Compétences des agents d'IA : guide complet de création

Qu'est-ce qu'une compétence d'agent d'IA ?

Une compétence d'agent (agent skill) is un ensemble d'instructions réutilisable — une procédure standardisée qui indique à un agent comment accomplir efficacement un type de tâche spécifique. Elle se compose d'un seul fichier Markdown, SKILL.md, et peut regrouper tous les autres fichiers requis par la tâche, tels que des documents de référence, des modèles ou des scripts exécutables.

Prenons l'exemple de la compétence grill-me :

---
name: grill-me
description: Interview the user relentlessly about a plan or design until reaching shared understanding, resolving each branch of the decision tree. Use when user wants to stress-test a plan, get grilled on their design, or mentions "grill me".
---

Interview me relentlessly about every aspect of this plan until we reach a shared understanding. Walk down each branch of the design tree, resolving dependencies between decisions one-by-one. For each question, provide your recommended answer.

Ask the questions one at a time.

If a question can be answered by exploring the codebase, explore the codebase instead.

Un fichier SKILL.md contient un court bloc de métadonnées et un corps d'instructions. Les métadonnées se composent du nom et de la description de la compétence, que l'agent d'IA charge au démarrage.

Comment fonctionnent les compétences d'agent d'IA : la divulgation progressive

Au départ, seuls le nom et la description de la compétence sont chargés dans le contexte. Lorsque la requête de l'utilisateur correspond à la description d'une compétence, le corps des instructions est chargé dans ce même contexte.

Voyons comment la compétence grill-me est utilisée.

Étape par étape

1. Requête (Request) — L'utilisateur demande quelque chose à l'agent ("interroge-moi sur la conception de mon workflow").
2. Invite de sélection (Selection prompt) — La requête de l'utilisateur, accompagnée des descriptions de toutes les compétences disponibles, est envoyée au LLM.
3. Sélection du LLM — Le LLM compare la requête à chaque description et renvoie la ou les compétences correspondantes.
4. Confirmation — L'agent présente la compétence proposée à l'utilisateur, qui confirme (ou rejette/ajuste) ce choix.
5. Instructions chargées — L'agent récupère les instructions complètes de la compétence confirmée : le corps du fichier SKILL.md.
6. Invite d'exécution (Execution prompt) — La requête de l'utilisateur ainsi que les instructions de la compétence sélectionnée sont envoyées au LLM.
7. Réponse — Le LLM produit le résultat, qui correspond à la première question de l'interrogatoire.

Utilisons maintenant excalidraw-diagram-skill pour illustrer l'utilisation d'une compétence accompagnée d'un document de référence :

Étape par étape

1. Requête (Request) — L'utilisateur demande quelque chose à l'agent ("dessine le workflow du processus de déploiement").
2. Invite de sélection — La requête de l'utilisateur, accompagnée des descriptions de toutes les compétences disponibles, est envoyée au LLM.
3. Sélection du LLM — Le LLM compare la requête à chaque description et renvoie la ou les compétences correspondantes. Ici, "dessine le workflow" correspond à la description de excalidraw-diagram, elle est donc sélectionnée.
4. Confirmation — L'agent présente la compétence proposée à l'utilisateur, qui confirme (ou rejette/ajuste) ce choix.
5. Instructions chargées — L'agent récupère les instructions complètes de la compétence confirmée : le corps du fichier SKILL.md et tous les fichiers référencés (pour excalidraw-diagram, cela inclut la palette de couleurs, le schéma JSON et les modèles d'éléments).
6. Invite d'exécution — La requête de l'utilisateur ainsi que les instructions de la compétence sélectionnée sont envoyées au LLM. Le modèle dispose désormais de la méthodologie détaillée requise.
7. Réponse — Le LLM produit le résultat (un fichier JSON .excalidraw), que l'agent renvoie à l'utilisateur.

Compétences d'agent d'IA vs. Outils et MCP

Les compétences ne remplacent pas les invites (prompts), les outils ou le protocole MCP (Model Context Protocol). Les outils et les intégrations MCP étendent la portée d'un agent vers des systèmes externes — interroger une base de données, appeler une API, etc. Les compétences renforcent le savoir-faire de l'agent pour mener à bien une tâche.

Un MCP tel que le Configuration de NetSuite MCP sur ChatGPT et Claude permet à un agent de répondre aux questions des utilisateurs en accédant aux données financières et opérationnelles en direct dans NetSuite. Ensuite, une compétence de rapport opérationnel NetSuite guidera l'agent sur la manière de rédiger ce rapport et de présenter la réponse sous forme de rapport à l'utilisateur.

Quelques cas d'usage des compétences :

• Workflows multi-étapes
• Traitement de documents, comme l'extraction de données à partir de fichiers PDF
• Normes de génération de code

Comment créer des compétences d'agent d'IA

1. Créez un dossier nommé d'après la compétence (par ex. netsuite-operation-report/).
2. Rédigez SKILL.md avec un name, une description précise et un corps d'instructions concis (moins de 200 mots).
3. Ajoutez les ressources nécessaires à la tâche — documents de référence, modèles, scripts. Gardez SKILL.md court et redirigez vers les détails.
4. Installez-la là où les agents pourront la découvrir. Reportez-vous à Centralisation des compétences pour les agents pour savoir comment gérer les compétences sur plusieurs agents.

Quelques conseils pour rédiger de bonnes compétences :

• Rédigez la description pour le déclencheur (trigger) du modèle, pas pour l'humain.
• Gardez le fichier SKILL.md léger — moins de 200 mots. Placez le cas général dans le corps et laissez les cas particuliers dans des documents de référence.
• Utilisez des scripts pour tout ce qui est déterministe. Ne demandez pas au LLM de faire de l'arithmétique.
• Versionnez-la. Enregistrez-la dans git.

Conclusion

Contrairement aux outils et au protocole MCP, qui définissent à quoi se connecter, les compétences d'agent regroupent la manière d'effectuer le travail. Elles constituent un complément essentiel, et non un remplacement.

En s'appuyant sur la divulgation progressive, les compétences maintiennent la fenêtre de contexte de votre agent propre et performante — en chargeant les instructions détaillées, les documents de référence et les scripts exécutables uniquement lorsque la requête d'un utilisateur les déclenche.