Compétences d’agent (Agent Skills)

 (agentskills.io)
35 points par GN⁺ 2026-02-04 | 6 commentaires | Partager sur WhatsApp
  • Les compétences d’agent sont un format ouvert destiné à ajouter de nouvelles fonctionnalités et une expertise spécialisée aux agents d’IA
  • Développé par Anthropic, puis publié comme standard ouvert, il est désormais adopté par divers produits d’agents
  • Une compétence prend la forme d’un dossier composé d’instructions, de scripts et de ressources, que l’agent peut explorer pour exécuter les tâches de manière plus précise et plus efficace
  • Elles prennent en charge l’expertise métier, l’extension vers de nouvelles fonctionnalités, les workflows reproductibles et l’interopérabilité
  • Les entreprises et les développeurs peuvent ainsi réutiliser les connaissances organisationnelles et automatiser leur déploiement

Vue d’ensemble

  • Agent Skills est un format simple et ouvert destiné à doter les agents de nouvelles capacités et d’une expertise spécialisée
  • Chaque compétence est constituée d’un dossier contenant des commandes, scripts et ressources, que l’agent peut charger pour améliorer la précision et l’efficacité de son travail

Pourquoi Agent Skills ?

  • Les agents deviennent de plus en plus puissants, mais ils souffrent encore d’un manque d’informations contextuelles pour exécuter des tâches réelles de façon fiable
  • Les compétences permettent de charger à la demande des connaissances procédurales ainsi que le contexte propre à une organisation, une équipe ou un utilisateur
  • Un agent doté de compétences peut étendre ses capacités selon la tâche à accomplir
  • Les créateurs de compétences peuvent déployer une fonctionnalité créée une fois sur plusieurs produits d’agents
  • Les agents compatibles permettent aux utilisateurs d’ajouter immédiatement de nouvelles fonctionnalités
  • Les équipes et entreprises peuvent conserver leurs connaissances sous forme de paquets portables versionnables

Ce que permet Agent Skills

  • Expertise métier : empaqueter des connaissances spécialisées, comme la revue juridique ou l’analyse de données, sous forme d’instructions réutilisables
  • Nouvelles fonctionnalités : ajout de capacités variées comme la création de présentations, la mise en place d’un serveur MCP ou l’analyse de jeux de données
  • Workflows reproductibles : transformer des tâches à plusieurs étapes en processus cohérents et auditables
  • Interopérabilité : réutiliser une même compétence dans plusieurs produits d’agents compatibles
Publicité

Adoption

  • Agent Skills est pris en charge par plusieurs outils de développement IA
  • Parmi eux figurent Factory.ai, Gemini CLI, Mux, Ampcode, Letta, Autohand.ai, Spring AI, Goose, Piebald.ai, OpenAI Codex, Cursor, Databricks, Mistral Vibe, Roocode, VS Code, Agentman.ai, Trae.ai, Commandcode.ai, Firebender, Opencode.ai, Claude.ai, entre autres

Développement ouvert

  • Le format Agent Skills a d’abord été développé par Anthropic, puis publié comme standard ouvert
  • Depuis, divers produits d’agents l’ont adopté, et il permet des contributions issues de l’ensemble de l’écosystème
  • Le dépôt GitHub permet de consulter le format et des exemples de compétences

Prise en main

À lire aussi

6 commentaires

 
cgl00 2026-02-04

Il existe un dépôt officiel d’Anthropic, alors pourquoi un tel projet est-il développé par un tiers ?
 
skageektp 2026-02-04

Agent Skills is an open format maintained by Anthropic and open to contributions from the community.

