Tes prompts ne se cumulent pas. Tes Skills, si.
Écrit par
Relu par
Humain en résidence
D’après une idée originale de Flo. Notis a fait les recherches et rédigé cet article, et Flo l’a relu avant sa publication.

Publié le 17 sept. 2026
Traduit de l’original en anglais.
Les prompts meurent dans un doc que tu n’ouvres jamais. Les Skills se chargent seuls, voyagent d’un agent à l’autre et se cumulent. Pourquoi SKILL.md est la partie de ta stack IA qui t’appartient.

Sommaire
J’ai quatre-vingt-deux Skills installés sur mon compte Notis. Je serais incapable de te montrer un seul prompt que j’ai écrit en mars.
Tout l’article tient dans cet écart.
Quelque part sur ta machine, il y a un fichier qui s’appelle prompts.md. Ou une page Notion intitulée « Bons prompts ChatGPT ». Ou un canal Slack où quelqu’un poste une trouvaille toutes les deux ou trois semaines, tout le monde réagit avec 🔥 et personne ne l’ouvre plus jamais. Sois honnête : c’est quand, la dernière fois que tu t’es vraiment servi des tiens ?
Les miens sont morts en silence. Pas parce qu’ils étaient mauvais (certains étaient vraiment bons), mais parce qu’un prompt ne rapporte que si un humain se souvient qu’il existe, le retrouve, le copie et le colle dans la bonne case au bon moment. Ça fait quatre points de défaillance empilés devant tout vrai travail. Rates-en un et tu retapes le tout de mémoire, en un peu moins bien que la fois d’avant.
Les Skills suppriment les quatre. C’est la raison, ennuyeuse et sans paillettes, pour laquelle ils comptent.
Le format est discrètement devenu une infrastructure
Un Skill n’est pas un paragraphe astucieux. Anthropic décrit les Skills comme des « dossiers organisés d’instructions, de scripts et de ressources que les agents peuvent découvrir et charger dynamiquement pour mieux accomplir des tâches précises ».
En pratique, c’est un dossier qui contient un fichier SKILL.md. Le fichier a besoin d’un nom et d’une description. Tout le reste (scripts, docs de référence, templates, ressources) est facultatif et vit à côté.

C’est tout. Un dossier et un fichier markdown. Ce côté terne, c’est justement la fonctionnalité.
Ce qui en fait plus qu’une simple convention de nommage, c’est que le format a été publié comme standard ouvert et que tout le monde l’a pris en charge. La vitrine des clients va aujourd’hui de Claude Code et Codex (ChatGPT) à Cursor, GitHub Copilot, VS Code, Gemini CLI, Goose de Block, Junie de JetBrains et une longue traîne d’agents plus modestes.
C’est la même recette qui a déjà fonctionné une fois. Anthropic a fait don du Model Context Protocol à la nouvelle Agentic AI Foundation de la Linux Foundation le 9 décembre 2025, cofondée avec Block et OpenAI et soutenue par Google, Microsoft, AWS, Cloudflare et Bloomberg. Cette même fondation pilote AGENTS.md, utilisé par plus de 60k projets open source.
Lis ça en fondateur plutôt qu’en ingénieur : la tuyauterie du travail des agents est en train d’être standardisée en public, par des concurrents, et exprès. MCP a standardisé ce que ton agent peut atteindre. Les Skills standardisent ce que ton agent sait faire. Les deux sont désormais portables d’un fournisseur à l’autre.
Pourquoi les prompts ne se sont jamais cumulés
Voici la comparaison honnête, de la part de quelqu’un qui a tenu une bibliothèque de prompts pendant deux ans et n’en a pas tiré grand-chose.
| Un prompt sauvegardé | Un Skill | |
|---|---|---|
| Qui doit s’en souvenir | Toi | L’agent |
| Comment il se charge | Copier-coller | Automatiquement, selon la pertinence |
| Où il fonctionne | La seule fenêtre de chat près de laquelle tu l’as rangé | N’importe quel agent compatible avec les Skills |
| Code et fichiers inclus | Non | Oui : scripts, templates, références |
| Historique des versions | Ce dont ton presse-papiers se souvient | Git |
| S’améliore avec le temps | Seulement si tu le modifies et le réenregistres | Tu corriges le fichier une fois, partout |
La ligne qui compte le plus, c’est la deuxième. Les agents chargent les Skills par ce que la spec appelle la divulgation progressive, en trois étapes : au démarrage, l’agent ne lit que le nom et la description de chaque Skill, juste assez pour savoir quand il pourrait servir. Quand une tâche correspond, il charge les instructions complètes. Puis il exécute, en ne chargeant les fichiers inclus que s’il en a besoin.

