Plateforme de Skills ClawdBot : Créez, partagez et déployez

Sommaire

1. →De ClawdBot à OpenClaw
2. →Comprendre la plateforme de Skills
3. →Créer votre premier Skill
4. →Anatomie du SKILL.md
5. →Skills avancés avec scripts
6. →Marketplace ClawHub
7. →Configuration des plateformes de messagerie
8. →Routage multi-agents
9. →Flux de travail développeur
10. →Bonnes pratiques de sécurité
11. →FAQ
12. →Points clés à retenir

De ClawdBot à OpenClaw

ClawdBot — créé à l'origine par Peter Steinberger en novembre 2025 — a connu une évolution rapide. Après avoir été renommé Moltbot puis OpenClaw (pour des raisons de marque déposée), le projet a atteint 100 000+ étoiles GitHub en moins de trois mois, en faisant l'un des projets IA open source à la croissance la plus rapide de tous les temps.

Alors que notre Guide complet OpenClaw couvre l'architecture globale, cet article plonge en détail dans la plateforme de Skills — le système qui rend OpenClaw véritablement extensible et puissant.

Comprendre la plateforme de Skills

Que sont les Skills ?

Les skills sont des paquets d'instructions modulaires qui enseignent de nouvelles capacités à votre agent OpenClaw. Pensez-y comme des « plugins » — mais au lieu d'API de code, ils utilisent des instructions en langage naturel que le LLM lit et suit.

Le standard AgentSkills

Les skills suivent le standard AgentSkills, une spécification ouverte conçue pour être agnostique vis-à-vis de l'agent :

Structure du répertoire de Skills

~/.openclaw/skills/
├── weather-reporter/
│   └── SKILL.md                    # Skill simple — instructions uniquement
├── git-workflow-manager/
│   ├── SKILL.md                    # Skill complexe avec scripts
│   ├── scripts/
│   │   ├── branch_analyzer.py
│   │   └── pr_template.sh
│   └── resources/
│       └── commit_conventions.md
├── api-tester/
│   ├── SKILL.md
│   └── scripts/
│       └── request_builder.js
└── daily-briefing/
    └── SKILL.md                    # Skill proactif

Créer votre premier Skill

Étape 1 : Créer le répertoire du Skill

mkdir -p ~/.openclaw/skills/morning-briefing

Étape 2 : Créer le SKILL.md

touch ~/.openclaw/skills/morning-briefing/SKILL.md

Étape 3 : Écrire votre Skill

---
name: "Morning Briefing"
description: "Generates a personalized morning briefing with weather, 
calendar, and top news headlines. Use this skill when the user asks 
for a morning update, daily summary, or briefing."
---

# Morning Briefing Skill

## When to Activate
Activate this skill when the user:
- Asks for a "morning briefing" or "daily summary"
- Says "good morning" and expects an update
- Requests a "start of day" overview

## Instructions
1. Check the current weather for the user's configured location
2. Retrieve today's calendar events
3. Summarize top 3 news headlines relevant to the user's interests
4. Format everything in a clean, readable message

## Output Format

☀️ Good morning! Here's your briefing for [DATE]:

🌡️ WEATHER [Current conditions, high/low temperatures]

📅 TODAY'S SCHEDULE [List of calendar events with times]

📰 TOP HEADLINES

1. →[Headline 1]
2. →[Headline 2]
3. →[Headline 3]

Have a productive day! 🚀

## Preferences
- Keep the briefing concise — no more than 10 lines
- Use emojis for visual scanning
- Prioritize calendar events by time
- If no calendar events, say "No meetings today — focus time! 🎯"

Étape 4 : Tester votre Skill

Redémarrez OpenClaw (ou rechargez les skills) et envoyez un message via votre plateforme de messagerie connectée :

"Donne-moi mon briefing du matin"

L'agent lit votre SKILL.md, comprend quand l'activer et suit les instructions pour générer la sortie.

