Agents IA, MCP et skills : le guide 2026 sans jargon

Un agent IA est un modèle à qui l'on a donné une tâche, des outils, et le droit d'enchaîner plusieurs étapes tout seul jusqu'à ce que le travail soit fini. La différence avec un chatbot n'est pas l'intelligence, c'est l'autonomie : vous ne demandez plus une réponse, vous demandez un résultat. Et vous n'avez besoin d'aucune ligne de code pour en construire un.

2026 est l'année où le mot « agent » est devenu inutilisable. Tout le monde en vend un. Votre outil de facturation a un agent. Votre CRM a un agent. Votre application de notes a un agent, ce qui devrait au moins soulever une question.

Derrière le bruit, il y a une idée simple, deux briques techniques qu'il faut comprendre, et une confusion qui coûte cher à ceux qui ne l'ont pas repérée. Cet article règle les trois. Sans terminal, sans ligne de commande, et sans supposer que vous êtes développeur.

Qu'est-ce qu'un agent IA ?

Un agent IA est un système où le modèle décide lui-même de la suite des actions à mener pour atteindre un objectif, au lieu de répondre à une question puis de s'arrêter. On lui donne un but, un accès à des outils, et il boucle : il agit, il observe le résultat, il décide de l'étape suivante, jusqu'à ce qu'il estime avoir terminé.

La distinction tient en un mot : la boucle.

Un chatbot fait un aller-retour. Vous demandez, il répond, c'est fini. Un agent fait vingt allers-retours avec lui-même pendant que vous allez chercher un café. Il lit un fichier, se rend compte qu'il lui en faut un autre, le lit, se trompe, corrige, réessaie, et vous rend le résultat. Personne ne lui a dit dans quel ordre faire tout ça.

C'est aussi ce qui rend la chose inconfortable. Un chatbot qui se trompe vous rend une mauvaise réponse. Un agent qui se trompe enchaîne quatorze actions sur la base de son erreur, et vous ne le découvrez qu'à la fin. La capacité et le risque montent ensemble, et personne ne met ça sur la page produit.

Chatbot, assistant, agent : la différence en une phrase

Ces trois mots sont utilisés comme des synonymes dans le marketing et ils ne le sont pas du tout. La différence porte sur deux points : qui décide de la prochaine étape, et le modèle peut-il agir sur le monde extérieur ou seulement produire du texte.

	Qui décide de l'étape suivante	Peut agir hors du chat	Vous devez surveiller
Chatbot	Vous, à chaque message	Non	Rien, il ne fait rien
Assistant	Vous, mais il garde le contexte	Rarement	La qualité des réponses
Agent	Lui, en boucle	Oui, via des outils	Ce qu'il a le droit de toucher

La colonne de droite est celle qu'on regarde en dernier et c'est la seule qui compte vraiment. Un agent utile est un agent qui a le droit de faire des choses. Un agent qui a le droit de faire des choses est un agent qui peut faire des dégâts. Il n'existe pas de version de cette technologie où vous obtenez le premier sans le second.

Ce qui a changé en 2026

La bascule ne vient pas d'un modèle plus intelligent. Elle vient du fait que les modèles ont enfin reçu des mains.

OpenAI a sorti GPT-5.4 en mars, avec l'usage natif de l'ordinateur : le modèle voit votre écran, clique, remplit des formulaires. Google a présenté Gemini 3.5 et Gemini Omni à I/O en mai, en assumant le terme d'ère agentique, avec des modèles conçus pour exécuter des enchaînements d'actions dans vos applications. Anthropic a livré le rechargement à chaud des skills en janvier, les Agent Teams en février, où plusieurs modèles spécialisés travaillent comme des pairs plutôt qu'en rendant compte à un chef, puis les Managed Agents en mai, un environnement d'exécution dans le cloud.

