Agent Skills : comment Anthropic a créé un standard ouvert que toute l'industrie adopte (et pourquoi ça change tout)

Octobre 2025, Anthropic lance une feature appelée “Skills” pour Claude. Deux mois plus tard, OpenAI la copie en silence. Trois mois plus tard, Microsoft l’intègre dans VS Code. Aujourd’hui, c’est un standard ouvert adopté par plus de dix plateformes, avec un écosystème de centaines de skills communautaires.

Le sujet est quasi absent du web francophone. Quelques articles effleurent le sujet, mais aucun ne couvre la timeline complète, la stratégie derrière le standard, et l’adoption par OpenAI et Microsoft. Cet article comble ce vide.

J’utilise les Agent Skills en production tous les jours. Des dizaines de skills custom pour mon workflow : génération de carrousels LinkedIn, revues de code automatisées, veille sectorielle, enrichissement de leads. Ce n’est pas de la théorie ; c’est un retour terrain sur un standard qui redéfinit la façon dont on travaille avec les agents IA.

C’est quoi un Agent Skill, concrètement

Un Skill, c’est un dossier avec un fichier Markdown et des ressources optionnelles. C’est tout.

carousel/
├── SKILL.md          # Requis : métadonnées + instructions
├── scripts/          # Optionnel : code exécutable
├── references/       # Optionnel : documentation détaillée
├── assets/           # Optionnel : templates, ressources
└── ...

Le fichier SKILL.md contient un frontmatter YAML obligatoire suivi d’instructions en Markdown libre :

---
name: pdf-processing
description: Extract PDF text, fill forms, merge files. Use when handling PDFs.
license: Apache-2.0
metadata:
  author: example-org
  version: "1.0"
---

[Instructions en Markdown ici]

Les champs requis sont name (max 64 caractères, lowercase + tirets) et description (max 1024 caractères). Le description a un double rôle : expliquer ce que fait le skill ET quand l’agent doit l’activer. C’est le mécanisme de déclenchement.

Champs optionnels : license, compatibility (pré-requis d’environnement), metadata (clés arbitraires : auteur, version, etc.), et allowed-tools (liste d’outils pré-approuvés, encore expérimental).

La simplicité est délibérée. Le blog Anthropic le dit explicitement : “Skills are a simple concept with a correspondingly simple format. This simplicity makes it easier for organizations, developers, and end users to build customized agents.”

Progressive disclosure : le concept clé

Le format repose sur trois niveaux de chargement, un principe que la spec appelle “progressive disclosure” :

1. Métadonnées (~100 tokens) : name + description chargés au démarrage pour tous les skills disponibles. L’agent les parcourt pour savoir quels skills existent et quand les activer.
2. Instructions (< 5 000 tokens recommandés) : le body complet du SKILL.md, chargé uniquement quand le skill est activé.
3. Ressources (à la demande) : fichiers dans scripts/, references/, assets/, chargés uniquement quand l’agent en a besoin.

L’analogie officielle d’Anthropic : comme un manuel bien organisé qui commence par une table des matières, puis des chapitres spécifiques, et enfin une annexe détaillée.

La recommandation : garder le SKILL.md sous 500 lignes et déplacer les références détaillées dans des fichiers séparés. C’est exactement ce que je fais avec mon skill clean-code, qui charge les principes de base dans le SKILL.md et garde les références détaillées dans un dossier references/.

La timeline : d’une feature à un standard industrie

Date	Événement
16 octobre 2025	Anthropic lance Skills pour Claude (feature interne)
9 décembre 2025	Anthropic transfère MCP à la Linux Foundation (co-fonde l’AAIF avec OpenAI et Block)
12 décembre 2025	Elias Judin découvre qu’OpenAI copie le format dans ChatGPT et Codex CLI
18 décembre 2025	Anthropic publie Skills comme open standard sur agentskills.io
Janvier 2026	VS Code Insiders supporte les Agent Skills (GitHub Copilot)
5 février 2026	VS Code blog : Skills en GA, Claude + Codex comme agents dans VS Code
Mars 2026	Adoption large : cours Udemy, marketplace communautaire, awesome-list de 181+ skills

Deux mois entre le lancement interne et la publication comme standard ouvert. C’est rapide, même pour Anthropic.

OpenAI copie le format : la découverte d’Elias Judin

Le 12 décembre 2025, le développeur Elias Judin partage sur X une découverte surprenante. Il a demandé à ChatGPT Code Interpreter de zipper son dossier /home/oai/skills. Résultat : des dossiers pdfs/, spreadsheets/ contenant des fichiers skill.md avec une structure “structurellement identique” à la spec Anthropic. Mêmes conventions de nommage, même format de métadonnées, même organisation.

Simon Willison, référence incontestée de la communauté dev, confirme et documente la découverte :

“A skill is just a folder with a Markdown file and some optional extra resources and scripts, so any LLM tool with the ability to navigate and read from a filesystem should be capable of using them. It turns out OpenAI are doing exactly that.”

