Anthropic fait don d'Agent Skills, une bibliothèque de compétences en IA a désormais un gestionnaire commun

Le 22 octobre 2026, Anthropic a annoncé avoir fait don d'Agent Skills à la fondation AAIF, une organisation d'intelligence artificielle sous la Linux Foundation. Ce transfert comprend le nom du projet, l'identifiant, l'organisation GitHub et le domaine officiel, et sera maintenu par des ingénieurs de plusieurs entreprises.

Agent Skills conserve les méthodes opérationnelles d'un type de travail sous forme de fichiers que l'IA peut lire lors de l'exécution des tâches. L'équipe a organisé les étapes, les modèles, les références et les scripts nécessaires en un paquet de compétences, et les outils d'exécution chargent le contenu pertinent selon la tâche. Les exigences de travail qui nécessitaient auparavant des explications répétées de la part de l'utilisateur sont désormais disponibles sous une forme pouvant être enregistrée, modifiée et rappelée.

Pour de nombreuses personnes qui utilisent déjà l'IA au travail, cela est facile à comprendre : le modèle peut déjà écrire beaucoup de choses, mais ce qui prend vraiment du temps, c'est souvent de corriger à plusieurs reprises ses méthodes. Où les fichiers doivent-ils être placés, quelle version peut être utilisée, quelles choses doivent être confirmées en premier, pourquoi la même erreur se reproduit-elle la fois suivante. Le paquet de compétences tente de conserver ces expériences concrètes, et ce don répond également à la question de savoir qui maintiendra ce format et comment différentes plateformes peuvent l'utiliser ensemble.

▌ I. Mettre les méthodes de travail dans un dossier

Imaginez une équipe de rédaction qui doit chaque semaine effectuer des recherches, rédiger des articles, choisir des images et réviser. L'équipe a déjà des habitudes de titres fixes, des tailles de police pour les graphiques, des méthodes de vérification des informations et un répertoire de livraison. Si chaque fois, ces exigences doivent être réécrites dans le dialogue, cela prend non seulement du temps, mais il est également facile d'en omettre une ou deux.

L'équipe peut les organiser en un paquet de compétences. Le paquet contient une explication indiquant à l'IA quand utiliser ce processus, quels matériaux lire en premier et dans quel ordre accomplir le travail ; à côté, il y a des modèles de mise en page, des listes de contrôle et des petits programmes pour traiter les fichiers. À l'avenir, lorsque la même tâche se présentera, l'IA pourra avancer selon les méthodes existantes.

Dans la norme d'Agent Skills, cette explication centrale s'appelle SKILL.md. Elle contient d'abord le nom de la compétence et une description de son utilisation, suivie de méthodes opérationnelles écrites en texte ordinaire. Si davantage de matériaux sont nécessaires, des fichiers de référence, des scripts et des ressources peuvent être sauvegardés séparément, puis référencés dans l'explication. Les rédacteurs peuvent comprendre le contenu du processus, et les développeurs peuvent également continuer à ajouter des parties de traitement automatique.

Cette organisation permet à l'équipe d'écrire clairement les expériences implicites. Par exemple, "les graphiques doivent être adaptés à la lecture sur mobile" reste relativement vague ; en le précisant en termes de taille minimale de police, de quantité d'informations par graphique, de dimensions d'aperçu et de méthodes de vérification, il devient plus facile d'obtenir des résultats cohérents lors de l'exécution. L'utilité du paquet de compétences dépend en grande partie de la capacité à organiser ces expériences en exigences opérationnelles.

Il devrait également y avoir des conditions de fin de tâche. Le processus de rédaction peut stipuler que le corps du texte atteigne une longueur convenue, que les sources soient traçables, que les images soient insérées et que l'aperçu soit terminé avant d'entrer en révision. L'IA peut ainsi vérifier si sa livraison est complète, et l'utilisateur peut également accepter selon les mêmes critères, réduisant l'écart entre "semble terminé" et "réellement utilisable".

L'équipe peut modifier le même paquet de compétences lorsqu'elle découvre de nouvelles erreurs au cours de l'utilisation. Lors de l'exécution la semaine suivante, la méthode améliorée sera toujours présente. Pour les affaires récurrentes, cette révision continue est plus efficace que de rappeler temporairement chaque fois.

