Skills + MCP : les deux couches de l'infrastructure agentic

Maurice MENDY

• 5 min read
Skills + MCP : les deux couches de l'infrastructure agentic

En novembre dernier, j'ai publié deux articles sur Claude Skills. Ma thèse tenait en une phrase : les skills sont aux agents IA ce que les SOPs sont aux organisations humaines. Une façon de passer de l'expérimentation à l'industrialisation.

Trois mois plus tard, Anthropic publie un guide de 32 pages sur la construction de skills. Et en le lisant, j'ai compris que j'avais vu le premier acte sans anticiper le deuxième.

Parce que l'essentiel du guide ne parle pas des skills isolément. Il parle de leur convergence avec MCP. Et c'est là que le tableau devient vraiment intéressant.

La cuisine et les recettes

Le guide utilise une analogie que je trouve éclairante. MCP, c'est la cuisine professionnelle — l'accès aux outils, aux ingrédients, à l'équipement. Les skills, ce sont les recettes — les instructions pour produire quelque chose de valeur avec tout ça.

Avoir une cuisine équipée ne fait pas de vous un chef. Avoir les meilleures recettes du monde ne sert à rien sans ingrédients. Vous avez besoin des deux.

Traduit en termes concrets : MCP donne à l'IA la capacité d'agir sur vos outils (créer un ticket Jira, envoyer un email, interroger une base de données). Les skills lui donnent la connaissance de quand et comment le faire, selon VOS procédures.

Le guide décrit cinq patterns d'architecture. Trois impliquent directement cette combinaison. Le plus parlant est la coordination multi-services : un seul skill orchestre Figma pour exporter des assets, Google Drive pour les stocker, Linear pour créer les tâches de développement, et Slack pour notifier l'équipe. Quatre serveurs MCP, un workflow cohérent. Le skill est le chef d'orchestre, les serveurs MCP sont les musiciens.

Un autre pattern m'a marqué : l'intelligence métier comme filtre de gouvernance. Imaginez un skill de compliance financière qui vérifie les listes de sanctions et les règles juridictionnelles AVANT de déclencher un paiement via MCP. Le savoir-faire métier ne se contente pas de guider l'exécution — il la conditionne. Pas de validation compliance, pas de transaction. C'est exactement comme un SOP de contrôle qualité qui bloque la livraison si les critères ne sont pas remplis.

Le même playbook, encore

Pour comprendre ce qui se joue, il faut regarder la séquence des événements avec un peu de recul.

En décembre, Anthropic donne MCP à la Linux Foundation et co-fonde l'Agentic AI Foundation avec OpenAI et Block. Google, Microsoft et AWS rejoignent. Quelques jours plus tard, Agent Skills sort comme open standard sur agentskills.io, avec spec et SDK sous Apache 2.0. Et avant la fin du mois, OpenAI adopte le format SKILL.md pour Codex. Google suit en janvier avec Antigravity. Vercel lance skills.sh, le premier package manager dédié.

À date, plus de 26 plateformes ont adopté le standard. Un skill écrit pour Claude fonctionne dans Cursor, Copilot, Codex, Gemini CLI, sans modification. Atlassian, Figma, Canva, Stripe, Notion et Zapier proposent des skills partenaires dès le lancement.

C'est le même playbook que MCP. Identifier un vrai problème d'interopérabilité. Publier la solution en open. Laisser l'adoption faire le travail. Anthropic ne cherche pas à posséder les skills — ils cherchent à être ceux qui définissent comment l'infrastructure IA fonctionne. Si les skills deviennent le standard, Claude n'a pas besoin d'être la seule IA qui les utilise. Juste la meilleure à les utiliser.

Le progressive disclosure, ou comment 50 skills ne saturent pas le contexte

La partie la plus technique du guide résout un problème que j'avais identifié dans mes articles précédents : le risque de surcharge. Avec 20 ou 50 skills actives, charger systématiquement tout le contenu dans le contexte de l'IA serait catastrophique.