Et le Model Context Protocol, qu'Anthropic a versé à l'Agentic AI Foundation, a passé les 97 millions d'installations en mars. C'est le chiffre le plus révélateur de la liste, parce qu'il ne mesure pas une capacité, il mesure une plomberie qui s'est standardisée.

Voilà le vrai sujet de 2026. Ce ne sont pas les modèles qui ont changé, c'est ce qu'on leur a branché autour. Et une fois qu'on comprend qu'il n'y a que deux types de branchements, tout le reste devient lisible.

MCP, expliqué sans jargon

Le Model Context Protocol est une prise standard qui permet à une IA de se connecter à un système extérieur : votre agenda, votre boîte mail, votre base de données, votre boutique. Avant MCP, chaque connexion devait être construite sur mesure. Depuis MCP, un serveur écrit une fois fonctionne avec tous les modèles compatibles.

L'analogie qui marche : c'est l'USB de l'IA. Vous ne vous demandez pas si votre clé USB fonctionnera avec cet ordinateur, parce que le connecteur est le même partout. MCP fait la même chose entre un modèle et un outil.

Ce que MCP donne au modèle, c'est l'accès. Rien d'autre. Un serveur MCP branché sur votre agenda lui permet de lire vos rendez-vous et d'en créer. Il ne lui apprend pas comment organiser votre semaine. Il ne lui apprend pas votre façon de refuser une réunion. Il ouvre une porte, il ne dit rien sur ce qu'il faut faire une fois entré.

Retenez ce mot : accès. Il va servir dans deux paragraphes.

Les skills, expliqués sans jargon

Un skill, ou compétence, est un fichier texte qui explique au modèle comment exécuter une tâche précise, plus une description qui lui dit quand s'en servir. Le fichier s'appelle SKILL.md. Vous le déposez une fois, il se déclenche tout seul chaque fois que la tâche correspondante se présente, et vous n'avez jamais à le mentionner.

L'image que je trouve la plus juste : c'est le classeur de procédures qu'on tend à un nouveau collègue le premier jour. La première page dit à quoi sert ce classeur. Les pages suivantes donnent les étapes. Le reste, ce sont des annexes qu'il ne consultera que si les étapes lui disent d'y aller.

Votre IA le lit exactement comme ça. Et c'est pour cette raison qu'un skill peut contenir un manuel de deux cents pages et ne vous coûter presque rien tant que la page 47 n'est pas nécessaire.

Un skill complet ressemble à ceci. Il n'y a pas de seconde moitié cachée.

---
name: debrief-appel-client
description: Transforme mes notes brutes d apres un appel client en compte rendu structure. A utiliser quand je colle des notes de reunion, un verbatim, ou une liste de points evoques pendant un appel, et que je demande un debrief, un compte rendu ou un resume.
---

# Debrief d appel client

## Etapes
1. Commencer par la seule question qui compte : est-ce que cette affaire est reelle. Repondre franchement.
2. Trois sections maximum : Ce qui a ete dit, Ce qui n a pas ete dit, Prochaine action.
3. Sous Ce qui n a pas ete dit, signaler les objections polies qui cachaient un refus.
4. Nommer la personne responsable de chaque prochaine action, avec une date.
5. Ne jamais depasser 300 mots.

## Ton
Direct. Aucun optimisme de complaisance.
Si le client a evite une question de prix, le dire.

Ce que le skill donne au modèle, c'est le savoir-faire. Pas l'accès. Il ne peut pas lire votre agenda. Il sait quoi faire d'une information, il ne sait pas aller la chercher.

La règle qui évite la plupart des erreurs

Un skill enseigne un savoir-faire. MCP donne un accès. C'est toute la distinction, et c'est celle que presque tout le monde rate.

Les conséquences sont concrètes. Les gens branchent un serveur MCP en pensant régler un problème de qualité, puis s'étonnent que le modèle continue à faire la tâche n'importe comment. C'est logique : ils lui ont donné une clé alors qu'il lui manquait le mode d'emploi.