Il est également possible d'accompagner les compétences d'un exemple déjà validé. Par exemple, un rapport bien formaté, avec des indications sur les positions respectives du corps du texte, des images et des fichiers sources. Lors de l'exécution par l'IA, il y a une référence concrète, et lors de l'examen humain, il est également possible de découvrir où les écarts de sortie se produisent. Les informations client et les faits périmés dans l'exemple doivent être traités à l'avance, ne conservant que les méthodes et structures réutilisables.

▌ II. Comment l'IA trouve les compétences appropriées

Avec l'augmentation du nombre de compétences, un autre problème se pose : soumettre toutes les explications au modèle pour chaque tâche consomme beaucoup de contexte et peut également permettre à des exigences non pertinentes d'interférer avec le travail actuel. Agent Skills adopte une approche de lecture hiérarchique, permettant d'abord à l'IA de voir le nom et l'utilisation des compétences, puis de charger l'explication complète après avoir fait correspondre la tâche, et de continuer à lire les fichiers pertinents si nécessaire.

Par exemple, si l'utilisateur demande simplement "organiser les commentaires de modification non résolus dans le contrat", l'IA peut d'abord identifier la compétence de révision de contrat sans avoir à lire simultanément toutes les règles pour faire une couverture, comptabiliser le trafic ou organiser des reçus. Lorsque le traitement réel du contrat a lieu, il ouvre le modèle et la liste des clauses correspondants selon l'explication.

Cette correspondance dépend de la clarté de la description d'utilisation. "Traiter des fichiers" couvre trop de domaines, tandis que "organiser les commentaires de révision des contrats existants et générer une liste à confirmer" est plus facile à déterminer pour le contexte d'utilisation. Pour les grandes équipes, le travail de maintenance de la bibliothèque de compétences inclut également la fusion des compétences en double, le nettoyage des étapes obsolètes et l'explication de la répartition des processus adjacents.

Les références doivent également être décomposées. Les exigences courantes sont placées dans l'explication principale, tandis que les lois, modèles clients ou documents techniques plus longs sont lus au besoin. Cela permet de réduire le temps que le modèle passe à chercher entre une grande quantité de matériaux et facilite la mise à jour d'une partie de contenu sans avoir à recopier l'ensemble du processus.

Lorsque le processus nécessite l'exécution de scripts, il faut également vérifier si l'environnement d'exécution dispose des outils nécessaires. Par exemple, une compétence exigeant de convertir un tableau en graphique nécessite toujours un programme de traitement de données, des polices et un emplacement de sortie disponibles pour l'exécution. Le paquet de compétences décrit la méthode, la plateforme est responsable de fournir les conditions d'exécution, et les deux doivent être correctement connectées avant utilisation.

Ainsi, la migration inter-plateformes est mieux testée à partir d'un petit groupe de tâches réelles. Une même compétence transférée à un autre outil d'IA peut voir son chemin de fichier, ses interfaces disponibles, ses méthodes d'approbation et ses formats de sortie changer. En enregistrant ces différences, l'équipe peut progressivement former une véritable bibliothèque de compétences réutilisables.

La lecture à la demande permet de gérer séparément les méthodes courantes et les références détaillées.

▌ III. Ce don change qui maintient les règles

Agent Skills provient à l'origine des pratiques de produits d'Anthropic, lancé en octobre 2025 et publié en tant que norme ouverte en décembre de la même année. L'annonce indique que plus de 70 plateformes d'agents prennent en charge ce format. Ce chiffre reflète la situation d'accès à l'écosystème annoncée par les fournisseurs, mais l'effet d'utilisation réelle doit encore être observé en fonction des tâches spécifiques.

Avec l'augmentation du nombre de participants, les modifications du format affecteront davantage d'équipes. Comment un champ est interprété, si la nouvelle version est compatible avec les anciennes compétences, si la plateforme peut ajouter ses propres extensions, tout cela peut affecter les flux de travail que les entreprises ont déjà accumulés. Après le transfert du projet à l'AAIF, ces questions ont obtenu une base organisationnelle pour une discussion et une maintenance communes.

L'arrangement annoncé par Anthropic est que des ingénieurs de plusieurs entreprises participent à la maintenance à titre personnel, avec David Soria Parra et Mahesh Murag comme principaux mainteneurs. L'utilisation de la norme ou la soumission de contributions ne nécessite pas de devenir membre de la fondation au préalable. Le projet a également proposé des orientations futures telles que la publication de versions, le processus de propositions formelles et les directives de sécurité.

