Tutoriel : Créer un Chatbot WhatsApp avec n8n et Claude en 30 Minutes

Tutoriel : Créer un Chatbot WhatsApp avec n8n et Claude en 30 Minutes

Un assistant qui répond instantanément à vos clients sur la messagerie qu'ils utilisent déjà, sans coder une application native.

Construire un chatbot WhatsApp n8n est aujourd'hui à la portée de toute équipe technique : il suffit d'orchestrer trois briques — l'API WhatsApp Business de Meta, le moteur d'automatisation n8n 2.0 et le modèle de langage Claude d'Anthropic. WhatsApp revendique plus de 2 milliards d'utilisateurs actifs (chiffres communiqués par Meta), ce qui en fait l'un des canaux conversationnels les plus universels au monde. Dans ce tutoriel, vous allez assembler un chatbot capable de comprendre une demande en langage naturel, de se souvenir du fil de la conversation, d'escalader vers un humain quand c'est nécessaire, et de respecter les règles anti-ban de WhatsApp.

À la fin de ce guide, vous saurez : configurer le webhook entrant, parser correctement le format de message de Meta, brancher un agent IA Claude avec un system prompt professionnel, choisir la bonne stratégie de mémoire, gérer l'escalade humaine, et estimer les coûts. Le tout en restant dans une logique « low-code » que vous pourrez faire évoluer vers la production.

Pourquoi construire un chatbot WhatsApp avec n8n et Claude ?

Le couple n8n + Claude répond à un besoin business très concret : absorber les questions répétitives (horaires, suivi de commande, FAQ, qualification de leads) sans mobiliser un agent humain à chaque message. Quelques cas d'usage récurrents chez nos clients :

• Support client niveau 1 : le bot répond aux questions fréquentes 24h/24 et ne transfère que les cas complexes.
• Qualification de prospects : le chatbot pose les bonnes questions, récupère le besoin et le budget, puis crée une fiche dans le CRM.
• Prise de rendez-vous : vérification des créneaux, confirmation et rappel automatiques.
• Suivi logistique : réponses contextualisées à partir d'un numéro de commande.

Pourquoi n8n plutôt qu'un code « from scratch » ? Parce que n8n fournit déjà les connecteurs (WhatsApp, HTTP, bases de données), un nœud AI Agent natif, et une interface visuelle qui rend le workflow lisible et maintenable. Pour comprendre en profondeur ce nœud central, nous détaillons son fonctionnement dans notre guide complet sur n8n AI Agent et dans notre tutoriel n8n pas-à-pas 2026.

Quelle architecture pour un chatbot WhatsApp avec n8n et Claude ?

L'architecture reste volontairement simple : WhatsApp pousse les messages entrants vers n8n via un webhook, n8n confie le raisonnement à Claude (avec mémoire et outils), puis renvoie la réponse à WhatsApp.

WhatsApp Business API
      ↓ webhook
    n8n 2.0
      ├── Réception message
      ├── Agent IA (Claude)
      │   ├── Mémoire (Redis/Supabase)
      │   └── Outils (CRM, FAQ)
      └── Envoi réponse
      ↓
WhatsApp (utilisateur)

Architecture du chatbot WhatsApp : de la réception du webhook jusqu'à l'envoi de la réponse ou l'escalade vers le support humain

Chaque flèche correspond à un nœud n8n. Cette modularité est précieuse : vous pouvez ajouter un nœud « base de connaissances » (RAG) ou « création de ticket » sans tout réécrire.

Quels sont les prérequis et comment les obtenir ?

Avant de toucher à n8n, mettez en place ces quatre éléments.

n8n 2.0 : cloud ou auto-hébergé ?

• n8n Cloud : démarrage immédiat, pas de serveur à gérer, idéal pour valider le concept. Le webhook dispose d'une URL HTTPS publique prête à l'emploi.
• n8n auto-hébergé (Docker) : contrôle total, données chez vous, coût d'infrastructure maîtrisé. En local, pensez à exposer votre instance via un tunnel HTTPS (Meta exige une URL publique en HTTPS pour le webhook).

