Agent Skills : le repo à 68k étoiles qui apprend les bonnes pratiques engineering aux agents IA

Agent Skills : le repo à 68k étoiles qui apprend les bonnes pratiques engineering aux agents IA

🔎 Un junior surpuissant sans aucun instinct

Les agents IA de codage ont un problème qu'on évite de nommer. Ils écrivent du code à une vitesse vertigineuse, mais ils se comportent comme des juniors trop enthousiastes : vous demandez une feature, ils l'écrivent, disent "done", et passent à la suite. Pas de spec, pas de tests, pas de review. Le diff est vert, la dette technique explose.

C'est exactement le constat qu'a fait Addy Osmani, engineering lead chez Google Chrome et créateur de Chrome DevTools et Lighthouse. Après 14 ans chez Google, il a vu les agents IA reproduire les mêmes erreurs que les développeurs juniors — sauf que les juniors, eux, finissent par apprendre.

Le 15 février 2026, Osmani open-sourçait agent-skills sur GitHub. Trois mois plus tard, le projet atteignait 39 000 étoiles. Le 10 juillet 2026, il trendait à la #3 place mondiale avec 68 600 étoiles. Le concept est simple mais radical : packager le savoir-faire des seniors engineers en workflows exécutables par n'importe quel agent IA.

Les Skills ne sont pas des prompts. Ce sont des processus avec des checkpoints, des quality gates et des critères de sortie. Le chaînon manquant entre un agent qui code vite et un agent qui code bien.

L'essentiel

• Agent Skills est un framework open-source (MIT) de 24 compétences engineering production-grade, créé par Addy Osmani (Google Chrome / Google Cloud AI).
• Chaque skill encode un workflow complet avec checkpoints, anti-rationalization tables et exigences de preuve — pas un simple prompt, mais un processus.
• Compatible avec Claude Code, Cursor, Codex, Gemini CLI, Copilot, Windsurf, OpenCode, Kiro IDE et Antigravity CLI via des fichiers markdown purs.
• Le projet est passé de 0 à 68 600+ étoiles GitHub en 5 mois, devenant le standard de fait des compétences d'agents IA.
• 8 slash commands (/spec, /plan, /build, /test, /review, /webperf, /code-simplify, /ship) permettent d'invoquer les workflows en une seule commande.

Outils recommandés

Les 24 Skills : un cycle de vie complet en 6 phases

Chaque skill couvre une phase précise du développement logiciel. L'ensemble forme un pipeline Define → Plan → Build → Verify → Review → Ship qui laisse zéro zone d'ombre.

DEFINE — Définir ce qu'on construit avant d'écrire une ligne

La phase la plus sous-estimée par les agents IA. Trois skills forcent l'agent à comprendre le problème avant de coder.

interview-me pose des questions une à la fois jusqu'à atteindre ~95% de confiance dans la compréhension du besoin. L'agent ne suppose pas, il demande. idea-refine applique une pensée divergente puis convergente pour explorer les alternatives avant de se fixer. spec-driven-development exige un PRD complet en 6 sections avant toute implémentation — le skill que ClaudeWave identifie comme le plus impactant du repo.

PLAN — Décomposer sans sous-estimer

planning-and-task-breakdown transforme les specs en tâches vérifiables avec des critères d'acceptation explicites. Fini les plans vagues qui génèrent du code à moitié fonctionnel.

BUILD — 7 skills pour écrire du code production-grade

C'est ici que la densité engineering est maximale. incremental-implementation force des tranches verticales minces avec des feature flags. test-driven-development impose le cycle Red-Green-Refactor avec la test pyramid 80/15/5 de Google (80% unitaires, 15% d'intégration, 5% e2e) et la règle DAMP over DRY pour les tests.

source-driven-development ancre chaque décision dans la documentation officielle du framework ou de l'API utilisée — l'agent ne devine plus les APIs. doubt-driven-development est peut-être le skill le plus original : il applique une review adversariale en 5 étapes (CLAIM → EXTRACT → DOUBT → RECONCILE → STOP) pour challenger chaque décision technique.

frontend-ui-engineering couvre l'architecture composant, les design systems et la conformité WCAG 2.1 AA. api-and-interface-design applique le contract-first design et Hyrum's Law : "quand une API a suffisamment d'utilisateurs, tous les comportements observables seront dépendus par quelqu'un."

VERIFY — Prouver que ça marche

browser-testing-with-devtools utilise le MCP officiel de Chrome DevTools pour obtenir des données runtime réelles. L'agent ne se contente pas de lire le code, il inspecte le rendu. debugging-and-error-recovery applique un triage en 5 étapes : reproduire, localiser, réduire, corriger, protéger.