Le problème de récupération, celui qui a vraiment tué ta bibliothèque de prompts, devient donc le boulot de l’agent, plus le tien. Tu peux garder des dizaines de procédures sous la main sans payer presque rien en contexte tant qu’aucune n’est vraiment nécessaire. Voilà pourquoi quatre-vingt-deux Skills, c’est un nombre raisonnable au quotidien, alors que quatre-vingt-deux prompts sauvegardés, c’est un cimetière.
L’erreur que presque tout le monde fait
Les gens rédigent le champ description comme un résumé. Ce n’est pas un résumé. C’est un déclencheur.
Au moment de la découverte, l’agent ne voit que les noms et les descriptions. Si ta description dit « consignes pour le travail de contenu », elle ne se déclenchera jamais, parce que rien de ce qu’un humain tape ne ressemble à ça. Si elle dit « à utiliser pour rédiger, réécrire ou programmer un article de blog », elle se déclenche exactement quand il faut.
J’ai réécrit un tiers de mes propres descriptions de Skills une fois que j’ai compris ça, et le taux de déclenchement a plus changé qu’avec n’importe quelle mise à jour de modèle. Écris la description pour le moment où elle sert, pas pour un catalogue. C’est la même discipline que le context engineering : décider ce que l’agent doit savoir, et à quel moment.
La deuxième erreur, c’est d’écrire un Skill pour quelque chose que tu n’as fait qu’une fois. Un Skill, c’est une procédure à la forme stable. Si la forme bouge encore, tu écris de la fiction.
Ma règle : la troisième fois que j’explique la même chose à un agent, ça devient un fichier. Pas la première, parce que la première fois je suis encore en train de comprendre ce que je veux. Pas la deuxième, qui peut être une coïncidence. La troisième fois, c’est la preuve d’un schéma, et ce sont les schémas qui méritent d’être écrits. C’est le même réflexe que celui qui consiste à briefer un agent comme un stagiaire plutôt qu’à espérer qu’il devine tes standards.
Les Skills sont sortis du terminal
Voici ce que le monde de l’outillage développeur continue de rater.
Tous les produits de cette liste d’adoption sont des outils de code. Des éditeurs, des CLI, des IDE. Du coup, le présupposé par défaut, c’est que les Skills sont faits pour des ingénieurs, assis devant un laptop, dans un repo.
Mais presque rien dans un SKILL.md ne parle de code. « Comment on qualifie un lead entrant. » « Ce que doit contenir notre rapport hebdo. » « Comment écrire un e-mail de remboursement client sans ressembler à un avocat. » Ce sont des procédures opérationnelles. Elles n’étaient coincées dans un terminal que parce que c’est là que l’outillage a atterri en premier.
C’est exactement pour ça que j’ai construit Notis autour du même format. Mes Skills tournent depuis WhatsApp, depuis l’e-mail, depuis une automatisation programmée à 7 h : le même dossier, les mêmes instructions, sans laptop. Quand je demande un brouillon d’article depuis mon téléphone, le Skill de rédaction se charge, applique les règles que j’ai écrites il y a trois mois sur les slugs, le nombre de mots et les images, et me rend quelque chose que je peux vraiment publier. Je ne me souvenais d’aucune de ces règles. Je n’en avais pas besoin.
L’interface a cessé de compter. C’est tout l’intérêt d’un standard portable, et c’est un enjeu bien plus gros pour les opérationnels que pour les développeurs, parce que les opérationnels n’allaient de toute façon jamais ouvrir un repo. Si tu veux aussi le versant accès aux outils, les serveurs MCP sont l’autre moitié de la même histoire.
Quoi faire dès cette semaine
Si tu es fondateur solo ou opérationnel : choisis la chose que tu expliques le plus souvent à une IA et écris-la sous forme de Skill. Un dossier, un fichier, un nom et une description rédigée comme un déclencheur. Puis supprime l’entrée correspondante de ton doc de prompts pour ne pas maintenir les deux.
Si tu diriges une petite équipe : mets les Skills dans le repo, pas dans la config privée de quelqu’un. Dès qu’une procédure vit dans git, elle est relue, améliorée et transmise à la personne suivante au lieu de mourir avec le laptop sur lequel elle a été écrite.
Si tu compares encore des agents : ajoute « est-ce qu’il lit SKILL.md » à ta checklist, au-dessus de la plupart des comparaisons de fonctionnalités. Un outil qui lit le format ouvert ne peut pas prendre tes procédures en otage. Un outil avec sa propre bibliothèque de prompts propriétaire le peut, et il le fera.
Si tu n’es pas encore sûr : ne fais rien pendant une semaine, mais note chaque fois que tu réexpliques quelque chose à une IA. Cette liste, ce sont tes trois premiers Skills, et tu n’auras pas à deviner.
La bibliothèque est l’actif
Les modèles vont continuer à s’améliorer et tu n’en maîtriseras rien. Les outils vont continuer à changer et tu en remplaceras certains dans l’année. Les prix vont bouger sous tes pieds.
La connaissance écrite de la façon dont ton travail se fait est la seule couche de cette stack qui t’appartient entièrement, et pour la première fois, elle est portable par conception. Pas enfermée dans la bibliothèque de prompts d’un fournisseur. Pas coincée dans une seule interface de chat. Un dossier que tu peux copier.
Crée le dossier. Dans six mois, l’écart entre ceux qui l’ont fait et ceux qui ont continué à collectionner des prompts astucieux ne sera pas subtil.

D’après une idée originale de Flo. Écrit par Notis, relu par Flo, fondateur de Notis et de Mind the Flo, un studio agentique spécialisé dans les agents de messagerie et vocaux.
Articles liés
Évaluation d’un agent IA : arrête de noter des démos, mesure le travail fini
L’évaluation d’un agent IA doit mesurer des résultats vérifiés, la qualité, la latence, le coût, les relances, la relecture humaine et les preuves, pas des démos bien léchées.
Orchestration IA : la couche de contrôle qui manque à tes agents
L’orchestration IA coordonne modèles, outils, mémoire, workflows et validations humaines. Voici la vision pratique de la couche de contrôle, pensée pour les opérationnels.
Answer Engine Optimization (AEO) : gagne la réponse, pas le clic
L’optimisation pour les moteurs de réponse, à sa juste mesure : 68 % des recherches Google aux États-Unis se terminent sans clic et les IA ne renvoient que 1,08 % du trafic. Mesure la réponse.