Le diagnostic tient en deux questions.

Le modèle fait la tâche, mais mal ou différemment à chaque fois ? C'est un problème de skill. Il ne sait pas comment vous voulez que ce soit fait.

Le modèle ne peut pas voir la donnée dont il a besoin ? C'est un problème de MCP. Il sait quoi faire, il n'a pas accès.

Les deux ne sont pas interchangeables et les empiler au hasard produit un poste de travail encombré où le contexte est saturé de définitions d'outils que le modèle n'utilise jamais. J'ai décomposé cinq installations réelles, brique par brique, dans cet article sur les workflows de couche 3, si vous voulez voir à quoi ressemble un assemblage propre.

Pourquoi votre agent devient bête au bout d'un moment

Vous l'avez sans doute déjà observé. L'agent démarre bien, puis vers l'étape neuf il se met à relire des fichiers qu'il a déjà lus, à répéter des actions déjà faites, et à annoncer fièrement des progrès sur du travail qu'il avait terminé vingt minutes plus tôt.

Ce n'est pas un bug. C'est un effet mesuré, et il porte un nom.

La performance d'un modèle se dégrade à mesure que sa fenêtre de contexte se remplit. Un rapport technique de Chroma, Context Rot, a testé 18 modèles et n'en a trouvé aucun qui maintienne des performances constantes quand la longueur de l'entrée augmente. Databricks Mosaic Research a mesuré que 11 modèles de pointe sur 12 passent sous les 50 % de justesse en raisonnement au-delà d'environ 32 000 tokens. Trente-deux mille. Pas un million.

Un agent est précisément la machine à remplir un contexte. Chaque fichier lu, chaque appel d'outil, chaque résultat intermédiaire s'empile. Il peut brûler 100 000 tokens avant d'avoir vraiment réfléchi, et personne ne regarde la jauge. L'agent qui tourne en rond à l'étape neuf est un agent qui a cessé de raisonner et qui s'est mis à imiter son propre historique.

C'est le sujet de fond de l'article sur le context rot, et c'est aussi la raison pour laquelle les skills existent sous la forme qu'ils ont.

La divulgation progressive, ou pourquoi les skills ne coûtent rien

Un skill se charge en trois temps, décrits dans la documentation Agent Skills d'Anthropic. Seul le premier occupe la mémoire en permanence.

• Étage un, toujours présent. Le nom du skill et sa description en une ligne. Environ 100 tokens. Le modèle les parcourt pour décider ce qui est pertinent.
• Étage deux, au déclenchement. Le corps du fichier SKILL.md, un à deux mille tokens en général. Il n'entre en contexte que si le modèle fait le lien entre votre demande et la description.
• Étage trois, à la demande. Les fichiers de référence, gabarits et exemples rangés dans le dossier. Chargés uniquement si les instructions y renvoient.

L'arithmétique porte l'argument. Vingt skills installés vous coûtent environ 2 000 tokens au repos. Vingt jeux d'instructions collés dans le chat en coûteraient 40 000 et dégraderaient activement le modèle.

Ce n'est pas que les skills soient plus intelligents que les prompts. C'est qu'ils sont absents jusqu'à ce qu'on ait besoin d'eux, et l'absence est la ressource la plus rare dans une fenêtre de contexte.

Installer un skill sans terminal

Toute la documentation officielle vous montre un terminal, un dossier caché et une commande à taper. Rien de tout cela n'est nécessaire.

Dans Claude, sur le navigateur ou l'application de bureau : Paramètres, puis Fonctionnalités, activez l'exécution de code et la création de fichiers. Puis Paramètres, Personnaliser, Skills, Importer. Vous déposez un zip. Il apparaît dans la liste. Vous l'activez. C'est fini.

Deux détails qui font perdre du temps à tout le monde.

Compressez le dossier, pas le fichier. Le zip doit contenir un dossier qui contient SKILL.md, pas un SKILL.md posé seul à la racine. C'est la première cause d'échec à l'import, et le message d'erreur ne vous mettra pas sur la piste.