REVIEW — La discipline que les agents sautent systématiquement

code-review-and-quality applique une review sur 5 axes avec un sizing de PR à ~100 lignes et des labels de sévérité (Critical/Nit/Optional/FYI). C'est ici que se manifeste le plus le DNA Google du projet. code-simplification applique Chesterton's Fence : ne supprime pas du code sans comprendre pourquoi il existe. security-and-hardening vérifie l'OWASP Top 10, les patterns d'authentification et la gestion des secrets. performance-optimization impose le measure-first avec les Core Web Vitals.

SHIP — Livrer sans casser

Quatre skills couvrent le trunk-based development avec atomic commits, le CI/CD avec Shift Left et feature flags, la dépréciation avec le mindset code-as-liability, les ADR pour les décisions d'architecture, l'observabilité avec RED metrics et OpenTelemetry, et les pre-launch checklists avec staged rollouts.

META — Le skill qui orchestre les autres

using-agent-skills est un routeur qui analyse le contexte et décide quel skill appliquer. C'est le principe de progressive disclosure : l'agent ne charge que ce dont il a besoin, minimisant la consommation de tokens.

Pourquoi les agents IA ont besoin de Skills (et pas juste de prompts)

La distinction est fondamentale. Un prompt dit à l'agent quoi faire. Un skill lui dit comment le faire, quand s'arrêter, et pourquoi chaque étape est non-négociable.

Osmani le formule ainsi dans son article fondateur : "AI coding agents are extremely capable junior engineers with no instinct for the parts of the job that don't show up in the diff." Traduction : les agents maîtrisent l'implémentation, mais ils n'ont aucun instinct pour tout ce qui ne se voit pas dans le diff — les specs, les tests, la review, la dépréciation, l'observabilité.

Process over prose

Chaque skill est structuré comme un processus avec des entrées, des étapes séquentielles, des checkpoints et des critères de sortie. Ce ne sont pas des essais de référence que l'agent pourrait ignorer. Ce sont des workflows avec des gates que l'agent doit franchir.

Les anti-rationalization tables

C'est le détail le plus génial du projet. Chaque skill inclut une table des excuses les plus courantes que l'agent pourrait générer pour sauter une étape, avec des rebuttals pré-écrits. Par exemple : "I'll add tests later" → rebuttal : "Tests written after implementation reflect what the code does, not what it should do. Write them first." L'agent ne peut pas se mentir à lui-même.

Verification non-négociable

Aucun skill ne se termine sans exigences de preuve explicites : les tests doivent passer, le build doit être clean, la trace runtime doit être fournie. Pas de "je suppose que ça marche". La preuve ou rien.

Le framework d'Agent Skills marque un point d'inflexion : on passe de l'instruction ponctuelle au système de compétences structuré. Comme l'analyse Silenceper Blog le note, les Skills deviennent un standard de l'écosystème AI Agent — plusieurs projets concurrents émergent autour du même format.

Comment installer et utiliser Agent Skills

L'installation est conçue pour être triviale. Les skills sont des fichiers markdown purs, ce qui les rend compatibles avec tout agent acceptant des system prompts.

Installation universelle

npx skills add addyosmani/agent-skills

Cette commande CLI détecte votre environnement et installe les skills dans le bon répertoire. Pour les plateformes avec un plugin marketplace natif, les chemins sont optimisés.

Claude Code

Claude Code offre l'intégration la plus native grâce à son plugin marketplace. Deux commandes suffisent :

/plugin marketplace add addyosmani/agent-skills
/plugin install agent-skills@addy-agent-skills

Une fois installé, les 8 slash commands sont disponibles directement dans la session Claude Code. Vous tapez /spec, l'agent lance le workflow de spécification. Vous tapez /build auto, et il génère le plan puis implémente toutes les tâches en une seule passe approuvée. C'est avec Claude Code, combiné à des modèles comme Claude Opus 4.7 (Adaptive), que l'expérience est la plus fluide.

Cursor

Dans Cursor, les skills se placent dans .cursor/skills/ et .cursor/rules/. L'agent les charge automatiquement au démarrage de la session. Avec GPT-5.5 en backend, le routing entre skills est particulièrement efficace.

Codex et autres agents CLI

OpenAI Codex supporte les plugins natifs depuis la v0.122+ :

codex plugin marketplace add addyosmani/agent-skills

Gemini CLI, GitHub Copilot, Windsurf, OpenCode, Kiro IDE et Antigravity CLI fonctionnent tous avec les fichiers markdown placés dans les répertoires de configuration appropriés. La compatibilité est quasi universelle.