On dirait donc qu’Anthropic a créé le standard.
 
cgl00 2026-02-04

Ici aussi, c’est officiel… https://github.com/anthropics/skills J’imagine que c’est différent de ça ?
 
skageektp 2026-02-04

Oui, ce que vous avez envoyé, c’est l’implémentation
Ce qui est partagé dans le corps de l’article, c’est la spec

Un peu comme
la norme d’un truc comme Docker = OCI
Docker, podman = des runtimes de conteneurs qui implémentent OCI

(je peux me tromper)
 
cgl00 2026-02-04

Ah, donc c’est la spécification et l’implémentation.. merci.
 
GN⁺ 2026-02-04
Réactions sur Hacker News

  • Cette discussion part d’une question sur la nécessité d’une standardisation
    Je pense que l’essentiel d’une bonne documentation reste de la rendre « facile à lire pour les humains ». Je me demande s’il y a vraiment une raison d’imposer un nouveau format. Si le gain de productivité est réel, il devrait pouvoir être démontré par des études comparatives

    • Au-delà de ce que d’autres ont dit, la standardisation ouvre aussi des possibilités d’usage pour l’entraînement et le RL
    • Il y a effectivement eu une expérience comparative. Un employé de Hugging Face a fine-tuné le modèle Qwen3-0.6B avec codex + skills, et le score humaneval aurait progressé de +6. Le lien correspondant est ici, et le projet se trouve sur huggingface/upskill
    • Le système n’est pas une simple documentation : il construit un index de tous les skills et le transmet au LLM à chaque conversation. Ainsi, le LLM ne lit un skill que lorsqu’il en a besoin. C’est un concept proche de la découvrabilité des fonctionnalités dans une GUI. Personnellement, je trouve une structure centrée sur README plus intuitive
    • J’automatise mon travail avec Claude Code et j’ai relié chaque tâche à une commande slash. Au final, les skills me donnent l’impression de n’être qu’une autre forme de documentation. À long terme, je pense que le paradigme des skills disparaîtra avec l’extension de la context window et l’amélioration de l’intelligence des modèles
    • Mais avec les modèles actuels, Claude s’arrête après avoir lu la description du skill, donc l’économie de tokens est importante. Sur de gros dépôts, la différence est perceptible. Ce schéma mérite d’être plus largement diffusé

  • Notre équipe a obtenu de bons résultats en traitant les skills comme des fonctions réutilisables quasi déterministes
    Par exemple, le skill /create-new-endpoint inclut tout le boilerplate, comme la mise à jour d’OpenAPI ou l’ajout de tests d’intégration. En saisissant un numéro de ticket JIRA dans le CLI, le LLM termine le travail avec une qualité constante

    • Quelqu’un a demandé : « comment testez-vous la cohérence dans le temps ? »

  • Une proposition visait à standardiser la structure des dossiers

    .claude/skills
.codex/skills
.opencode/skills
.github/skills
    • Ce n’est pas un standard, mais la plupart des outils CLI scannent des fichiers .md pour les exécuter. Cela dit, il serait bien d’avoir une standardisation intégrée incluant aussi les plugins
    • Apparemment, Codex a commencé et OpenCode a suivi juste après. Tweet lié
    • La discussion se poursuit aussi dans agentskills/agentskills#15
    • Pour certains, « il est encore trop tôt, et standardiser maintenant pourrait limiter la créativité »
    • Une autre personne a soutenu qu’il vaudrait mieux suivre la spécification XDG base avec des chemins comme ~/.config/claude. L’approche actuelle en ~/.claude serait peu pratique

  • Une astuce consistait à créer un README.md dans chaque sous-dossier pour lier les skills associés. C’est aussi utile pour les humains. Article lié : Claude Skills Considered Harmful

    • Certains ont estimé que « les skills ne sont au fond que des README sur un sujet précis ». Il suffit de transformer en skill ce qu’il faut expliquer de manière répétée. Pas besoin de suivre un dossier standard, on peut simplement l’ajouter au contexte quand c’est nécessaire
    • Une autre personne a indiqué qu’utiliser un lanceur de commandes comme just pouvait aider à la fois les humains et les agents