Anatomie du SKILL.md en détail

Frontmatter YAML

---
name: "Git Workflow Manager"          # Nom lisible (max 64 caractères)
description: "Manages Git branching    # Critique : indique à l'agent QUAND utiliser ce skill
  strategies, enforces commit            
  conventions, and automates PR         
  creation. Activate when the user      
  discusses Git, branches, commits,     
  or pull requests."                   
dependencies:                          # Dépendances logicielles (optionnel)
  - git
  - gh (GitHub CLI)
install: |                             # Commandes d'installation (optionnel)
  npm install -g commitlint
  gh auth login
---

Structure du corps Markdown

Le corps doit être organisé avec des sections claires que le LLM peut analyser :

Bonnes pratiques pour écrire un SKILL.md

1. →Soyez explicite sur les déclencheurs d'activation — L'IA doit savoir exactement quand utiliser ce skill
2. →Écrivez les instructions comme si vous les expliquiez à un collègue — Clair, étape par étape
3. →Incluez des exemples d'utilisation — Montrez des prompts utilisateur réalistes et les réponses attendues de l'agent
4. →Gérez les cas limites — Que doit faire l'agent quand quelque chose ne va pas ?
5. →Définissez le format de sortie — Des formats de sortie cohérents et lisibles améliorent l'expérience utilisateur
6. →Restez concentré — Un skill = une capacité. Ne regroupez pas des fonctionnalités sans rapport

Skills avancés avec scripts

Ajouter des scripts exécutables

Pour les skills qui nécessitent d'exécuter du code réel :

~/.openclaw/skills/api-tester/
├── SKILL.md
└── scripts/
    └── test_endpoint.py

SKILL.md :

---
name: "API Endpoint Tester"
description: "Tests REST API endpoints with custom headers, body, 
  and authentication. Use when the user asks to test an API, 
  check an endpoint, or debug HTTP requests."
dependencies:
  - python3
  - requests
install: |
  pip install requests
---

# API Endpoint Tester

## Instructions
1. Ask the user for: URL, method (GET/POST/PUT/DELETE), headers, body
2. Run the test script: `python scripts/test_endpoint.py`
3. Report results with status code, response time, and body preview

## Script Usage
```bash
python scripts/test_endpoint.py \
  --url "https://api.example.com/users" \
  --method POST \
  --header "Authorization: Bearer TOKEN" \
  --body '{"name": "test"}'

Output Format

🔗 API Test Results
━━━━━━━━━━━━━━━━━━
URL:         [URL]
Method:      [METHOD]
Status:      [STATUS CODE] [STATUS TEXT]
Response:    [TIME]ms
Body:        [First 500 chars of response]

**scripts/test_endpoint.py :**

```python
#!/usr/bin/env python3
"""API endpoint testing script for OpenClaw."""
import argparse
import json
import time
import requests

def main():
    parser = argparse.ArgumentParser(description='Test API endpoint')
    parser.add_argument('--url', required=True)
    parser.add_argument('--method', default='GET')
    parser.add_argument('--header', action='append', default=[])
    parser.add_argument('--body', default=None)
    args = parser.parse_args()

    headers = {}
    for h in args.header:
        key, val = h.split(':', 1)
        headers[key.strip()] = val.strip()

    body = json.loads(args.body) if args.body else None

    start = time.time()
    response = requests.request(
        method=args.method,
        url=args.url,
        headers=headers,
        json=body,
        timeout=30
    )
    elapsed = round((time.time() - start) * 1000)

    print(f"Status: {response.status_code} {response.reason}")
    print(f"Time: {elapsed}ms")
    print(f"Body: {response.text[:500]}")

if __name__ == '__main__':
    main()

Marketplace ClawHub

Qu'est-ce que ClawHub ?

ClawHub est la marketplace communautaire pour partager des skills OpenClaw. Pensez-y comme « npm pour les compétences d'agent IA » — un registre centralisé où les développeurs publient, découvrent et installent des skills.

Installer des skills depuis ClawHub

# Rechercher des skills disponibles
openclaw skills search "git"

# Installer un skill
openclaw skills install git-workflow-manager

# Lister les skills installés
openclaw skills list

# Mettre à jour tous les skills
openclaw skills update

Publier sur ClawHub

# Depuis le répertoire de votre skill
cd ~/.openclaw/skills/my-awesome-skill

# Valider votre SKILL.md
openclaw skills validate

# Publier sur ClawHub
openclaw skills publish

Sécurité — Intégration VirusTotal

Checklist de sécurité avant d'installer des skills

1. →✅ Lisez le SKILL.md — Comprenez ce que le skill prétend faire
2. →✅ Vérifiez le dossier scripts/ — Examinez tout code exécutable
3. →✅ Vérifiez l'éditeur — Consultez le profil GitHub et l'historique de contributions
4. →✅ Examinez les commandes install — Attention aux curl | bash ou pip install depuis des sources inconnues
5. →✅ Regardez le nombre d'étoiles et les avis — La validation communautaire aide
6. →❌ N'installez pas de skills qui demandent un accès shell illimité sans comprendre pourquoi

