Du savoir tribal aux compétences d'équipe : des connaissances structurées pour votre agent IA

Chaque équipe a des connaissances institutionnelles qui vivent dans la tête des gens. La checklist de déploiement que seule Sarah connaît. La taxonomie de données qui vit dans un Google Doc que personne ne trouve. La procédure de réponse aux incidents qui change chaque trimestre.

Les systèmes RAG tentent de résoudre ce problème en découpant les documents en petits morceaux et en récupérant les fragments les plus pertinents. Cela fonctionne pour les recherches factuelles — mais cela s’effondre quand l’IA a besoin d’instructions complètes et structurées pour effectuer une tâche correctement.

Aujourd’hui nous lançons les Skills — une nouvelle façon de donner à votre agent IA des documents complets et faisant autorité qu’il peut charger à la demande.

Skills vs. RAG : des outils différents pour des usages différents

	RAG (Bases de connaissances)	Skills
Taille du document	Découpé en fragments de 500 tokens	Chargé en entier (jusqu’à 50 Ko)
Récupération	Recherche par similarité sémantique	Explicite par nom
Idéal pour	Questions factuelles à travers de nombreux documents	Procédures étape par étape
Invocation	Automatique (injection de contexte)	À la demande (/skill:name)
Portée	Compte ou département	Compte ou département

Pensez au RAG comme un moteur de recherche et aux Skills comme une étagère. Vous cherchez quand vous ne savez pas où regarder. Vous prenez un livre quand vous savez exactement lequel vous avez besoin.

Comment fonctionnent les Skills

Créer un Skill

Un Skill est un document markdown avec un nom, un titre, une portée départementale et des tags. Créez-en un depuis la page Skills ou via l’API :

# Pipeline de déploiement

## Prérequis
- S'assurer que tous les tests passent sur la branche `main`
- Vérifier que l'environnement de staging est sain

## Étapes
1. Créer une branche de release : `git checkout -b release/v{version}`
2. Lancer le build : `npm run build`
3. Déployer en staging : `make deploy-staging`
4. Lancer les tests smoke : `npm run e2e:smoke`
5. Si les tests smoke passent, déployer en production : `make deploy-prod`
6. Taguer la release : `git tag v{version}`

## Rollback
Si quelque chose tourne mal après le déploiement en production :
1. Revenir à la version précédente : `make rollback`
2. Notifier #engineering dans Slack
3. Créer un rapport d'incident

Utiliser un Skill en conversation

Invoquez un Skill par nom dans le chat :

Vous : /skill:deployment-pipeline Déployer la version 2.4.1 en production

L’agent charge le document complet du pipeline de déploiement dans son contexte et le suit étape par étape. Il ne devine pas et n’improvise pas — il a les instructions complètes et faisant autorité.

Découverte de Skills initiée par l’agent

L’agent conversationnel dispose également de deux outils intégrés pour une utilisation proactive des Skills :

• list_skills — découvrir les Skills disponibles pour le département actuel
• load_skill — charger un Skill par nom quand l’agent détermine qu’il a besoin de connaissances spécialisées

Cela signifie que vous pouvez demander « déploie la dernière version » et l’agent va :

1. Reconnaître qu’il s’agit d’une tâche de déploiement
2. Appeler list_skills pour vérifier les Skills disponibles
3. Trouver et charger deployment-pipeline
4. Suivre la procédure documentée

Cadrage départemental

Les Skills ont une portée départementale, tout comme les recettes et les workflows. Le playbook de déploiement de l’équipe d’ingénierie n’encombre pas la liste de Skills de l’équipe Marketing. Un administrateur peut créer des Skills à l’échelle du compte qui sont visibles par tous les départements.

Cas d’usage pratiques

Ingénierie :

• Procédures de déploiement par environnement
• Runbooks de réponse aux incidents
• Checklists de revue de code
• Registres de décisions d’architecture

Opérations :

• Procédures opérationnelles standard
• Checklists d’intégration de fournisseurs
• Guides de facilitation de réunions

Ventes :

• Frameworks d’appels de découverte
• Playbooks de traitement des objections
• Guides de positionnement concurrentiel

Conformité :

• Checklists de préparation d’audit
• Procédures de classification des données
• Workflows de reporting réglementaire

Limites et mise en cache

Les Skills sont des documents complets injectés dans le contexte de la conversation, nous imposons donc des limites raisonnables :

• 50 Ko maximum par Skill (~12 000 tokens)
• 100 Skills par compte, 50 par département
• 3 Skills chargés simultanément en un tour de conversation
• Les noms de Skills sont mis en cache dans Redis (TTL de 5 minutes) pour éviter les lectures Firestore à chaque message

Si le chargement d’un Skill risque de dépasser la limite de contexte du modèle, l’agent vous avertit et suggère de démarrer une nouvelle conversation ou d’utiliser un modèle avec une fenêtre de contexte plus large.

Pour commencer

1. Naviguez vers Skills dans la barre latérale
2. Cliquez sur Créer un Skill
3. Rédigez votre contenu markdown
4. Définissez la portée départementale et les tags
5. Utilisez /skill:name dans n’importe quelle conversation

Les Skills sont disponibles sur les plans Pro et supérieurs. Créez votre premier Skill.