Le modèle utilisé en backend importe moins que le framework de skills lui-même. Que vous soyez sur GPT-5.5 (score agentic 98.2), Claude Opus 4.7 (94.3) ou Claude Sonnet 4.6 (81.4), les skills fournissent la structure. Un bon modèle sans skills produit du code rapide mais fragile. Un modèle moyen avec skills produit du code structuré et vérifié.

Le DNA Google : 14 ans d'engineering packagés

Ce qui distingue Agent Skills des centaines de prompts GitHub pour agents IA, c'est la profondeur du savoir-faire encapsulé. Osmani a travaillé 14 ans chez Google. Les skills ne sont pas des bonnes pratiques génériques — ce sont des principes tirés de Software Engineering at Google, le livre de référence de l'ingénierie chez Google.

Hyrum's Law dans le skill d'API design. La Beyoncé Rule (si tu as contribué à un bout de code, tu es responsable de sa qualité) dans le skill de TDD. La test pyramid 80/15/5. Le trunk-based development avec atomic commits. Le Shift Left dans le CI/CD. Le mindset code-as-liability pour la dépréciation. Chesterton's Fence pour la simplification.

Chaque principe est intégré dans un workflow actionnable, pas cité comme référence théorique. L'agent ne lit pas "appliquez le trunk-based development". Il exécute un processus qui est du trunk-based development, avec des checks à chaque étape.

O'Reilly Radar, qui a republié l'article d'Osmani, valide cette approche auprès de l'audience enterprise. La citation clé résume tout : les agents IA manquent d'instinct pour tout ce qui ne se voit pas dans le diff. Agent Skills est le scaffolding qui compense ce manque.

L'écosystème Skills explose : un nouveau standard émergent

Agent Skills n'est plus un projet isolé. Il a déclenché un mouvement. Le répertoire VoltAgent/awesome-agent-skills recense désormais 1000+ skills venant des équipes dev officielles et de la communauté. L'Open Agent Skills Directory propose des skills réutilisables pour la finance, la recherche, le web scraping, le marketing et le design.

Bilgin Ibryam analyse sur X le top 10 des agent skills par étoiles GitHub et observe une tendance claire : les petits workflows précis gagnent face aux mega-prompts vagues. Un skill qui fait une chose bien vaut mieux qu'un prompt qui essaie de tout couvrir.

Le concept de Skills rejoint celui des meilleurs agents IA autonomes comme standard de modularité. De la même manière qu'OpenClaw structure les agents en SOUL, AGENTS et Skills — comme expliqué dans notre guide pour configurer OpenClaw — le format Skills devient le langage commun pour décrire les compétences d'un agent.

Pour ceux qui veulent créer un agent IA from scratch, les Skills offrent un catalogue de comportements pré-validés à composer. Et si vous travaillez en local avec Ollama, le format markdown des skills fonctionne avec n'importe quel LLM pour agents hébergé localement.

Le parallèle avec le système de Skills d'Hermes est frappant. Le système de Skills d'Hermes repose sur le même principe : un agent qui apprend et s'améliore par l'ajout de compétences modulaires. La convergence entre ces projets indépendants confirme que le format Skills est en train de devenir un standard de facto.

Les 8 slash commands : un workflow complet en 8 mots

Au-delà des 24 skills individuels, Agent Skills expose 8 commandes raccourcies qui enchaînent les workflows.

La commande /build auto est la plus puissante — et la plus dangereuse. Elle génère le plan et l'implémente en une seule passe approuvée. Sur un modèle comme GPT-5.5 ou Claude Opus 4.7, avec les skills comme garde-fous, le résultat est impressionnant. Mais sur un modèle moins capable, approuver une passe complète sans vérification intermédiaire reste risqué.

Agent Skills vs. le vibe coding : deux philosophies opposées

Le vibe coding — écrire du code en décrivant vaguement ce qu'on veut — a explosé en 2025-2026. C'est séduisant mais fragile. Agent Skills représente l'anti-vibe coding : plus de discipline, plus de processus, plus de vérification.

Ce n'est pas un hasard si Medium/Vibe Coding titre son article sur le projet "Google's Engineering Playbook For Your Agents". Le message est clair : le vibe coding est un point de départ, pas une méthode. Les Skills sont le passage du prototype au production.