Le support a aussi été trouvé dans Codex CLI via un pull request intitulé “feat: experimental support for skills.md”. OpenAI n’a jamais annoncé officiellement cette adoption au moment de la découverte. Depuis, la page developers.openai.com/codex/skills officialise le support.

C’est un signal fort. Quand ton concurrent principal adopte ton format sans même l’annoncer, c’est que le format résout un vrai problème.

Microsoft entre dans la danse

L’adoption par VS Code est peut-être le signal le plus significatif. Le blog officiel VS Code du 5 février 2026 l’annonce clairement :

“We’ve also made Agent Skills, Anthropic’s open standard for extending AI agents, generally available.”

Le blog référence directement le repo anthropics/skills comme source. GitHub Copilot dans VS Code charge les skills depuis le dossier local du projet. Pour l’activer : Preferences > Settings > “Use Agent Skills”.

La citation du blog résume bien la proposition de valeur : “Skills are specialized capabilities that help agents produce high-quality outputs; they provide tested instructions for domains like testing strategies, API design, or performance optimization.”

Quand Microsoft intègre un standard Anthropic dans son éditeur de code utilisé par des millions de développeurs, le standard a gagné.

Qui adopte (liste complète)

La liste des plateformes qui supportent nativement les Agent Skills :

• Claude Code, Claude.ai, Claude Agent SDK, Claude API (Anthropic) : natif
• GitHub Copilot / VS Code (Microsoft) : GA depuis février 2026
• Codex CLI + ChatGPT (OpenAI) : officialisé
• Cursor : confirmé par Anthropic
• Goose (Block) : confirmé
• Amp : confirmé
• OpenCode : confirmé
• Factory : confirmé
• ModelScope MS-Agent (Alibaba) : depuis la v1.6.0rc1, février 2026

Côté écosystème :

• agentskills.io : site officiel de la spec (14 800+ stars GitHub, 871 forks)
• SkillsMP.com : marketplace communautaire indépendante
• awesome-agent-skills : 181+ skills référencées
• SkillsBench : benchmark académique (86 tâches, 11 domaines)

Et les partenaires du Skills Directory officiel Anthropic, confirmés par VentureBeat : Canva, Notion, Figma, Atlassian (Jira, Confluence), Zapier, Stripe, Cloudflare.

Mahesh Murag, product manager Anthropic, l’explique : “Partners who build skills for the directory do so to enhance how Claude works with their platforms. It’s a mutually beneficial ecosystem relationship similar to MCP connector partnerships.”

Skills vs MCP : deux standards complémentaires

Une confusion fréquente : les Skills ne sont PAS du tool calling. MCP et Skills résolvent des problèmes différents.

MCP (Model Context Protocol) = quels outils l’agent peut utiliser. C’est la connexion aux systèmes externes : APIs, bases de données, services tiers. MCP fournit les capacités.

Agent Skills = comment l’agent doit travailler. Ce sont des instructions procédurales chargées dans le contexte de l’agent. Les Skills fournissent l’expertise.

Un commentaire sur Hacker News le résume parfaitement : “Skills has nothing to do with tool calling at all.”

En pratique, les deux se complètent. Mon skill lead-enrichment utilise des serveurs MCP (Unipile pour LinkedIn, Notion pour le CRM) pour exécuter ses actions, mais les instructions du skill définissent le processus : dans quel ordre enrichir les données, quels champs prioriser, comment formater la sortie. MCP est le “quoi”, Skills est le “comment”.

La stratégie Anthropic : le playbook MCP, acte II

Le pattern est le même que pour MCP, et il est délibéré :

1. Anthropic crée une spec qui résout un vrai problème d’interopérabilité
2. La publie comme standard ouvert
3. L’adoption crée de la valeur pour l’écosystème entier
4. Anthropic en bénéficie parce que Claude est le meilleur pour utiliser ses propres standards

MCP : lancé novembre 2024, transféré à la Linux Foundation décembre 2025. Skills : lancé octobre 2025, standard ouvert décembre 2025.

Barry Zhang (Anthropic) a posé le cadre stratégique lors d’une conférence en novembre 2025 : “The agent underneath is more universal than previously thought. Enterprises may get better ROI by curating skills (institutional best practices) instead of deploying multiple bespoke agent systems.”

VentureBeat analyse le mouvement : “The decision to release Skills as an open standard is a calculated strategic choice. By making skills portable across AI platforms, Anthropic is betting that ecosystem growth will benefit the company more than proprietary lock-in would.”

Unite.AI confirme : “The pattern is deliberate. Anthropic builds specifications that solve genuine interoperability problems, releases them as open standards, and lets adoption create value that accrues to the ecosystem rather than to Anthropic alone.”

C’est un pari sur la standardisation plutôt que le verrouillage. Et vu l’adoption en trois mois, le pari semble gagnant.

En pratique : comment j’utilise les Skills au quotidien

Je suis 3x certifié Anthropic (Claude API, MCP Advanced, Claude Code). J’utilise les Agent Skills en production tous les jours depuis leur lancement. Mon repo public claude-skills-public contient une partie de mes skills, celles que je partage avec la communauté.

