Claude Code Routines (et Managed Agents) vs n8n : automatisation déterministe ou agentique ?

Anthropic a lancé Claude Managed Agents le 9 avril 2026, puis les Routines de Claude Code le 14 avril. Deux produits qui font tourner un agent Claude dans le cloud, sur planning ou sur événement, sans serveur à gérer. Depuis, la même question revient chez nos clients : est-ce que ça remplace n8n ?

Non, et ce n’est pas le même outil. n8n exécute une séquence d’étapes que vous avez dessinée. Une Routine exécute une instruction en langage naturel et décide elle-même des étapes. La première approche est déterministe, la seconde est agentique.

Cet article compare les deux sur ce qui compte en production : contrôle, coût, limites, sécurité. Avec un cas réel de workflow n8n construit pour Legalstart, et l’endroit précis où un agent aurait sa place.

Informations vérifiées au 7 septembre 2026. Les Routines sont en research preview et Managed Agents en bêta publique : les quotas et les prix peuvent changer.

La réponse courte

Gardez n8n comme colonne vertébrale pour tout ce qui doit tourner à l’identique à chaque exécution : réception de documents, extraction, synchronisation entre outils, écriture en base. Vous voyez chaque étape, vous rejouez une exécution ratée, vous savez ce que ça coûte.

Utilisez une Routine Claude Code ou un Managed Agent pour les étapes qui demandent de lire, comprendre et trancher : trier des alertes, relire une pull request, rédiger un résumé hebdomadaire à partir de sources hétérogènes, traiter le cas ambigu qui fait échouer le workflow.

Et branchez le second sur le premier. n8n déclenche l’agent par API quand une étape a besoin de jugement, l’agent renvoie un résultat, n8n reprend la main. C’est l’architecture que nous recommandons en 2026.

Déterministe ou agentique : la différence qui compte

Un workflow n8n, c’est un graphe. Un déclencheur, des nœuds, des connexions. Chaque exécution suit le même chemin, avec les mêmes conditions. Si l’étape 4 échoue, vous le voyez à l’étape 4, avec l’entrée exacte qui a échoué. Même quand un nœud appelle un LLM, c’est vous qui avez décidé à quel moment le modèle intervient et ce qu’il a le droit de toucher.

Une Routine Claude Code, c’est un prompt, un ou plusieurs dépôts GitHub, des connecteurs MCP et un déclencheur. À chaque exécution, Claude lit le prompt et décide de la suite : quels fichiers ouvrir, quelles commandes lancer, quel outil appeler, quand s’arrêter. Le résultat peut varier d’une fois sur l’autre, parce que l’agent s’adapte à ce qu’il trouve.

La question à se poser n’est donc pas « lequel est le plus puissant ». C’est : qui doit décider des étapes, vous ou le modèle ? Pour un traitement de masse avec des règles connues, vous. Pour une tâche dont les règles ne s’écrivent pas à l’avance, le modèle.

n8n en 2026 : ce que vous achetez vraiment

n8n n’est plus le petit outil open source de 2021. Levée de 180 M$ en octobre 2025 (série C menée par Accel, valorisation 2,5 Md$), plus de 200 000 étoiles GitHub, et un positionnement assumé de « plateforme pour construire avec l’IA ».

Côté prix, le cloud n8n démarre à 20 € par mois en facturation annuelle pour 2 500 exécutions (Starter), 50 € pour 10 000 (Pro) et 667 € pour 40 000 (Business, avec SSO, environnements et option self-hosted). Une exécution est une passe complète du workflow, quel que soit le nombre d’étapes : c’est ce qui rend le coût prévisible. En self-hosted, la Community Edition est gratuite, sous licence Sustainable Use : usage interne et prestations pour vos clients autorisés, revente de n8n comme service hébergé interdite. Ce n’est pas de l’open source au sens strict, il faut le savoir avant de l’installer chez un client.

Côté IA, n8n propose un nœud AI Agent avec outils et mémoire, des nœuds MCP Server Trigger et MCP Client Tool, des Evaluations pour tester les sorties d’un modèle et des Data Tables. Autrement dit, n8n sait faire de l’agentique, mais dans un cadre que vous dessinez. Nous avons détaillé ce que MCP change pour connecter l’IA à vos outils métier dans un article dédié.

Ce qu’il faut assumer : un workflow n8n se maintient. Chaque cas d’usage est un nœud de plus, chaque changement d’API tierce peut casser un connecteur, et le self-hosted implique de suivre des mises à jour quasi hebdomadaires.

Claude Code Routines et Managed Agents : ce que c’est vraiment

Les Routines sont des tâches Claude Code configurées une fois (prompt, dépôts, connecteurs) et exécutées sur l’infrastructure d’Anthropic. Trois déclencheurs : un planning (au minimum toutes les heures), un endpoint API que vous appelez en POST avec un jeton, ou des événements GitHub (pull request, release). Elles tournent sans validation humaine : pas de mode permissions, pas de question posée en cours de route. Par défaut, les commits partent sur des branches préfixées claude/ et sous votre identité GitHub.

Les quotas dépendent de l’abonnement : 5 exécutions par jour en Pro, 15 en Max, 25 en Team et Enterprise, avec de l’usage supplémentaire facturé au-delà. Une Routine consomme votre quota Claude comme une session interactive. Chaque exécution repart de zéro, sans état conservé, et pendant la research preview une Routine appartient à un compte personnel, sans partage d’équipe.