Il faut un abonnement payant. Les skills personnalisés demandent Pro, Max, Team ou Enterprise, parce qu'ils tournent dans un environnement d'exécution de code. Sur l'offre gratuite, vous profitez des skills intégrés, mais vous ne pouvez pas importer les vôtres.

À noter au passage : les skills intégrés tournent déjà, que vous l'ayez remarqué ou non. Quand le modèle vous produit un PowerPoint ou un tableur, c'est un skill qui travaille. Vous les utilisez depuis des mois.

Écrire votre premier skill en vingt minutes

Prenez la tâche que vous réexpliquez le plus souvent à une IA. Écrivez les étapes comme si vous briefiez un collègue compétent. Ajoutez une description qui dit précisément quand le skill doit se déclencher. Enregistrez en SKILL.md, compressez le dossier, importez. La plupart des gens ont fini en moins d'une demi-heure, et le premier est toujours le plus difficile.

La description est tout le jeu

S'il ne fallait retenir qu'une chose de cet article, ce serait celle-ci. La description est la seule partie du skill qui reste chargée en permanence, et c'est la seule information dont le modèle dispose pour décider s'il doit se déclencher. Tout le reste en découle.

Une description vague veut dire que votre skill ne s'activera jamais. Vous en conclurez qu'il est cassé. Il n'est pas cassé. Le modèle n'a simplement jamais vu de raison de l'ouvrir.

Mauvais : description : Aide à la rédaction.

Bon : description : Réécrit un brouillon dans ma voix. À utiliser quand je colle un texte et que je demande de réécrire, corriger, resserrer ou de faire en sorte que ça sonne comme moi. Vaut aussi pour les posts LinkedIn et les e-mails clients.

Regardez ce que fait la bonne version. Elle nomme les mots exacts qu'une vraie personne taperait. Pas la catégorie abstraite, la formulation littérale. Écrivez la description telle que vous parlez, pas telle que vous classeriez le fichier.

Les limites formelles, si vous comptez publier : la description est plafonnée à 1 024 caractères, le nom à 64 caractères, en minuscules avec des tirets, et les mots réservés anthropic et claude sont interdits dans un nom.

Le corps est un brief, pas une dissertation

Restez sous 500 lignes. Plus court est réellement mieux, parce que tout le corps se charge en contexte à la seconde où le skill se déclenche, et qu'un skill obèse recrée exactement le problème que vous vouliez résoudre.

La précision est ce qui fait fonctionner un skill, et la précision est inconfortable. « Je rédige des rapports » ne sert à rien. « Je rédige des rapports hebdomadaires qui ouvrent toujours sur le chiffre principal, comptent trois sections au maximum, et finissent par des prochaines étapes en puces » est un skill qui changera vraiment la sortie.

Ajoutez des interdictions, sinon le skill vous prend en otage

C'est l'échec dont personne ne vous prévient. Une description trop large et le skill se déclenche quand vous ne vouliez pas de lui. Vous posez une question simple et votre skill LinkedIn s'active pour transformer une réponse d'une ligne en accroche suivie de trois puces.

La correction tient en une ligne :

NE PAS utiliser pour les articles de blog, les newsletters, les e-mails, ni les questions generales.

Dites-lui quand ne pas se déclencher. Les skills sont zélés. Ils ont besoin de limites, comme un stagiaire enthousiaste à qui il faut préciser à quelles réunions il ne doit pas venir.

Testez avant de faire confiance

Ouvrez une conversation neuve. Tapez ce que vous taperiez normalement, formulé comme vous le formuleriez normalement, et regardez si le skill se déclenche tout seul. S'il ne le fait pas, le problème est la description, pas les instructions. Retournez y coller les mots que vous venez d'employer.

Puis testez l'inverse. Tapez une demande sans rapport et vérifiez qu'il reste silencieux. Un skill qui se déclenche sur tout est pire que pas de skill du tout.