Pour un chatbot WhatsApp n8n destiné à la production avec des données sensibles, l'auto-hébergement est souvent préférable. Pour un premier test, le cloud va plus vite.

Compte WhatsApp Business API (Meta)

C'est l'étape la plus administrative. Vous aurez besoin d'un compte Meta Business, d'une application dans le tableau de bord Meta for Developers avec le produit WhatsApp activé, d'un numéro de téléphone dédié (non rattaché à l'app WhatsApp grand public), et d'un token d'accès. Meta fournit un numéro de test gratuit pour le développement, ce qui permet de tout valider avant de passer sur un numéro de production vérifié.

Clé API Anthropic (Claude)

Créez un compte sur la console Anthropic et générez une clé API. C'est cette clé que le nœud « Anthropic Chat Model » de n8n utilisera. La facturation se fait à l'usage (au token) ; gardez la clé secrète et stockez-la dans les credentials n8n, jamais en clair dans un nœud.

(Optionnel) Une mémoire persistante

Pour aller au-delà du prototype, prévoyez Redis ou une base Postgres/Supabase. n8n propose des nœuds de mémoire dédiés pour ces backends. Nous y revenons plus bas.

---

Comment se déroule un message, de bout en bout ?

Avant de configurer chaque nœud, visualisons le parcours complet d'un message. L'utilisateur écrit, Meta transmet le webhook, n8n parse puis interroge Claude (qui lit la mémoire), et la réponse repart vers WhatsApp.

Séquence détaillée : réception du webhook, parsing, lecture de la mémoire conversationnelle, génération par Claude et renvoi de la réponse via la Graph API

Cette vue en séquence aide à diagnostiquer les pannes : si rien ne s'affiche côté utilisateur, le problème est dans le dernier maillon (envoi via Graph API) ; si Claude répond hors contexte, regardez du côté de la mémoire et du Session ID.

Étape 1 : comment configurer le webhook WhatsApp dans n8n ?

Le webhook est la porte d'entrée. C'est lui que Meta appelle à chaque message reçu.

1. Créez un nouveau workflow n8n.
2. Ajoutez un nœud « Webhook » en méthode POST.
3. Copiez l'URL de production du webhook (HTTPS).
4. Dans la Meta Business Platform > WhatsApp > Configuration, collez cette URL et définissez un verify token (une chaîne secrète de votre choix).
5. Abonnez-vous aux événements messages et message_status.

Piège fréquent : Meta envoie d'abord une requête GET de vérification (avec hub.challenge) avant d'activer le webhook. Votre endpoint doit renvoyer ce challenge tel quel. En n8n, on gère cela soit avec un nœud Webhook configuré pour répondre, soit avec une branche conditionnelle dédiée à la vérification. Tant que cette poignée de main échoue, aucun message n'arrive.

Étape 2 : comment parser le message entrant ?

Le format de Meta est imbriqué. Un nœud Code isole les champs utiles. Voici un exemple commenté (exemple simplifié — adaptez la gestion des types non textuels) :

// Le corps brut envoyé par Meta arrive dans $input
const body = $input.first().json.body;

// Le message utile est profondément imbriqué : entry > changes > value > messages
const message = body.entry?.[0]?.changes?.[0]?.value?.messages?.[0];

// On renvoie un objet plat, plus simple à manipuler dans les nœuds suivants
return [{
  json: {
    from: message?.from,            // numéro de l'expéditeur (sert de Session ID)
    text: message?.text?.body,      // contenu texte du message
    type: message?.type,            // 'text', 'image', 'audio', etc.
    messageId: message?.id          // identifiant unique, utile pour l'idempotence
  }
}];

Bon réflexe : tous les webhooks ne contiennent pas de message (les message_status notifient les accusés de lecture/livraison). Filtrez en amont les requêtes où message est absent, sinon l'agent IA sera appelé pour rien — et facturé pour rien. Pensez aussi à gérer le cas type !== 'text' (image, audio, document) pour éviter d'envoyer un contenu vide à Claude.