Pour les utilisateurs d'entreprise, la gestion des versions est particulièrement importante. Une compétence confirmée par l'équipe devrait pouvoir indiquer de quelle version de norme, de modèle et d'outils elle dépend. En cas de problème après une mise à jour, il devrait également y avoir un moyen de revenir à la version qui fonctionnait normalement auparavant, plutôt que de s'appuyer sur des enregistrements de discussion pour reconstituer d'anciennes exigences.

Pour les développeurs de plateformes, la maintenance commune aide à réduire la conception répétée. Différentes plateformes peuvent fournir des outils de chargement, de validation et de gestion autour d'une même structure de fichier, puis continuer à améliorer leur expérience produit. Les documents de processus déjà existants dans les entreprises sont également plus faciles à conserver, et les coûts de migration se concentrent principalement sur l'adaptation de l'environnement et la validation des résultats.

L'effet de la gouvernance des normes se manifestera progressivement dans la maintenance quotidienne. Qui traite les problèmes, comment les changements sont discutés, comment les défauts de sécurité sont signalés, combien de temps les anciennes versions sont conservées, sont tous des éléments que les utilisateurs peuvent réellement ressentir. Au fur et à mesure que la feuille de route se concrétise, les entreprises peuvent ajuster la fréquence de mise à jour de leurs compétences internes et leurs méthodes d'approbation.

Illustration de génération d'IA

▌ IV. La connexion des outils et l'organisation des processus ont chacun leur rôle

En parlant d'infrastructures d'agents, un autre nom qui apparaît souvent est MCP, c'est-à-dire le protocole de contexte de modèle. Il aide les applications d'IA à se connecter à des outils externes et à des sources de données. Agent Skills est plus adapté pour conserver les étapes et les expériences de réalisation d'un certain type de travail, et les deux peuvent être utilisés ensemble dans une même tâche.

Prenons encore l'exemple du travail de rédaction, l'IA se connecte à des outils pour lire des articles dans la base de données, et grâce aux compétences, elle comprend quelles sources sont prioritaires, comment enregistrer les résultats de vérification et quand entrer dans l'écriture. Le premier fournit un contenu et des opérations accessibles, tandis que le second organise les méthodes d'exécution des tâches.

Cette division du travail s'applique également au service client. Les outils sont responsables de la vérification des commandes, de la lecture des états logistiques et de la création de tickets ; les explications des compétences indiquent d'abord quoi vérifier en cas de problèmes différents, comment juger le chemin de traitement et quelles demandes nécessitent une intervention humaine. Les entreprises peuvent mettre à jour séparément les interfaces système et les règles de service, sans que chaque ajustement de processus ne devienne un développement logiciel.

Dans le travail juridique, les compétences peuvent conserver l'ordre de révision des contrats, la classification des clauses et le format de sortie des opinions. Lors de l'exécution, il est toujours nécessaire de lire le contrat actuel, les lois applicables et les besoins des clients. L'équipe doit séparer les méthodes stables des faits qui changent à chaque fois pour éviter d'apporter les conclusions spécifiques du projet précédent dans de nouvelles affaires.

Cela concerne également la mise à jour des connaissances. Les dates d'application, les régions et les versions de documents doivent être conservées avec les références. Après un changement de politique, les mainteneurs peuvent remplacer les fichiers correspondants et vérifier quelles compétences les ont référencés. Pour les équipes de recherche réglementaire et de services juridiques, cela est plus facile à contrôler que de simplement accumuler une grande quantité de documents.

La bibliothèque de compétences a également une utilité organisationnelle : permettre aux nouveaux employés de voir comment les employés expérimentés accomplissent leur travail. De nombreux processus n'existaient auparavant que dans l'expérience personnelle, et lors de la passation, ils ne pouvaient être expliqués que verbalement. Le processus d'organisation des compétences incite l'équipe à écrire les étapes sujettes à erreurs, les exceptions et les méthodes d'acceptation, à la disposition de tous, y compris de l'IA.

MCP et Agent Skills peuvent collaborer dans la même tâche.

▌ V. Installer des compétences introduit également de nouvelles dépendances de travail

Un paquet de compétences peut contenir des explications ordinaires, mais aussi des scripts, des liens externes et des exigences pour appeler des outils. Une fois qu'il est sélectionné par l'IA, il peut influencer la lecture de fichiers, le transfert de données et les opérations réelles. Par conséquent, les entreprises doivent vérifier à la fois la source de contenu et les autorisations d'exécution lors de l'introduction de compétences externes.