Sept agents à construire selon votre métier

Le critère est toujours le même et il évite de perdre un samedi : construisez pour la tâche que vous réexpliquez le plus souvent, pas pour celle qui aurait la plus belle allure. Si vous avez tapé à peu près les mêmes instructions trois fois ce mois-ci, vous tenez votre premier skill.

1. Le débrief d'appel. Vos notes brutes deviennent un compte rendu structuré, avec les prochaines actions et une lecture honnête de la question qui compte : est-ce que cette affaire est réelle. Celui-ci se rentabilise en une semaine.

2. Le skill de voix. Il réécrit vos brouillons dans votre registre et supprime les tics qui trahissent une machine. C'est le skill au meilleur rendement pour la plupart des gens, et presque personne ne le construit. La méthode complète est dans l'article sur les 14 tics qui trahissent un texte d'IA.

3. La préparation d'entretien individuel. Vos notes deviennent un ordre du jour, avec le sujet que vous avez évité la dernière fois, et la phrase difficile que vous repoussez depuis trois semaines. Le Manager Stack en réunit sept du même genre.

4. Le traitement d'objection. Vous lui donnez ce que le client a dit, il vous donne ce que le client voulait dire. Un skill qui vous contredit vaut mieux qu'un skill qui vous rassure. C'est ce que fait le Closer Stack.

5. Le tri de boîte mail. Il classe, il résume les fils longs, il repère ce qui attend une réponse de vous depuis quatre jours. Celui-ci demande un accès, donc c'est un MCP autant qu'un skill : le savoir-faire dit quoi faire, la connexion permet de le faire.

6. Le rapport hebdomadaire. Vos notes de la semaine deviennent la mise à jour que votre direction lit vraiment. Trois sections, jamais plus de 250 mots, et le nom de la personne qui peut débloquer chaque blocage.

7. Le skill Microsoft 365. Les gains quotidiens dans Copilot sont dans les endroits ennuyeux : les formules Excel, la structure d'un deck, le tri de la boîte de réception. Le Microsoft 365 Copilot Skills Mega Pack les regroupe.

Pourquoi les skills fonctionnent mieux en groupe

Un skill isolé est utile. Un ensemble de skills couvrant un même domaine est autre chose, parce qu'ils commencent à se passer le travail.

Prenez une séquence réelle. Vous sortez d'un appel client. Votre skill de notes transforme le désordre en débrief structuré. Votre skill de voix rédige l'e-mail de relance à partir de ce débrief. Votre skill d'objection met sous pression les deux phrases que le client a prononcées et qui étaient, vous en avez le pressentiment, des refus polis. Trois skills, un enchaînement, et vous n'en avez nommé aucun. Le modèle a fait le routage parce que chaque description était assez précise pour revendiquer son propre territoire.

C'est pour cette raison que l'unité qui a du sens est l'ensemble, pas le fichier. Construisez un skill et vous automatisez une tâche. Construisez-en cinq qui couvrent un domaine et vous automatisez un métier, parce que le temps se perd surtout dans les passages de relais entre les tâches. L'écart entre un bon brouillon et un e-mail envoyé, ce n'est pas de la rédaction. Ce sont les douze petites décisions qui séparent les deux.

La règle de conception, pour un groupe : les descriptions ne doivent pas se recouvrir. Si deux skills peuvent revendiquer la même demande, le modèle en choisira un, et vous venez d'introduire un tirage au sort dans votre propre flux de travail.

C'est le principe des Skill Stacks, des ensembles de sept skills conçus pour se passer le relais dans un même domaine, à 39 $. Les Reasoning Engines vont dans l'autre direction : ils prennent en charge le raisonnement plutôt que la production, pour les cas où le problème est la décision et pas le brouillon.

Ce que les agents ne savent toujours pas faire

L'enthousiasme a un peu débordé, donc voici la frontière honnête.