La discussion Reddit résume bien le sentiment communautaire : "AI agents are amazing at spitting out code fast. But they act like eager juniors: you ask for a feature, they write it, say 'done,' and move on." Les Skills corrigent exactement ça.

Record & Replay : quand l'agent apprend en observant

Un mouvement parallèle renforce l'approche Skills : le record & replay. OpenAI Codex a récemment introduit la capacité de montrer une tâche une fois pour que l'agent la répète à l'infini. Vous effectuez une action dans votre IDE, Codex l'enregistre et la reproduit.

Record & Replay et Agent Skills sont complémentaires. Le premier capture les workflows empiriques (ce que vous faites réellement). Le second fournit les workflows prescriptifs (ce qu'un senior ferait idéalement). Ensemble, ils couvrent tout le spectre : observer pour apprendre, suivre pour s'améliorer.

❌ Erreurs courantes

Erreur 1 : Confondre Skills et prompts

Les skills ne sont pas des system prompts améliorés. Ce sont des processus avec des gates, des tables d'anti-rationalization et des critères de sortie. Les traiter comme des prompts revient à ignorer 80% de leur valeur. La différence est la même qu'entre une checklist et un manuel de procédures.

Erreur 2 : Installer les Skills et tout approuver sans lire

/build auto est pratique, mais l'approbation aveugle annule les bénéfices des quality gates. L'idée n'est pas de remplacer votre jugement, mais de donner à l'agent un framework qui rend votre jugement plus facile à exercer. Lisez les checkpoints. Vérifiez les preuves.

Erreur 3 : Utiliser tous les 24 skills en même temps

Le meta-skill using-agent-skills existe pour une raison : la progressive disclosure. Charger les 24 skills dans le contexte de l'agent consomme des tokens inutilement et dilue l'attention. Laissez le routeur faire son travail.

Erreur 4 : Ignorer les anti-rationalization tables

Ces tables sont le mécanisme le plus innovant du projet. Elles anticipent exactement comment les agents essaient de court-circuiter les processus. Si vous les supprimez ou les ignorez, l'agent retrouve ses comportements de junior pressé.

Erreur 5 : Penser que les Skills remplacent les humains

Osmani lui-même le dit dans sa publication LinkedIn sur la release 0.6.3 : "AI might have made implementation cheaper, but not the engineering judgment. The more capable the agents become, the more valuable engineering judgment becomes." Les Skills automatisent le processus, pas le jugement.

❓ Questions fréquentes

Agent Skills remplace-t-il les workflows de mon équipe ?

Non. Les Skills codifient les meilleures pratiques, pas vos processus spécifiques. Utilisez-les comme point de départ et adaptez-les à votre contexte. Le format markdown rend la personnalisation triviale.

Quel modèle IA fonctionne le mieux avec Agent Skills ?

Les modèles avec les meilleurs scores agentic (GPT-5.5 à 98.2, Gemini 3 Pro Deep Think à 95.4, Claude Opus 4.7 à 94.3) exploitent le mieux le routing entre skills. Mais même Claude Sonnet 4.6 (81.4) bénéficie significativement du framework par rapport à un usage sans skills.

Est-ce que ça fonctionne avec des LLM open source en local ?

Oui. Les skills sont du markdown pur. N'importe quel agent qui accepte des system prompts peut les utiliser, y compris les modèles self-hosted comme Kimi K2.6 ou GLM-5 via Ollama. La qualité du routing dépendra du modèle, mais les workflows restent exécutables.

Quelle est la différence avec les MCP servers ?

Les MCP servers fournissent des capacités (accéder à une API, lire un fichier, inspecter une page). Les Skills fournissent des processus (comment enchaîner ces capacités dans un workflow cohérent). Ce sont des couches complémentaires, pas concurrentes.

Combien de tokens les Skills consomment-ils ?

Le meta-skill route vers le skill pertinent, donc seul un skill est chargé en contexte à la fois. La consommation est comparable à un system prompt long. La progressive disclosure est conçue précisément pour éviter de saturer le contexte.

✅ Conclusion

Agent Skills ne résout pas le problème de l'IA qui code mal — il résout le problème de l'IA qui code sans méthode. En packager 14 ans de savoir-faire Google en workflows exécutables, Addy Osmani a créé le standard manquant de l'écosystème des agents IA. Le passage de 0 à 68 600 étoiles en 5 mois n'est pas un hype passager : c'est la reconnaissance que le chaînon manquant entre un agent rapide et un agent fiable, c'est l'ingénierie. Si vous utilisez des agents IA pour coder et que vous ne connaissez pas encore Agent Skills, c'est le moment de l'explorer sur GitHub.