Rémi Kokabi27 novembre 20257 min de lectureMis à jour: 7 oct. 2026

J'ai reconstruit le workflow GPT-3 de lemlist avec GPT-4 en 4 étapes (voici ce qui a changé)

Lancez une campagne à volume réel et votre inbox devient un problème de tri. Leads intéressés, bounces d'absence, demandes de désinscription, réponses polies du type « pas maintenant ». Tout atterrit au même endroit, et quelqu'un doit lire chaque ligne pour décider de la suite. Ce quelqu'un, c'est souvent votre meilleur commercial, et il fait ça au lieu de vendre. Le problème, c'est que la fenêtre pour répondre à un lead chaud est minuscule : la documentation développeur de lemlist fixe la barre à deux minutes maximum après la réponse d'un prospect intéressé pour alerter le commercial. Personne ne tient ce rythme à la main.

Dans cet article, je vous montre pas à pas comment reconstruire l'ancien workflow lemlist x GPT-3 de classification des réponses sur un modèle qui existe encore, dans n8n ou Make. Je vous montre aussi la partie que la plupart d'entre vous n'aurez pas besoin de construire du tout, parce que lemlist gère désormais la classification des réponses nativement. Un avertissement avant de commencer : la version originale de ce guide tournait sur GPT-3, et OpenAI a retiré toute la génération GPT-3 le 4 janvier 2024, comme documenté sur la page de dépréciation des modèles d'OpenAI. Si vous aviez essayé de suivre les instructions de 2023 aujourd'hui, l'appel API aurait échoué dès le premier nœud. Cette version utilise GPT-4o (ou tout autre modèle de chat OpenAI actuel de votre choix).

Voici ce que le workflow final gère :

  • Alertes Slack quand un lead est intéressé

  • Création de tâche quand un lead est absent du bureau

  • Désinscription des leads qui demandent à être retirés

  • Envoi du résultat dans votre CRM HubSpot

Avant de construire ça : la détection IA native des réponses dans lemlist

Commençons par l'évidence. Beaucoup de gens arrivent sur ce guide et n'en ont pas vraiment besoin.

L'IA de lemlist lit déjà les réponses entrantes et marque automatiquement les leads comme intéressés. Réponse positive, le lead passe en Intéressé. Réponse négative, Pas intéressé. Dans les deux cas, la séquence s'arrête pour ce lead, donc personne ne reçoit de relance après avoir déjà répondu. Vous l'activez, vous gérez le reste depuis votre inbox unique, et c'est réglé en quelques clics.

Alors pourquoi construire quoi que ce soit ?

Parce que la classification native vous donne deux catégories, et certaines équipes en ont besoin de cinq. Si vous voulez que les réponses d'absence créent une tâche datée dans trois semaines, que les recommandations soient redirigées vers un autre commercial, et que les demandes de désinscription alimentent une liste de suppression dans votre CRM, il vous faut votre propre logique. C'est l'objet du reste de ce guide. Voyez ça comme la couche power-user au-dessus d'une fonctionnalité que vous payez déjà, pas comme un remplacement.

Si vous voulez la version élargie de cette idée (des agents IA qui agissent sur les signaux de tout votre pipeline, pas seulement les réponses), consultez lemAgent avant de commencer à câbler des nœuds.

Étape 1 : Récupérez votre clé API OpenAI

→ Si vous n'avez pas encore de compte OpenAI, rendez-vous sur platform.openai.com pour vous inscrire.

→ Une fois votre compte créé, récupérez votre clé API :

  1. connectez-vous à platform.openai.com

  2. ouvrez la section API keys dans le menu de gauche

  3. créez une nouvelle clé secrète

Quand vous configurez le modèle dans votre workflow, choisissez un modèle de chat actuel. GPT-4o est le choix par défaut pour du travail de classification comme celui-ci : rapide, peu coûteux par appel, et suffisamment précis pour que je n'aie jamais eu besoin de quelque chose de plus lourd pour trier des réponses. GPT-4.1 fonctionne aussi. Tout ce qui commence par text-davinci est mort, donc ne recopiez pas d'anciens blueprints à l'aveugle.

Un point à lire avant de créer une clé. Si tout ce que vous voulez, c'est de la flexibilité de modèle sans gérer votre propre clé API, la facturation et les limites de débit, le Smart messaging IA de lemlist vous permet désormais de choisir entre Claude, GPT et Perplexity directement dans le produit. Les variables IA tournent sur des crédits lemlist, ce qui supprime totalement la clé API externe de l'équation. Ne créez une clé que si vous avez spécifiquement besoin d'un modèle ou d'une structure de prompt qui vit en dehors de lemlist.

Étape 2 : Récupérez votre clé API lemlist

  1. Si vous n'avez pas encore de compte lemlist, rendez-vous sur lemlist.com et inscrivez-vous pour un essai gratuit

  2. Dans l'application lemlist, cliquez sur le menu déroulant Team settings

  3. Allez dans Integrations

  4. Dans la section API, cliquez sur le bouton Generate new key (si vous n'avez pas encore de clé API)

Conservez cette clé dans un endroit accessible. Vous la collerez dans plusieurs nœuds.