Anthropic a conçu un système à trois niveaux. Le premier — le YAML frontmatter — est toujours chargé. Quelques dizaines de tokens par skill, juste assez pour que Claude sache quand l'activer. Le deuxième — le corps des instructions — ne se charge que quand la skill semble pertinente pour la tâche en cours. Le troisième — les scripts, les templates, les fichiers de référence — se charge uniquement au moment où l'agent en a concrètement besoin.

Chaque skill coûte presque rien en mode veille. La connaissance complète se déploie uniquement au bon moment. Et surtout, ça permet à l'agent d'avoir accès à des dizaines de serveurs MCP ET des dizaines de skills sans s'écrouler. Le routage se fait dynamiquement, en fonction de ce que vous demandez.

Mon retour sur le skill-creator

J'ai testé le skill-creator, l'outil intégré à Claude pour générer des skills à partir d'une description en langage naturel. Le guide annonce 15 à 30 minutes pour un premier skill fonctionnel. C'est réaliste. L'outil pose les bonnes questions, génère le frontmatter, structure les instructions, suggère les fichiers de référence.

Mais le guide ne dit pas assez clairement que le skill-creator produit un premier jet. La vraie valeur vient de l'itération. Tester, observer quand la skill se déclenche ou rate son activation, ajuster la description, ajouter des cas limites. Exactement comme une SOP en entreprise : la v1 n'est jamais la bonne. C'est la v3, après confrontation au terrain, qui tient.

Le guide est d'ailleurs honnête sur ce point. Il parle de "benchmarks aspirationnels" et reconnaît qu'il y a encore "un élément de vibes-based assessment" dans l'évaluation des skills. L'outillage de mesure est en construction. C'est rafraîchissant de voir un éditeur admettre ça plutôt que de vendre des métriques fantaisistes.

Ce qui a changé depuis novembre

Dans mon deuxième article, je posais la question : "Est-ce que les entreprises vont vraiment franchir le pas ? Ou est-ce que ça va rester un truc que 5% des utilisateurs testent ?"

Trois mois plus tard, plusieurs éléments répondent partiellement.

L'adoption du standard par 26+ plateformes change l'équation du lock-in. C'était un de mes risques identifiés — la fragmentation entre Skills pour Claude, GPTs pour OpenAI, Gems pour Google, avec rien d'interopérable. Ce risque recule significativement. L'investissement dans une skill est devenu portable.

Le management enterprise, déployé en décembre pour les plans Team et Enterprise, répond à un autre frein. Les admins provisionnent des skills de manière centralisée, contrôlent les accès, monitorent l'utilisation. Ça sort du shadow IT pour devenir de l'infrastructure managée.

Et la distribution via API ouvre une dimension supplémentaire. Les skills ne sont plus cantonnées à claude.ai. Elles deviennent des composants dans des pipelines d'automatisation, des agents autonomes, des applications.

Les deux couches

Avec le recul, Anthropic a contribué deux standards fondamentaux à l'infrastructure IA. MCP pour la connectivité — comment les agents se branchent aux outils et aux données. Agent Skills pour la connaissance — comment ils acquièrent et appliquent de l'expertise.

Les deux sont open source. Les deux sont adoptés par les concurrents directs. Les deux suivent le même playbook stratégique.

La complémentarité est naturelle. Un skill de sécurité peut utiliser un serveur MCP Postgres pour exécuter des requêtes de validation. Le skill sait QUOI vérifier et POURQUOI. Le serveur MCP donne l'accès à la base. Séparément, chacun a de la valeur. Ensemble, ils créent des workflows qui étaient impensables il y a six mois.

Combien de temps avant que cette architecture devienne invisible ? L'adoption est rapide. Les premiers package managers apparaissent. L'écosystème montre tous les signaux d'un standard en train de gagner. Mais invisible, ça prend du temps. USB, HTTP, les containers — les vrais standards, on arrête d'en parler quand ils fonctionnent tellement bien qu'on les oublie.

On n'y est pas encore. De mon côté, je continue à itérer sur mes propres skills et à tester les limites du système. La direction est claire, même si le chemin reste à paver.

Sources :