  • Pour moi, traiter les skills comme des workflows explicites s’est révélé efficace
    Si on les définit comme une procédure complète du type « faire X, faire Y, valider Z », l’agent les perçoit comme un mode cohérent. À l’inverse, des consignes vagues ont tendance à être ignorées

    • Quelqu’un a dit avoir appliqué à Claude un système de hooks qui active automatiquement un skill dans certaines situations, par exemple quand il travaille sur des fichiers Python
    • Une autre personne a souligné que la différence entre skill et command reste floue. Si les deux finissent par être utilisés comme des commandes, faut-il vraiment les distinguer ?
    • Pour d’autres, cette structure ressemble à des notes Obsidian ou à une collection de commandes CLI
    • Quelqu’un d’autre a insisté sur le fait qu’il faut décrire très clairement les conditions d’activation d’un skill. Dans Claude Code, un appel explicite comme /foo est possible, et cette approche est préférée

  • Certains pensent que les skills permettent de documenter des connaissances implicites du domaine. On peut consigner des règles qui n’existaient que dans la tête des développeurs, puis les réutiliser pour l’entraînement des LLM

  • La question a été posée : « les agents n’utilisent-ils pas les skills tant qu’on ne les leur demande pas ? »

    • Plusieurs personnes rencontrent le même problème. Les modèles actuels ne sont pas entraînés en RLVR autour des skills, ce qui les rend hésitants. On s’attend à ce que la prochaine génération de modèles, comme Opus, utilise les skills de manière bien plus stable
    • Dans les évaluations de Vercel, le skill n’a pas été invoqué dans 56 % des cas. À la place, l’approche AGENTS.md s’est révélée plus efficace sur un périmètre plus large. Billet lié
    • Un utilisateur de Codex explique que cela fonctionne plutôt bien si l’on indique le répertoire de skills dans AGENTS.md. En revanche, plus il y a de skills, plus le risque de conflit augmente, donc mieux vaut rester simple
    • Une autre personne a dit n’avoir presque pas réussi à utiliser les skills, et que mettre directement leur contenu dans AGENTS.md était finalement plus fiable

  • Sur skills.sh, le troisième skill le plus populaire n’était qu’un simple lien de téléchargement de commande. Ces fichiers SKILLS.md/AGENTS.md/COMMANDS.md ne sont au fond qu’une collection de prompts, et peuvent être dangereux s’ils sont mal utilisés

    • Mais quelqu’un a répondu que, pour un outil, l’essentiel reste un usage responsable

  • Une personne qui développe un nouveau langage de programmation dit utiliser AGENTS.md et SKILLS pour aider les LLM à comprendre un langage sur lequel ils n’ont pas été entraînés. Selon elle, la standardisation a facilité l’intégration avec les outils

  • La vraie valeur ne réside pas dans le format, mais dans la divulgation progressive (progressive disclosure)
    Si l’on entasse toutes les instructions dans un seul document, on gaspille des tokens inutilement. Le pattern des skills permet de ne charger les détails qu’au moment nécessaire. La standardisation sert surtout à la distribution et à la réutilisation

    • À ce sujet, le développeur du projet MOOLLM explique avoir étendu l’idée avec le concept de Semantic Image Pyramid.
      GLANCE.yml → CARD.yml → SKILL.md → README.md applique un raffinement progressif.
      GLANCE sert, en 5 à 70 lignes, uniquement à juger « est-ce pertinent ? », CARD définit l’interface, SKILL décrit la procédure réelle, et README fournit l’explication destinée aux humains.
      Selon lui, INDEX.md atteint un taux de compression supérieur de plus de 80 % à INDEX.yml et fournit une structure narrative.
      Liens correspondants : INDEX.yml, INDEX.md
      Il mentionne aussi une structure sniffable-python qui permet de comprendre une API en ne lisant que les 50 premières lignes du code.
      Ressources associées : explication de Semantic Image Pyramid, sister-script, README sniffable-python, SKILL sniffable-python