Agent Skills : Anthropic recommence à faire le buzz, un concept marketing !

Ces derniers jours, mes flux Xiaohongshu, Zhihu et Bilibili sont saturés par les Agent Skills d'Anthropic.

Voir ces blogueurs s'exclamer « C'est le moment GPT des agents ! » ou « Les paradigmes des applications IA sont complètement bouleversés » est franchement difficile à encaisser. L'IA est effectivement un sujet brûlant en ce moment, et le trafic est facile à générer, donc une bande de chasseurs de clics sortent ce genre de contenu creux. Présenter une simple « organisation de prompts » d’ingénierie comme une technologie révolutionnaire, ce genre de bruit informationnel n’apporte aucune valeur aux développeurs sérieux.

1. N'est-ce pas tout simplement le mode de fonctionnement habituel ?

Lorsqu'on construit des systèmes d'agents complexes, avec l'ajout de fonctionnalités, on est inévitablement confronté à une question : comment gérer plusieurs prompts différents ?

Regardons comment on faisait avant :

• Étape workflow fixe : C'est la méthode la plus primitive, où le flux est codé en dur. On charge d'abord le prompt A, puis on transmet le résultat au prompt B de l'étape suivante. Toute la logique est câblée dans le code. C'est stable, mais extrêmement inflexible : ajouter une fonctionnalité nécessite de modifier un tas de code.
• Étape classification d'intention (routeur) : Ensuite, on est devenus plus malins : on a ajouté une reconnaissance d'intention à l'entrée. L'agent passe d'abord par un classifieur pour déterminer si l'utilisateur veut améliorer un texte, traduire ou consulter des données. Une fois la classification faite, on charge les règles correspondantes depuis la bibliothèque de prompts dédiée. C'est en réalité le cœur logique de la plupart des agents autonomes ou des systèmes RAG actuels.

Alors, qu'est-ce que les Agent Skills d'Anthropic ont réellement apporté ? Elles n'ont fait que standardiser cette logique que tout le monde utilisait déjà tacitement et par défaut.