Étape 3 : comment brancher l'agent IA Claude ?

C'est le cœur intelligent du chatbot.

1. Ajoutez un nœud « AI Agent ».
2. Connectez un « Anthropic Chat Model » et choisissez le modèle Claude adapté (un modèle rapide type Haiku pour le support simple, un modèle plus capable type Sonnet ou Opus pour le raisonnement complexe).
3. Renseignez votre clé Anthropic via les credentials n8n.
4. Branchez le texte parsé ({{ $json.text }}) en entrée de l'agent.

À quoi ressemble un bon system prompt pour le chatbot ?

Le system prompt est ce qui transforme un modèle générique en assistant de votre marque. Il fixe le rôle, le ton, les limites et la procédure d'escalade. Voici un exemple complet, à adapter :

Tu es l'assistant virtuel de [NOM_ENTREPRISE], joignable sur WhatsApp.

RÔLE
- Réponds aux questions des clients sur nos produits, horaires et commandes.
- Sois chaleureux, clair et concis (2 à 4 phrases maximum par message).

LIMITES
- Ne promets jamais de remise, de remboursement ou de délai que tu n'es pas
  certain de pouvoir tenir.
- Si tu n'as pas l'information, dis-le honnêtement et propose l'escalade.
- N'invente jamais de référence produit, de prix ou de politique.

ESCALADE
- Si le client demande un humain, est mécontent, ou si la demande sort de ton
  périmètre, termine ta réponse par le marqueur [ESCALADE_HUMAINE].

STYLE
- Tutoie ou vouvoie selon la langue du client.
- Pas d'emojis excessifs, pas de jargon technique inutile.

Le marqueur [ESCALADE_HUMAINE] est volontaire : il est facile à détecter dans un nœud suivant pour déclencher le handoff. C'est une convention simple et robuste.

Étape 4 : quelle mémoire conversationnelle choisir ?

Sans mémoire, le bot oublie tout à chaque message — impossible de tenir une conversation. n8n propose plusieurs options.

Window Buffer Memory : pour démarrer

1. Ajoutez un nœud « Window Buffer Memory ».
2. Session ID : le numéro WhatsApp ({{ $json.from }}), pour isoler chaque conversation.
3. Window Size : par exemple 10 messages glissants.

Cette mémoire garde les derniers échanges en mémoire vive. Simple et gratuite, mais volatile : un redémarrage de n8n efface tout, et l'historique n'est pas partagé entre plusieurs instances.

Redis ou Postgres/Supabase : pour la production

Quand le bot devient sérieux, passez à une mémoire persistante. n8n fournit des nœuds de mémoire pour Redis et pour Postgres (compatible Supabase).

Règle pratique : prototype → Window Buffer ; trafic réel et besoin de continuité → Redis pour la vitesse, Postgres/Supabase si vous voulez aussi interroger l'historique (analytics, conformité). Si vous hésitez sur le choix d'un backend de données pour vos agents, ce tutoriel sur la connexion de n8n à un serveur MCP montre comment étendre proprement les capacités de l'agent.

Étape 5 : comment renvoyer la réponse à l'utilisateur ?

Une fois la réponse de Claude générée, un nœud HTTP Request la renvoie à WhatsApp via la Graph API de Meta (exemple simplifié) :

{
  "method": "POST",
  "url": "https://graph.facebook.com/v18.0/PHONE_ID/messages",
  "headers": {
    "Authorization": "Bearer YOUR_TOKEN",
    "Content-Type": "application/json"
  },
  "body": {
    "messaging_product": "whatsapp",
    "to": "{{ $json.from }}",
    "type": "text",
    "text": { "body": "{{ $json.output }}" }
  }
}

Remplacez PHONE_ID par l'identifiant de votre numéro WhatsApp et YOUR_TOKEN par un token stocké dans les credentials (jamais en dur). La version de l'API (v18.0 ici) évolue : vérifiez la version courante dans la documentation Meta et adaptez l'URL.

Étape 6 : comment gérer l'escalade vers un humain ?