Une compétence apparemment destinée à organiser des factures peut exiger l'accès à l'ensemble du répertoire de documents ; un script destiné à générer des rapports peut se connecter à un serveur externe. Les vérificateurs doivent comprendre la relation entre ces accès et les tâches, s'il est possible de réduire la portée, et où les enregistrements d'exécution sont conservés. Limiter les autorisations aux fichiers et outils réellement nécessaires peut réduire l'impact des erreurs d'opération.

OWASP aborde la question de la modification du comportement des modèles par du contenu externe dans ses recommandations sur les risques d'injection de prompts. Lorsque l'IA lit des pages web, des documents ou d'autres matériaux, elle peut rencontrer des instructions d'opération intégrées. Si ces contenus sont exécutés comme des exigences de confiance, le modèle peut s'écarter de la tâche initialement assignée par l'utilisateur.

L'utilisation des compétences peut également rencontrer ce type de problème. L'équipe doit vérifier la compétence elle-même et s'assurer que l'environnement d'exécution distingue les exigences de travail des documents externes. Des opérations telles que les paiements, l'envoi d'e-mails et la modification des systèmes de production doivent être soumises à une révision manuelle appropriée, tandis que les droits d'accès aux fichiers et au réseau doivent être contrôlés par le système d'exécution réel, afin d'éviter de s'appuyer uniquement sur un texte pour maintenir les frontières.

Le champ allowed-tools dans la norme actuelle est toujours marqué comme expérimental, et son mode de support dépend de la plateforme spécifique. Par conséquent, les entreprises peuvent énumérer les outils nécessaires dans la description des compétences, tout en vérifiant la portée réelle des autorisations dans les paramètres de la plateforme. Lors des tests, il est conseillé d'observer les journaux d'appel des outils pour confirmer que le processus d'exécution est conforme à la conception.

Lors de l'introduction de compétences externes, il est également nécessaire de vérifier séparément les licences d'utilisation. La norme permet aux auteurs de remplir le champ license ou de pointer vers un fichier de licence, mais ce champ n'est pas obligatoire. L'équipe doit confirmer comment le code, les modèles et les documents inclus peuvent être utilisés, en conservant les licences et les versions correspondantes ; pour les parties manquant d'explications de licence, il convient de contacter l'auteur pour confirmation avant de les intégrer dans le processus interne.

Les mises à jour des compétences externes doivent également être enregistrées. L'équipe peut d'abord utiliser une version déjà vérifiée, puis évaluer régulièrement le contenu des mises à jour. Si une compétence ajoute soudainement des actions en ligne, dépend d'un nouveau programme ou exige des autorisations plus élevées, le mainteneur aura l'occasion de comprendre les changements avant le déploiement, sans avoir à enquêter après l'apparition d'anomalies.

Pour les institutions ayant de nombreux dossiers clients, il est également nécessaire de vérifier si les modèles et exemples dans les compétences contiennent des informations confidentielles. Lors de la mise en forme des expériences internes en compétences publiques, les noms de clients spécifiques, les extraits de contrats et les informations d'identité doivent être traités. Les processus publics et les documents internes peuvent être conservés séparément, réduisant ainsi le risque de transmission accidentelle de l'ensemble du dossier de projet.

▌ VI. Les entreprises peuvent d'abord organiser une tâche récurrente

La création d'une bibliothèque de compétences peut commencer par des tâches fréquentes, clairement définies et facilement vérifiables. Par exemple, organiser des rapports hebdomadaires, archiver des commentaires sur des contrats, générer des listes de tâches pour des réunions, ou préparer des paquets de révision d'articles selon un format fixe. L'équipe doit d'abord clarifier les pratiques existantes, puis laisser l'IA exécuter plusieurs cycles, ce qui est généralement plus facile pour identifier les problèmes que de viser une couverture complète de toutes les activités dès le départ.

Lors de la préparation des matériaux, il est possible de remonter à la dernière livraison réussie. Quelles étaient les entrées, quelles informations le personnel a-t-il consultées, quelles étapes ont été complétées, et comment a-t-on finalement jugé que le résultat était livrable ? Une fois le processus réel clarifié, il convient d'ajouter les méthodes de traitement en cas d'erreur, ce qui donnera un point de départ fiable à la compétence.