Configuration des plateformes de messagerie

Intégration WhatsApp

WhatsApp est le canal de messagerie le plus populaire d'OpenClaw :

# Pendant la configuration d'OpenClaw (assistant TUI)
openclaw setup

# Sélectionnez "WhatsApp" comme canal
# Un QR code apparaîtra dans votre terminal
# Scannez le QR code avec WhatsApp (comme WhatsApp Web)
# Votre agent est maintenant connecté à WhatsApp

Comment ça fonctionne : OpenClaw crée une session WhatsApp Web, similaire à la connexion de votre téléphone à WhatsApp Desktop. Les messages envoyés à la session WhatsApp de l'agent sont traités par OpenClaw.

Intégration Telegram

# Étape 1 : Créer un bot via @BotFather sur Telegram
# → Envoyez /newbot à BotFather
# → Choisissez un nom et un nom d'utilisateur  
# → Copiez le token du bot (format : 123456:ABC-DEF1234ghIkl-zyx57W2v1u123ew11)

# Étape 2 : Configurer OpenClaw
openclaw setup
# Sélectionnez "Telegram" comme canal
# Collez votre token BotFather

# Étape 3 : Commencez à discuter avec votre bot sur Telegram

Discord et Slack

Routage multi-agents

Qu'est-ce que le routage multi-agents ?

Le routage multi-agents vous permet d'exécuter des instances d'agents séparées pour différents contextes. Chaque agent peut avoir ses propres :

• →Skills — Capacités différentes par contexte
• →Mémoire — Historique de conversation isolé
• →Configuration LLM — Modèles différents par agent
• →Canal de messagerie — Plateformes différentes par agent

Exemple de configuration

# ~/.openclaw/config.yaml
agents:
  personal:
    channel: whatsapp
    llm: claude-opus-4-6
    skills:
      - morning-briefing
      - calendar-manager
      - shopping-list
    memory: local
    
  work:
    channel: slack
    llm: gpt-5.3
    skills:
      - git-workflow-manager
      - api-tester
      - jira-integration
      - code-reviewer
    memory: local
    
  creative:
    channel: telegram
    llm: claude-sonnet-4-5
    skills:
      - writing-assistant
      - image-generator
      - music-prompt-builder
    memory: local

Cas d'usage du routage multi-agents

Flux de travail développeur

Automatisation du flux de travail Git

Avec les bons skills, OpenClaw devient une machine Git :

Vous : "Crée une branche de fonctionnalité pour la refonte 
       de la page de connexion, basée sur develop"

Agent : Branche 'feature/login-redesign' créée depuis 'develop'.
        Basculement sur la nouvelle branche. Prêt pour le développement.

Vous : "J'ai terminé. Crée une PR vers develop avec un résumé 
       de mes changements"

Agent : Analyse de 7 fichiers modifiés (342 ajouts, 89 suppressions)...
        PR #247 créée : "Refonte de la page de connexion avec un flux d'auth moderne"
        Lien : https://github.com/repo/pull/247

Capacités d'agent proactif

L'une des fonctionnalités les plus puissantes d'OpenClaw — l'agent peut initier la communication sans être sollicité :

# Dans un skill proactif de briefing quotidien :
---
name: "Daily Briefing"
description: "Proactively sends a morning briefing at 8:00 AM. 
  This is a proactive skill - do not wait for user input."
---

## Proactive Trigger
- Send briefing at 8:00 AM local time every weekday
- Do not send on weekends unless user has events

## Content
1. Today's weather
2. Calendar summary
3. Pending notifications
4. Yesterday's unfinished tasks

Automatisation de la revue de code

Vous : "Examine le dernier commit sur la branche auth-service"

Agent : Examen du commit abc1234 sur auth-service...

🔍 Revue de code — commit abc1234
━━━━━━━━━━━━━━━━━━━━━━━━━━━━
✅ Aucune vulnérabilité de sécurité détectée
⚠️  auth/validator.js:42 — Entrée non assainie avant la requête SQL
⚠️  auth/session.js:18 — Timeout de session à 24h (considérez 1h pour les opérations sensibles)
✅ Couverture de tests : 87 % (au-dessus du seuil de 80 %)

Recommandation : Corrigez le risque d'injection SQL avant le merge.