Un bon chatbot connaît ses limites. L'escalade évite la frustration et protège votre image de marque.

• Détection par marqueur : si la réponse de Claude contient [ESCALADE_HUMAINE], on bascule vers une notification à l'équipe.
• Détection par mots-clés : « parler à un humain », « réclamation », « remboursement », « avocat »… déclenchent l'escalade.
• Détection de sentiment : un message très négatif peut être routé en priorité (un nœud d'analyse de sentiment ou une simple instruction dans le system prompt suffit pour commencer).
• Handoff Slack : un nœud Slack notifie le canal support avec le numéro du client, son dernier message et un lien vers la conversation.

Diagramme de séquence : comment le chatbot détecte une demande de transfert et notifie l'équipe support via Slack

Bonne pratique : quand vous escaladez, prévenez l'utilisateur (« Je transfère votre demande à un conseiller, vous serez recontacté »). Et marquez la conversation comme « prise en charge humaine » pour que le bot ne réponde pas par-dessus l'agent.

Comment respecter les règles anti-ban de WhatsApp ?

WhatsApp protège ses utilisateurs contre le spam, et un envoi mal maîtrisé peut faire suspendre votre numéro. Trois facteurs sont documentés par Meta et doivent guider votre implémentation :

• La fenêtre de 24 heures : vous ne pouvez envoyer des messages « libres » que dans les 24 h qui suivent le dernier message du client. Au-delà, seuls les modèles de messages (templates) approuvés par Meta sont autorisés.
• L'opt-in obligatoire : vous devez avoir le consentement de l'utilisateur pour le contacter. Pas d'envois massifs à des numéros qui n'ont rien demandé.
• La qualité : Meta surveille le taux de blocage et de signalement de votre numéro. Un mauvais score de qualité peut réduire vos limites d'envoi, voire suspendre le numéro.

Côté implémentation, ajoutez des garde-fous : un léger délai entre messages pour rester naturel, un plafond raisonnable d'envois, et une logique qui n'envoie un message hors fenêtre 24 h que via un template. Ces réglages chiffrés (délai exact, cadence) dépendent de votre tier WhatsApp : référez-vous toujours à la politique et aux limites officielles de WhatsApp Business en vigueur plutôt qu'à des valeurs figées.

WhatsApp Business API
  Fenêtre 24h ouverte ? ── oui ──▶ message libre autorisé
            │
            └── non ──▶ template approuvé obligatoire

Combien coûte un chatbot WhatsApp avec n8n et Claude ?

Trois postes de coût se cumulent. Donnons des ordres de grandeur prudents (au moment de la rédaction, mi-2026) — les tarifs exacts changent souvent, vérifiez toujours les grilles officielles.

1. n8n : gratuit en auto-hébergé (hors coût serveur) ; abonnement mensuel en cloud selon le nombre d'exécutions.
2. Claude (Anthropic) : facturation au token (entrée + sortie). Les modèles les plus légers (gamme Haiku) coûtent nettement moins que les modèles haut de gamme (gamme Opus), la gamme Sonnet se situant entre les deux. Pour un chatbot de support aux messages courts, le coût par conversation reste généralement faible, mais il dépend directement de la longueur de l'historique injecté à chaque appel — d'où l'importance d'une fenêtre de mémoire maîtrisée.
3. WhatsApp Business (Meta) : Meta facture la messagerie professionnelle, avec un modèle qui a évolué (historiquement par conversation de 24 h, avec une bascule vers une facturation par message annoncée par Meta). Les tarifs varient selon le pays et la catégorie de message (utilitaire, marketing, service). Consultez la grille officielle Meta pour votre marché.

Le graphique ci-dessous illustre, à titre purement indicatif, comment se répartit un volume de conversations entre traitement automatique et escalade — une projection utile pour estimer la charge humaine résiduelle (les valeurs sont fictives et servent d'exemple).

Exemple illustratif de répartition de 1000 conversations : part automatisée par le bot, part escaladée vers un humain et part hors périmètre

Pour une estimation chiffrée adaptée à votre cas, nos articles dédiés détaillent la méthode : prix d'un chatbot IA sur-mesure en 2026 et comment chiffrer un devis de chatbot IA.