Un agent ne peut pas deviner une information qu'on ne lui a pas donnée. S'il doit lire votre agenda, interroger votre base ou vérifier un prix du jour, ce n'est pas un problème de skill, c'est un problème de connexion, et la réponse est MCP. Les skills enseignent un procédé. Ils n'ouvrent aucune porte.

Un agent ne peut pas réparer une tâche que vous n'avez pas réfléchie. Celle-ci pique un peu. Si vous ne savez pas expliquer votre procédé par écrit à un humain compétent, vous ne saurez pas non plus l'expliquer à un modèle, et le skill que vous construirez sera exactement aussi confus que votre pensée. La moitié de la valeur d'un skill vient de la découverte que votre procédé n'en était pas un. C'était une série d'habitudes que vous exécutiez sans les avoir examinées.

Un agent ne rend pas un modèle faible plus fort. Il rend un modèle compétent plus régulier, ce qui est différent et plus utile. Si le modèle sous-jacent ne sait pas faire la tâche, aucun fichier d'instructions ne le sauvera.

Et un point que la recherche a rendu inconfortable. Une étude de l'ETH Zurich, publiée en février 2026, a mesuré l'effet réel des fichiers de contexte fournis aux agents de code. Résultat : les fichiers générés automatiquement ont fait baisser le taux de réussite d'environ 3 %, ceux écrits par des humains ne l'ont amélioré que d'environ 4 %, et dans les deux cas les coûts ont grimpé de plus de 20 %. La leçon se généralise. Répéter au modèle ce qu'il sait déjà n'est pas neutre. C'est du bruit, et vous payez le bruit deux fois.

La sécurité, la partie que personne ne veut lire

Un agent agit avec vos permissions. Installer un skill venu d'un inconnu revient exactement à installer un logiciel venu d'un inconnu, parce que fonctionnellement c'est ce que c'est.

La documentation d'Anthropic est directe sur ce point, et les risques sont réels plutôt que théoriques. Un skill malveillant peut appeler des outils de façon nuisible, lire des fichiers qui ne le regardent pas, ou envoyer discrètement vos données ailleurs. La catégorie la plus risquée reste les skills qui vont chercher du contenu sur des URL externes : ce qui revient peut contenir des instructions que le modèle suivra ensuite. Et un skill sans danger le jour de l'installation peut être compromis plus tard si ses dépendances changent.

Les règles sont ennuyeuses et elles marchent. Lisez le SKILL.md avant de l'installer, en entier. Cherchez les appels réseau, les accès fichiers, tout ce qui ne correspond pas à ce que le skill prétend faire. Soyez plus prudent, pas moins, si le skill va toucher quelque chose de sensible. Et préférez les skills que vous pouvez lire aux skills qui arrivent en boîte noire, ce qui est l'avantage le plus sous-estimé d'un format qui n'est que du markdown : vous pouvez l'auditer en quatre-vingt-dix secondes sans savoir coder.

Le week-end de mise en place

Bloquez une matinée. Pas une soirée après le travail, où vous ferez du mauvais travail et conclurez que l'outil ne sert à rien. Quatre heures, une fois, et vous en ressortez avec une installation qui se cumule au lieu d'un dossier de prompts que vous n'ouvrez jamais.

Heure un. Auditez ce que vous faites vraiment. Notez chaque tâche que vous avez confiée à une IA le mois dernier. Puis marquez celles que vous avez confiées plus de deux fois. Cette liste, et rien qu'elle, est votre file d'attente. L'audit en douze questions donne une structure si vous en voulez une.

Heure deux. Construisez le skill de voix. Celui-ci d'abord, quel que soit votre métier, parce qu'il améliore la sortie de tous les skills que vous construirez ensuite.

Heure trois. Construisez vos deux skills métier les plus répétés. Tirés de la liste d'audit. Résistez à l'envie d'en faire dix. Deux skills que vous utilisez battent dix skills construits un samedi et oubliés le mercredi.