Le même mécanisme existe pour les non-développeurs dans Claude Cowork, sous le nom de tâches planifiées : briefing quotidien, rapport hebdomadaire, veille concurrentielle.

Managed Agents, c’est l’étage au-dessus, pour les équipes qui construisent leur propre agent : un runtime hébergé avec sandbox, sessions longues, coordination multi-agents et traçabilité. La facturation combine le prix des tokens et 0,08 $ par heure de session active. Notion et Asana font partie des premiers clients cités par Anthropic.

Ce qu’il faut assumer : vous ne voyez pas un graphe, vous lisez une trace. Le coût dépend du raisonnement consommé, pas du nombre d’exécutions. Et l’agent agit avec les droits que vous lui avez donnés, sur des entrées que vous ne contrôlez pas toujours.

Tableau comparatif : n8n vs Routines vs Managed Agents

Cas réel : le workflow Kbis de Legalstart, et là où un agent aurait sa place

Pour Legalstart, nous avons construit sur n8n un workflow qui récupère les extraits Kbis reçus en PDF dans une boîte mail, les envoie à un service d’OCR, en extrait le SIREN, la dénomination et les autres champs utiles, puis stocke le PDF sur S3 et les données en base.

Pourquoi n8n et pas un agent : chaque étape est connue à l’avance et doit se faire à l’identique sur chaque document. Un Kbis mal lu par l’OCR, c’est une erreur à l’étape 3, visible, avec le fichier en cause, et un workflow d’erreur qui met le document de côté. Le coût est le même pour 50 ou 5 000 documents par mois. Et personne n’a envie qu’un agent improvise sur la façon d’écrire un SIREN en base.

Là où un agent aurait sa place : les documents mis de côté. Un scan de travers, un Kbis de plusieurs pages, un champ ambigu. Aujourd’hui, c’est un humain qui reprend. Une Routine déclenchée par n8n via son endpoint API, avec le PDF et le résultat OCR partiel en contexte, pourrait proposer une correction, l’expliquer, et la renvoyer au workflow pour validation. Le déterministe traite l’immense majorité des documents, l’agentique traite le reste, l’humain garde le dernier mot sur ce qui part en base.

C’est le schéma général : l’agent n’est pas le workflow, c’est une étape du workflow. Nous l’avions déjà constaté en construisant un agent Ops qui synchronise tickets, Slack, Notion et GitLab : le vrai travail est dans l’orchestration et les effets de bord, pas dans le modèle.

Quand choisir quoi

Les pièges des deux côtés

Côté Routines et agents, le sujet numéro un est la sécurité. Une Routine tourne sans validation, avec vos connecteurs Slack, GitHub ou Drive, et lit des entrées que vous ne contrôlez pas : une description de pull request, le texte envoyé à l’endpoint API. Une injection de prompt dans une PR externe peut orienter l’agent. Règles minimales : un compte dédié plutôt que votre identité personnelle, le strict nécessaire en connecteurs, et jamais de droits d’écriture en production sans validation en aval.

Deuxième piège : les quotas. 5 ou 15 exécutions par jour, ça se dépasse vite dès qu’on branche des événements GitHub, et les événements au-delà du plafond sont abandonnés, pas mis en file d’attente. Pour Managed Agents, une session qui boucle coûte des tokens et des heures.

Côté n8n, le piège classique est le workflow qui grossit jusqu’à devenir illisible, avec de la logique métier cachée dans des nœuds Code. Puis le self-hosted mal suivi : pas de sauvegarde, pas de mises à jour, des credentials en dur. Et le décompte des exécutions cloud : un déclencheur qui se lance toutes les minutes consomme plus de 43 000 exécutions par mois avant d’avoir fait quoi que ce soit d’utile.

Ce que nous recommandons chez Fenxi

Pour une PME ou une ETI qui automatise en 2026 :

• n8n comme colonne vertébrale, self-hosted si quelqu’un peut le maintenir, cloud sinon ;
• les étapes IA d’abord dans n8n (nœud AI Agent ou appel API vers Claude) tant qu’elles restent bornées : classer, extraire, résumer ;
• une Routine Claude Code ou une tâche Cowork pour les tâches récurrentes qui demandent du jugement et produisent un livrable lisible par un humain ;
• Managed Agents seulement si l’agent fait partie de votre produit ;
• un compte technique dédié pour les agents, des droits minimaux, une validation humaine avant toute écriture irréversible ;
• un journal des exécutions au même endroit, agent ou pas, pour savoir ce qui a tourné et ce que ça a coûté.

Conclusion

Le débat « n8n ou agents » est mal posé. La bonne question : à quel endroit de votre process avez-vous besoin de jugement, et à quel endroit avez-vous besoin que ça tourne exactement pareil mille fois ? Dessinez le second dans n8n. Confiez le premier à un agent, branché sur n8n, avec des droits limités. Vous aurez la prévisibilité d’un workflow et l’intelligence là où elle sert.

Vous automatisez avec n8n et vous vous demandez où mettre de l’IA ?

Décrivez-nous votre process. Nous pouvons auditer vos workflows, identifier les étapes qui justifient un agent, et construire l’architecture qui tient en production.