Aucune compétence laissée pour compte : au cœur d'un système d'agents IA avec 200 capacités

La vidéo s'ouvre sur une affirmation audacieuse : plus de 200 compétences et des dizaines d'agents travaillant en permanence, avec des utilisateurs rapportant une semaine de travail réduite à une demi-heure. Tel que je le lis, l'objectif de la vidéo est moins de prouver cette affirmation que d'enseigner le mécanisme qui la sous-tend.

Le concept a été initié par Claude d'Anthropic, mais le présentateur souligne qu'il n'est pas exclusif à Claude : ChatGPT, Codex, Grokbot, Hermes et les modèles chinois convergent tous vers le même schéma. La promesse est de couvrir les compétences de bout en bout, afin qu'aucune question de configuration de base ne subsiste.

La réponse au « pourquoi des compétences » passe par un exemple de contenu LinkedIn : sans compétence, le modèle écrit quand même, mais de manière générique, ce qui coûte 5 à 10 prompts supplémentaires et une demi-heure. Avec une compétence qui connaît le résultat souhaité, la même tâche prend 2 à 5 minutes. La formule est explicite : vitesse plus qualité divisé par coût, avec un coût minimisé.

Trois concepts sont distingués : un prompt est une instruction instantanée, une compétence est un long fichier décrivant précisément comment un travail doit être réalisé, et un agent porte une identité et décide quelle compétence invoquer. Le flux d'exemple : l'utilisateur demande du contenu LinkedIn, l'agent LinkedIn répond, en appelant les compétences de rédaction de texte et de génération d'images.

L'anatomie d'un fichier de compétence est montrée en direct : objectif, quand l'utiliser, quand ne pas l'utiliser, et règles de qualité étape par étape. L'exemple LinkedIn fait référence à un fichier de marque avec des règles de couleurs, l'insertion du logo, un accroche dans la première ligne, l'interdiction des lettres avec circonflexe et des tirets longs, aucun chiffre sans source, et au maximum une phrase de vente à la fin.

La véritable structure de dossiers est ouverte dans VS Code : un dossier d'agent LinkedIn avec des compétences pour la connaissance de l'algorithme, l'analyse de performance, l'interaction avec les commentaires et la création de contenu. Le détail frappant est que la compétence a évolué à partir de l'analyse des contenus passés, avec une logique d'entonnoir servant différemment les audiences froide, tiède et chaude.

Des tactiques pratiques suivent : écrire les compétences en anglais économise environ 30 % de tokens, prolongeant davantage les limites d'abonnement de 5 heures et hebdomadaires. Télécharger une compétence toute prête est un bon début, mais la vraie étape est de faire adapter cette compétence par votre agent à votre secteur et à votre objectif — un résultat avancé sans connaître le code.

Un cadre à quatre niveaux place l'utilisation de compétences spécialisées au sommet. Le slogan est sans détour : les rédacteurs de prompts perdent du temps, les rédacteurs de compétences finissent le travail. La méthode comporte trois étapes : repérer les tâches répétitives, fusionner les prompts, et adopter l'architecture agent-fichier pour votre propre travail.

La conclusion énonce la mission : apprendre à pêcher plutôt que distribuer du poisson. L'histoire du présentateur complète le tableau : licencié il y a des années à cause de l'IA, puis ayant vendu son entreprise axée sur l'IA, il parle des deux côtés. La communauté gratuite et le programme d'agents pas à pas sont présentés comme les prolongements de cette mission.