Comment tester le chatbot avant la mise en production ?

Ne déployez jamais directement sur votre numéro client. n8n et Meta offrent plusieurs filets de sécurité pour valider le workflow à froid.

• Le numéro de test Meta : il permet d'envoyer et de recevoir de vrais messages WhatsApp vers une liste de numéros autorisés, sans facturation de production. C'est l'environnement idéal pour vos premières conversations.
• L'exécution manuelle dans n8n : déclenchez le workflow nœud par nœud et inspectez la sortie de chacun. Vous voyez exactement ce que reçoit l'agent et ce qu'il renvoie.
• Le « pin » de données : n8n permet d'épingler la sortie d'un nœud (par exemple un faux webhook entrant) pour rejouer le workflow sans solliciter Meta à chaque test. Vous itérez sur le system prompt sans consommer de quota.
• Les jeux de tests conversationnels : préparez une dizaine de messages types (question simple, demande hors périmètre, client mécontent, message non textuel) et vérifiez que le bot réagit correctement, escalade inclus.

Un bon réflexe consiste à journaliser chaque échange (message entrant, réponse de Claude, décision d'escalade) dès la phase de test. Vous repérez ainsi les réponses faibles ou les hallucinations avant qu'un vrai client ne les rencontre. Pour aller plus loin sur la fiabilité des agents, notre tutoriel n8n pas-à-pas détaille les bonnes pratiques de validation.

Comment sécuriser et superviser le chatbot en production ?

Un chatbot WhatsApp manipule des données personnelles (numéros, contenus de conversation). Quelques garde-fous essentiels :

• Vérifier la signature des webhooks : Meta signe chaque requête entrante (en-tête X-Hub-Signature-256). Validez cette signature côté n8n pour rejeter les appels falsifiés. C'est une protection documentée par Meta contre les requêtes frauduleuses.
• Stocker les secrets dans les credentials : tokens WhatsApp, clé Anthropic, identifiants de base — tout passe par le gestionnaire de credentials de n8n, jamais en clair dans un nœud ou un commit.
• Limiter la rétention des données : ne conservez l'historique que le temps utile. Une mémoire Postgres/Supabase permet d'appliquer une politique d'expiration claire, utile pour la conformité (RGPD).
• Superviser la qualité : surveillez le taux d'escalade, le temps de réponse et le score de qualité du numéro côté Meta. Une dérive (hausse soudaine des escalades) signale souvent une régression du system prompt ou un nouveau type de demande non couvert.
• Prévoir un disjoncteur : un interrupteur global (variable d'environnement ou nœud de garde) pour couper le bot en cas d'incident, plutôt que de risquer des centaines de réponses erronées.

La sécurité d'un chatbot ne se résume pas au code : elle dépend aussi de la confiance accordée aux composants externes. Avant d'intégrer un workflow trouvé en ligne, gardez en tête les risques détaillés dans cet article sur la sécurité des templates.

Dépannage : les pannes les plus fréquentes

Même avec une architecture volontairement simple, quelques pièges récurrents font perdre du temps lors des premières mises en œuvre. Voici les sept erreurs les plus communes, diagnostiquées dans l'ordre — de la couche réseau jusqu'à la logique applicative — avec les vérifications à effectuer pour chacune.

Le webhook ne s'active pas. La poignée de main initiale avec Meta échoue si votre endpoint n8n ne renvoie pas le paramètre hub.challenge avec un statut HTTP 200 dans les quelques secondes imparties. Si n8n répond autre chose — ou ne répond pas — Meta considère l'URL invalide et n'achemine aucun message. Vérifiez dans l'ordre : l'URL est bien en HTTPS public (un tunnel ngrok ou similaire suffit en développement), le verify token saisi dans la console Meta correspond exactement à celui configuré dans n8n (sensible à la casse), et le nœud Webhook est en mode « Respond to Webhook ». Les logs d'exécution n8n affichent la requête GET entrante et confirment ce que votre nœud a renvoyé.