Heure quatre. Posez les limites. Reprenez chaque skill et ajoutez les interdictions. Quand ne doit-il pas se déclencher. Que ne doit-il jamais produire. C'est l'heure que tout le monde saute et c'est celle qui décide si votre installation est agréable à vivre ou une source d'irritation permanente.

La version longue de ce protocole est dans le premier samedi, et si vous voulez comprendre pourquoi cela se cumule là où des prompts copiés-collés ne le font jamais, les trois couches de maîtrise de l'IA en donne le raisonnement.

Où va tout ça

Les instructions deviennent de l'infrastructure. Des équipes ont cessé de traiter les skills comme des fichiers personnels et se sont mises à les versionner dans des dépôts partagés, si bien qu'un nouvel arrivant hérite du savoir-faire accumulé de l'équipe dès le premier jour au lieu de l'absorber en six mois. C'est une façon franchement différente de faire circuler la connaissance dans une organisation.

Deux conséquences en découlent, et je crois qu'elles sont toutes les deux sous-estimées.

La première : savoir écrire des skills devient la compétence durable. Les modèles vont continuer de changer. GPT-5.4 est arrivé en mars, Gemini 3.5 en mai, et il y en aura un autre avant que vous ayez fini votre pile de lecture. Un skill bien écrit survit à chacune de ces transitions, parce qu'il décrit votre procédé et non les manies du modèle. Les astuces de prompt calées sur un modèle précis périment. Les procédures, non.

La seconde : cela redistribue discrètement la valeur. Ceux qui tireront le plus de l'IA dans les années qui viennent ne sont pas ceux qui savent coder. Ce sont ceux qui savent expliquer un procédé clairement, repérer l'étape que tout le monde saute, et l'écrire de façon qu'une autre intelligence puisse la suivre. C'est une compétence d'éditeur, pas d'ingénieur.

Ce qui est une chose étrange, et plutôt réjouissante, à pouvoir dire d'une technologie dont tout le monde était persuadé qu'elle récompenserait les ingénieurs.

Ce que tout ça coûte vraiment

Un agent a deux prix. Le premier est visible : la qualité. Des réponses moins bonnes, des reprises, des décisions prises sur des sorties auxquelles vous n'auriez pas dû faire confiance. Le second, presque personne ne le regarde, parce qu'il se compte en tokens et que les tokens sont invisibles.

Un agent mal conçu qui brûle 50 000 tokens par tour là où 5 000 suffiraient coûte dix fois la version propre. Sur un abonnement, vous le constatez en atteignant votre plafond d'usage un mardi en milieu d'après-midi. Sur une facture d'API, vous le constatez sous la forme d'un montant qui fait poser des questions. Dans les deux cas vous payez un supplément pour le privilège d'obtenir une réponse moins bonne, ce qui est une manière assez impressionnante de perdre deux fois.

Le réflexe qui donnait de bons résultats en 2023, donner au modèle le plus de matière possible, est devenu le réflexe qui travaille contre vous. Ceux qui obtiennent le plus de ces outils en 2026 ne sont pas ceux qui écrivent les prompts les plus longs. Ce sont ceux qui sont impitoyables sur ce qu'ils laissent dehors. LEANBURN est le skill construit pour cette discipline, à 29,99 $, et il se rembourse la première fois qu'il vous empêche de coller un PDF de quarante pages dont vous n'aviez pas besoin.

Si le format des skills est encore neuf pour vous, l'explication du fichier SKILL.md reprend tout depuis le début, et le guide pour les non-développeurs détaille l'installation sans terminal. Si vous préférez sauter la construction, la collection AI Skills en contient 96 déjà écrits, et The Vault réunit toute la bibliothèque, à vie, pour 99 $. Ce sont des fichiers SKILL.md ordinaires : rien à installer, rien qui expire, et ils fonctionneront avec le modèle que vous utiliserez l'année prochaine.