Étape 3 : Créez un compte n8n ou Make

Vous pouvez utiliser l'une de ces deux plateformes d'automatisation no-code pour continuer votre intégration :

→ Option 1 : si vous n'avez pas encore de compte n8n, démarrez un essai gratuit de 30 jours sur n8n.cloud

→ Option 2 : si vous n'avez pas encore de compte Make, démarrez votre essai gratuit sur make.com

J'utilise n8n quand je veux voir et modifier le prompt en texte brut, et Make quand je veux quelque chose qu'un collègue non technique pourra auditer plus tard. Les deux mènent au même résultat.

Étape 4 : Construisez votre workflow d'automatisation commerciale

Avant de toucher à l'un ou l'autre outil, ajoutez en favoris le guide développeur de lemlist sur les alertes Slack pour les réponses positives. C'est la version officiellement maintenue de ce même pattern : un petit agent IA basé sur OpenAI qui classifie la réponse d'un lead, chaîné au nœud trigger lemlist. Il est mis à jour quand l'API ou le nœud change. Les blueprints ci-dessous sont la version complète avec le CRM et la gestion des tâches en plus, et la terminologie correspond au guide développeur pour que vous puissiez passer de l'un à l'autre.

Option 1 : Construire le workflow d'automatisation dans n8n

  1. Connectez-vous à votre compte n8n et choisissez de créer un workflow vierge

  2. Rendez-vous sur ce lien et cliquez sur « copy the workflow »

  3. Collez le nouveau workflow dans votre workflow vierge

Votre workflow devrait maintenant ressembler à ceci :

4. Pour chaque nœud, vous devrez configurer vos identifiants.

Pour le nœud OpenAI :
→ Choisissez Header authentication
→ Name = Authorization
→ Value = Bearer YOUR_API_KEY

Configurez l'authentification lemlist :
→ créez un nouveau credential
→ collez votre clé API

P.S. Vous pouvez réutiliser le même processus d'authentification pour tous les nœuds lemlist sauf « lemlist – Mark as interested ». Pour celui-ci, choisissez « Predefined Credential Type » → Lemlist API → le même credential que vous avez créé.

5. Une fois tous les nœuds configurés, activez votre workflow.

Si vous voulez ajouter des données à votre CRM HubSpot automatiquement, vous pouvez le faire via n8n :

  1. Dans l'application HubSpot, allez dans Settings

  2. Sous Integration, choisissez de créer une application privée

  3. Autorisez les scopes suivants :

4. Après avoir créé l'application, copiez le token
5. Choisissez un App Token pour l'authentification
6. Créez un nouveau credential et collez votre token

Vous pouvez réutiliser le même processus d'authentification pour tous les nœuds HubSpot.

Option 2 : Construire le workflow d'automatisation dans Make

  1. Téléchargez le blueprint JSON ici

  2. Connectez-vous à l'application Make et cliquez sur Scenarios pour créer un nouveau scénario

  3. Choisissez « Import Blueprint »

4. Pour chaque module, vous devrez vous authentifier :

  • lemlist → ajoutez votre clé API

  • HubSpot → utilisez OAuth

  • OpenAI → ajoutez votre clé API

5. Enregistrez votre module et activez-le.

Un truc que je changerais dans le blueprint importé avant de l'activer : ouvrez le module OpenAI et vérifiez quel modèle il appelle. Les anciens blueprints pointent encore vers des endpoints GPT-3 retirés. Remplacez-le par votre modèle actuel, puis faites passer une seule réponse de test dans le scénario et lisez la classification avant de le lâcher sur des leads en production.

P.S. Vous pouvez construire la même intégration avec Slack, Pipedrive, Salesforce et plein d'autres apps. Ici toutes les options.

Pour conclure

Garder vos réponses de prospection organisées est essentiel pour gagner en efficacité et maintenir des données de campagne fiables.

Mais la vraie raison d'automatiser la classification des réponses, c'est la vitesse. Plus vite vos commerciaux répondent à un lead intéressé, plus leurs chances de le convertir augmentent, et le guide développeur de lemlist fixe l'objectif à deux minutes après une réponse positive pour alerter le commercial. Un humain qui consulte sa inbox deux fois par jour ne peut pas tenir ce rythme. Un agent IA qui lit chaque réponse à la seconde où elle arrive, si.

Commencez par l'option native, parce qu'elle ne vous coûte rien à activer et couvre « intéressé » vs « pas intéressé » dès le départ. Construisez la version n8n ou Make quand votre logique de routage dépasse les deux catégories. C'est tout ce qu'il y a à décider.

Si vous voulez voir ce que le reste de la plateforme propose avant de vous engager, lemlist affiche une note de 4,6 sur 5 sur G2, avec plus de 1 400 avis vérifiés. Et si vous voulez d'autres workflows comme celui-ci, rejoignez la communauté lemlist, où plus de 5 000 professionnels de la vente et de l'outbound partagent tips et workflows au quotidien.

Démarrez l'essai gratuit de 14 jours et laissez l'IA lire vos réponses à votre place.

Lancez vos campagnes outbound IA

Automatisez votre prospection et personnalisez vos séquences IA pour décrocher plus de rendez-vous.

Rémi Kokabi

Rémi Kokabi

Co-founder @GTM Club

Partager l'article