Aucune réponse ne parvient au client. Trois suspects principaux : le token WhatsApp temporaire a expiré (les tokens de développement Meta ont une durée de vie limitée à 24 heures), le PHONE_ID dans l'URL de la Graph API est incorrect, ou le message part hors de la fenêtre de 24 h sans utiliser un template approuvé. Dans ce dernier cas, Meta renvoie une erreur 131047 — lisez le corps de la réponse HTTP dans les logs du nœud HTTP Request pour identifier la cause exacte sans confondre les trois cas.

Claude répond hors contexte ou « redémarre » la conversation. Le coupable est presque toujours le Session ID. Si deux numéros différents partagent le même Session ID (une valeur statique codée en dur, par exemple), leurs historiques se mélangent. La valeur correcte est {{ $json.from }} — le numéro de l'expéditeur parsé à l'étape 2. Vérifiez également que la mémoire choisie (Window Buffer, Redis ou Postgres) est bien branchée en sous-nœud de l'AI Agent et non isolée ailleurs dans le workflow.

Réponses dupliquées chez le client. Meta peut réémettre un webhook si votre endpoint met trop longtemps à répondre et dépasse le timeout de livraison. La solution en deux temps : répondre immédiatement avec un statut 200 dès la réception du webhook (traitement asynchrone), puis exécuter la logique métier en arrière-plan. Pour les doublons résiduels, stockez chaque messageId traité (une clé Redis ou une table Postgres suffit) et ignorez les webhooks portant un ID déjà vu.

Les coûts Claude augmentent sans explication. L'agent est probablement appelé sur des requêtes message_status (accusés de lecture et de livraison) ou sur des messages non textuels (images, audio, documents) dont le champ texte est vide ou absent. Un nœud Switch en amont, filtrant sur la présence du tableau messages dans le payload et sur type === 'text', élimine ces appels inutiles et réduit la facture de façon significative sans toucher à la logique de l'agent.

Erreur 401 ou 403 côté Anthropic. La clé API est absente des credentials n8n, a été révoquée, ou le quota de crédits de votre compte est épuisé. Dans la console Anthropic, vérifiez l'état de la clé dans la section « API Keys » et le solde disponible dans « Billing ». Activez des alertes de budget pour éviter toute interruption silencieuse en production — une interruption que vous ne découvrez parfois qu'en lisant les retours clients.

Le bot répond dans la mauvaise langue. Sans instruction explicite, Claude peut choisir une langue différente de celle du message entrant, notamment si le system prompt est rédigé en anglais. Ajoutez une règle claire : « Réponds toujours dans la langue utilisée par le client ». Claude gère très bien le multilinguisme dès lors qu'on lui en donne l'instruction ; sans elle, il tend à reproduire la langue dominante du contexte système, ce qui crée une expérience déroutante pour l'utilisateur.

Avant de déployer un workflow trouvé sur internet, un mot de prudence sur la sécurité : pourquoi un template gratuit peut coûter très cher.

Conclusion : un chatbot WhatsApp prêt à évoluer

Vous disposez maintenant d'un chatbot WhatsApp n8n complet : webhook entrant, parsing robuste, agent Claude piloté par un system prompt clair, mémoire conversationnelle adaptée, escalade humaine et garde-fous anti-ban. La force de cette approche, c'est sa modularité : chaque brique est un nœud que vous pouvez améliorer indépendamment — ajouter une base de connaissances (RAG), connecter votre CRM, ou brancher des outils métier.

Commencez petit (numéro de test Meta, Window Buffer, modèle Claude léger), validez l'expérience sur quelques conversations, puis durcissez : mémoire persistante, templates approuvés, monitoring des coûts et de la qualité.

---

Vous voulez un chatbot WhatsApp professionnel, sécurisé et connecté à vos outils ? Chez BOVO Digital, nous concevons des chatbots sur-mesure avec IA conversationnelle, du prototype à la production. Réserver un appel 30 min · Offre chatbot IA · Contact.