiliser l’IA dans la création d’un backend de A à Z (BDD à la logique). De la même manière qu’on utilise Co-pilot via des prompts pour coder, il sera possible de le faire dans Xano pour accélérer le développement backend. Cette vision du co-pilot sera d’ailleurs au cœur de tous les outils no code de 2025, au risque de se faire complètement distancés.
La suite de la vision de Xano est de devenir plus qu’un simple backend, mais d’intégrer la prochaine évolution logicielle : celle où les machines ne parlent plus seulement à l’utilisateur, mais parlent de machine à machine (M2M). Ce que Xano prépare, c’est tout simplement le fait de devenir une plateforme visuelle de développement et de coordination d’Agents IA pour votre entreprise en utilisant notamment le protocole MCP.
Je ne peux que vous engager à regarder la vidéo ci-dessous pour en savoir plus :
Open AI propose une méthode innovante pour valider des données (ex. : santé)
Dans un récent article publié par Open AI, la société propose une nouvelle méthode de validation des données (avec o1-preview) que j’ai trouvé particulièrement intéressante et qui peut grandement aider dans de nombreux domaines, notamment dans le domaine médical.
Si on creuse un peu plus, voici le contexte : la validation des données est essentielle pour garantir la qualité et la fiabilité des ensembles de données, surtout dans des domaines sensibles comme la santé. Les méthodes traditionnelles de validation reposent souvent sur des règles prédéfinies, mais les modèles avancés peuvent comprendre le contexte et raisonner sur les données, offrant une approche plus flexible et intelligente.
La problématique était la suivante : Les méthodes traditionnelles de validation des données peuvent ne pas détecter toutes les incohérences, surtout lorsque les règles ne sont pas clairement définies ou lorsque les données sont très contextuelles.
Exemple : Un patient est allergique à la pénicilline, mais son traitement inclut de l'amoxicilline. Une règle fixe pourrait ne pas détecter cette incohérence si elle ne vérifie que les allergies déclarées explicitement.
Dans le cas d’Open AI, ils proposent une approche innovante qui peut aider les médecins et les patients. Ils proposent, en effet, l’utilisation de modèles de raisonnement avancés, comme le modèle o1-preview, pour valider les données. Ces modèles peuvent comprendre le contexte et identifier des problèmes qui échappent aux règles fixes.
Exemple : Le modèle pourrait analyser l'historique médical complet du patient et identifier que l'amoxicilline est liée à la pénicilline, signalant ainsi une incohérence potentiellement dangereuse.
Les avantages sont notamment de 3 types :
Une meilleure compréhension contextuelle (ex. : Un patient a un diagnostic de diabète, mais ne prend aucun médicament antidiabétique. Le modèle pourrait identifier cette incohérence en comprenant que le traitement ne correspond pas au diagnostic.)
Une meilleure flexibilité et adaptabilité (ex. : Si un nouveau type de médicament est ajouté à la base de données, le modèle peut apprendre à l'intégrer dans ses analyses sans nécessiter de mise à jour manuelle des règles.)
Bien évidemment des explications plus claires.
Nul besoin de vous convaincre que ce type de papier est des plus passionnants et encourage vivement à développer et à travailler autour de l’IA si des prouesses comme celles-là peuvent apparaître !
Si cela t’a plu, n’hésite pas à m’ajouter sur Linkedin, m’écrire un petit message en répondant à cette newsletter ou encore partager pour m’encourager à continuer 😎
Si, à l’inverse, un ami vous a transféré cette newsletter et que vous l’avez apprécié, vous pouvez vous abonner. 👇