Questions fréquentes

Qu'est-ce qu'un agent IA, concrètement ?

C'est un modèle à qui l'on donne un objectif, des outils, et l'autorisation d'enchaîner plusieurs étapes seul jusqu'à ce que la tâche soit finie. Un chatbot répond puis s'arrête. Un agent boucle : il agit, observe le résultat, décide de la suite. La différence est l'autonomie, pas l'intelligence.

Quelle est la différence entre un agent IA et un chatbot ?

Le chatbot attend votre prochaine instruction à chaque étape et ne peut rien faire hors de la conversation. L'agent décide lui-même de l'étape suivante et peut agir sur des systèmes extérieurs via des outils. C'est aussi pour cela qu'un agent doit être surveillé sur ce qu'il a le droit de toucher.

C'est quoi MCP en intelligence artificielle ?

Le Model Context Protocol est une prise standard qui permet à une IA de se connecter à un système extérieur, comme votre agenda ou votre base de données. C'est l'USB de l'IA : un serveur écrit une fois fonctionne avec tous les modèles compatibles. MCP donne un accès, il n'enseigne aucun savoir-faire.

Quelle différence entre un skill et un serveur MCP ?

Un skill apprend au modèle comment faire une tâche. MCP lui donne accès à une donnée ou à un outil. Si le modèle fait la tâche mais mal, il vous manque un skill. Si le modèle ne voit pas la donnée, il vous manque un MCP. Les deux ne se remplacent pas.

Peut-on créer un agent IA sans savoir coder ?

Oui. Un skill est un fichier texte écrit en français ordinaire, que vous importez depuis les paramètres de votre navigateur. La documentation officielle passe par un terminal, ce qui décourage beaucoup de monde, mais rien dans le format ne l'exige. Si vous savez rédiger un brief clair, vous savez écrire un skill.

Les skills fonctionnent-ils dans ChatGPT ou seulement dans Claude ?

Dans les deux. Anthropic a ouvert le format SKILL.md en décembre 2025 et OpenAI a repris la même spécification pour Codex et ChatGPT. Il fonctionne aussi avec Gemini CLI, Cursor et GitHub Copilot. Écrit une fois, il vous suit d'un outil à l'autre.

Combien de skills peut-on installer ?

Autant qu'ils sont réellement utiles, puisqu'un skill au repos coûte environ 100 tokens. Cinquante skills installés ajoutent près de 5 000 tokens, ce qui n'est rien. La vraie limite est le recouvrement : si deux descriptions se ressemblent, le modèle risque de déclencher le mauvais.

Pourquoi mon agent tourne-t-il en rond au bout de quelques étapes ?

Parce que son contexte est saturé. À mesure que la fenêtre se remplit, le modèle cesse de raisonner et se met à imiter son propre historique : il relit des fichiers déjà lus et rejoue des actions déjà faites. La réponse n'est pas un meilleur prompt, c'est de lui donner moins à porter.

Faut-il un abonnement payant ?

Pour importer vos propres skills, oui : Pro, Max, Team ou Enterprise, parce qu'ils s'exécutent dans un environnement de code. Sur l'offre gratuite, vous bénéficiez des skills intégrés, ceux qui produisent vos présentations et vos tableurs, mais vous ne pouvez pas déposer les vôtres.

Sources

• Anthropic. Agent Skills overview. Documentation de la plateforme Claude, divulgation progressive et sécurité.
• Anthropic. Effective context engineering for AI agents. Anthropic Engineering, septembre 2025.
• Hong, K., Troynikov, A. et Huber, J. Context Rot: How Increasing Input Tokens Impacts LLM Performance. Chroma Research, juillet 2025.
• Gloaguen, T. et al. Evaluating AGENTS.md: Are Repository Level Context Files Helpful for Coding Agents ? ETH Zurich, février 2026.

Dernière mise à jour : 24 juillet 2026.