Mon setup

Sept skills publiques couvrant trois domaines :

Contenu et LinkedIn : carousel (génération de carrousels HTML/PDF), infographic (infographies pour les réseaux sociaux), linkedin-post-notion (rédaction de posts avec publication dans Notion), linkedin-veille (monitoring des posts tendance).

Développement : clean-code (principes Clean Code/Clean Architecture d’Uncle Bob appliqués automatiquement à chaque revue).

Business et CRM : lead-enrichment (enrichissement de prospects via LinkedIn et Notion), meeting-recap (notes structurées, emails de suivi, actions dans Notion).

Et j’en ai bien d’autres en privé : un copilot de productivité qui vérifie mon agenda et mes routines, un système de debugging systématique, des skills de brainstorming et de planification.

Un exemple concret : le skill carousel

Voici le frontmatter de mon skill carousel :

---
name: carousel
description: Use when the user wants to create a LinkedIn carousel.
  Also use when the user mentions "carousel", "carrousel",
  "slides LinkedIn", or asks to create slides for social media.
license: MIT
compatibility: Requires Node.js for screenshot/PDF pipeline
  (Puppeteer or Playwright).
metadata:
  author: PierreRtec
  version: "1.0.0"
allowed-tools: Read Edit Write Glob Grep Bash(node:*) Bash(npx:*)
---

Le description fait double emploi : il explique ce que fait le skill ET liste les déclencheurs. Quand je tape “fais-moi un carrousel sur les 5 erreurs de prompt engineering”, Claude Code matche automatiquement le skill, charge les instructions complètes, et exécute le workflow : brainstorming des slides, génération HTML, capture PNG via Playwright, export PDF.

Le allowed-tools est une feature expérimentale qui restreint les outils que le skill peut utiliser. Mon skill carousel n’a pas besoin d’accéder à internet ou de modifier ma config Git ; il a juste besoin de lire/écrire des fichiers et d’exécuter Node.

Ce que ça illustre

C’est exactement la vision de Barry Zhang : un seul agent universel, configuré avec des skills spécialisés. Pas besoin de dix outils différents pour dix workflows. Un seul agent (Claude Code), des skills qui définissent comment il travaille sur chaque type de tâche, et des serveurs MCP qui lui donnent accès aux systèmes externes (Notion, LinkedIn, Google Calendar).

Le résultat : un co-pilote IA personnalisé qui s’adapte à chaque contexte. Quand j’écris du code, le skill clean-code s’active en arrière-plan. Quand je prépare du contenu LinkedIn, carousel ou infographic prend le relais. Quand je finis un call client, meeting-recap structure mes notes.

Les risques à connaître

Un papier académique de 2025 (“Agent Skills Enable a New Class of Realistic and Trivially Simple Prompt Injections”) documente un risque réel : les fichiers skills sont des vecteurs potentiels de prompt injection. Un skill malveillant peut injecter des instructions qui détournent le comportement de l’agent.

C’est le compromis inhérent au format : la simplicité (du Markdown lisible par un humain) est aussi ce qui rend l’injection triviale. Installer un skill tiers, c’est comme installer un package npm : il faut vérifier la source, lire le code, comprendre ce qu’il fait.

La spec officielle ne prévoit pas encore de mécanisme de signature ou de sandboxing. Le champ allowed-tools est un premier pas, mais il est encore expérimental. Pour l’instant, la responsabilité repose sur l’utilisateur.

Ce que ça change pour les devs et les entreprises

Pour les développeurs individuels : les Skills transforment la façon dont on configure les outils IA. Au lieu de répéter les mêmes instructions à chaque session, on écrit un skill une fois et l’agent l’applique automatiquement. C’est du code DRY appliqué aux instructions d’agent.

Pour les équipes : Barry Zhang le résume bien. Les entreprises peuvent obtenir un meilleur retour sur investissement en curant des skills (les bonnes pratiques institutionnelles codifiées) plutôt qu’en déployant plusieurs systèmes d’agents sur mesure. Un skill “revue de code selon nos conventions internes” partagé dans le repo de l’équipe a plus d’impact qu’un outil propriétaire.

Pour l’écosystème : l’interopérabilité est le vrai gain. Un skill écrit pour Claude Code fonctionne dans VS Code, dans Cursor, dans Codex CLI. Écris une fois, utilise partout. C’est la promesse, et l’adoption actuelle montre qu’elle se concrétise.

Pour Anthropic : le même effet réseau que MCP. Plus l’écosystème de skills grandit, plus Claude devient utile, plus les développeurs restent sur Claude. Le standard ouvert est le produit.

Les Skills sont disponibles sur tous les plans Claude : Free, Pro, Max, Team, Enterprise. L’utilisation via l’API suit la tarification API standard.

---

Sources : Spec officielle agentskills.io, Blog Anthropic, GitHub spec, VS Code blog, Simon Willison, VentureBeat, Unite.AI, ZDNet