Les matériaux de test doivent également inclure des exceptions courantes. Les pages de contrat manquantes, les liens sources inactifs, les incohérences dans les champs de formulaire, et les images sans enregistrement d'autorisation peuvent directement affecter la livraison. L'équipe doit observer si l'IA peut identifier les lacunes, conserver les résultats existants et indiquer les prochaines étapes, plutôt que de continuer à générer un document apparemment complet en cas de conditions insuffisantes.

L'évaluation peut se concentrer sur la charge de travail réelle : combien de compléments manuels sont nécessaires pour accomplir la même tâche, quelles erreurs se répètent, si les documents livrés sont complets, et si les modifications peuvent améliorer la stabilité. En conservant un petit nombre de tâches représentatives et de résultats, il est possible de réexécuter après une mise à jour de la compétence ou du modèle, pour déterminer si la nouvelle combinaison est toujours adaptée aux activités.

Les responsabilités de maintenance doivent également être clairement définies. Qui peut modifier les étapes, qui vérifie les bases légales ou commerciales, et qui décide quand une nouvelle version est mise en service doivent tous être organisés de manière fixe. Pour les compétences impliquant plusieurs départements, il est possible de conserver un enregistrement de révision commune ; pour les compétences utilisées uniquement pour l'organisation personnelle, une méthode de gestion plus légère peut être adoptée.

L'équipe peut également convenir d'un format simple pour les enregistrements de modifications : quels problèmes sont apparus lors de ce cycle, quelle étape a été modifiée, et quelle tâche a été utilisée pour valider. Ainsi, la raison derrière une nouvelle exigence peut être comprise par la personne qui prendra le relais plus tard. Les contenus qui n'ont pas été utilisés depuis longtemps, qui se chevauchent avec d'autres compétences ou qui dépendent d'outils déjà désactivés peuvent également être nettoyés lors des vérifications régulières, évitant ainsi que la bibliothèque de compétences ne s'accumule de plus en plus, rendant l'exécution de plus en plus lente.

Lorsque la même compétence sert plusieurs clients, les étapes générales et les préférences des clients doivent être conservées séparément. La partie générale définit comment vérifier et livrer, tandis que la partie client enregistre les noms, formats et exigences d'approbation spécifiques. Lors du démarrage d'un nouveau projet, seules les informations pertinentes au client doivent être chargées, et lors de la mise à jour des processus publics, il convient de vérifier leur impact sur les projets existants. Cette organisation aide à maintenir la cohérence des méthodes et réduit le risque d'utilisation incorrecte des informations d'un autre client.

Après un cycle de tests réussi, le mainteneur peut enregistrer la version de la compétence, la version du modèle, les exemples d'acceptation et les limitations connues. Lors de la prochaine mise à jour du modèle ou de l'outil, il est conseillé de relancer ce groupe d'exemples : les documents sont-ils complets, les autorisations sont-elles appropriées, les étapes de vérification clés sont-elles exécutées ? En cas de différences, il sera possible d'identifier les éléments à ajuster, et le travail quotidien aura une version stable à laquelle revenir.

La maintenance des compétences peut utiliser un petit nombre de tâches réelles pour valider continuellement l'efficacité.

Cet article est uniquement destiné à des échanges de recherche juridique, politique et sectorielle, visant à analyser objectivement les dynamiques de la finance numérique, des stablecoins, des actifs numériques et de la réglementation connexe. Il ne constitue pas une forme quelconque de conseil en investissement, d'avis juridique, d'avis fiscal ou d'autres conseils professionnels, et ne constitue pas une recommandation, une promotion ou une sollicitation de produits financiers, d'actifs numériques ou de projets commerciaux. Les règles de réglementation, les données de marché et les informations sur les institutions mentionnées dans le texte proviennent principalement de sources publiques et peuvent être ajustées en raison de changements dans les lois, réglementations, politiques de régulation, environnement de marché et progrès des projets. Les lecteurs doivent juger de manière indépendante en tenant compte des dernières informations publiques et respecter les lois et règlements applicables dans leur pays ou région. L'auteur et la plateforme de publication ne sont pas responsables des décisions d'investissement, de transaction ou d'autres décisions commerciales prises en se basant sur le contenu de cet article.