Bonnes pratiques de sécurité

Configuration de sécurité minimale

# ~/.openclaw/.env
# Paramètres de sécurité recommandés

ENABLE_SHELL_EXECUTION=false    # Désactivé par défaut ; à activer par skill
SKILL_SANDBOX=true              # Sandboxez l'exécution des skills
LOG_ALL_ACTIONS=true            # Piste d'audit
MAX_FILE_ACCESS_DEPTH=2         # Limitez la traversée de répertoires
ALLOWED_DOMAINS=github.com,api.example.com  # Liste blanche d'accès réseau

FAQ

Puis-je utiliser des skills construits pour Claude avec OpenClaw ?

Les skills suivant le standard AgentSkills (format SKILL.md) sont conçus pour être agnostiques vis-à-vis de l'agent. Cependant, les skills qui reposent sur des fonctionnalités spécifiques à OpenClaw (intégration messagerie, déclencheurs proactifs) peuvent nécessiter une adaptation pour d'autres agents.

Combien de skills puis-je installer ?

Il n'y a pas de limite stricte, mais les instructions de chaque skill consomment des tokens de la fenêtre de contexte. Si vous installez trop de skills, l'agent peut avoir du mal à sélectionner le bon. Recommandé : 10-15 skills ciblés par instance d'agent.

Les skills peuvent-ils communiquer entre eux ?

Pas directement. Chaque skill est indépendant. Cependant, le cerveau LLM peut chaîner des skills ensemble dans un seul flux de travail — par exemple, utiliser un skill « Git » suivi d'un skill « Notification Slack » en réponse à « Examine mon code et notifie l'équipe ».

• →Créer des Skills pour Claude — L'approche d'Anthropic pour les compétences d'agents
• →Agents IA ReAct expliqué — Comment fonctionnent les agents de raisonnement
• →Orchestration multi-agents — Coordination de plusieurs agents IA
• →Protocole MCP expliqué — Le Model Context Protocol

Points clés à retenir

1. →

   Les skills sont des paquets d'instructions modulaires définis par des fichiers SKILL.md qui enseignent de nouvelles capacités à votre agent IA via du langage naturel

2. →

   Temps de création de 5 minutes — Un skill basique nécessite seulement un répertoire avec un fichier SKILL.md contenant un nom, une description et des instructions en texte brut

3. →

   Le champ description est critique — Il indique au LLM quand activer votre skill ; soyez spécifique sur les conditions de déclenchement

4. →

   Les skills avancés combinent SKILL.md et scripts — Des scripts Python, JavaScript ou Shell étendent les capacités au-delà des instructions en langage pur

5. →

   La marketplace ClawHub vous permet de découvrir, installer et publier des skills avec une analyse de sécurité VirusTotal

6. →

   Le routage multi-agents permet des configurations d'agents séparées pour les contextes personnel, professionnel et créatif avec des skills et une mémoire isolés

7. →

   L'intégration messagerie (WhatsApp, Telegram, Discord, Slack) signifie que vous interagissez avec votre agent IA via les applications que vous utilisez déjà au quotidien

8. →

   La sécurité est non négociable — Examinez le code des skills avant installation, gardez OpenClaw à jour, configurez des permissions minimales et surveillez les logs d'activité de l'agent

Connexions avec l'Écosystème Skills Claude

OpenClaw dans l'Écosystème Anthropic

OpenClaw et ClawdBot s'inscrivent dans un écosystème plus large de compétences Claude :

• →Skills natifs Claude : Créés directement dans l'interface Claude → Guide Skills Claude
• →OpenClaw/ClawdBot : Marketplace communautaire indépendant pour skills avancés
• →Agent Skills (Skilljar) : Formation officielle Anthropic sur la création de skills → Guide complet

Comparaison : Skills Natifs vs OpenClaw

Parcours d'Apprentissage Recommandé

1. →Débutant : Commencer par les Skills natifs Claude
2. →Intermédiaire : Comparer les options → Skills vs Projets vs Plugins
3. →Avancé : Explorer OpenClaw pour des skills complexes (cet article)
4. →Expert : Suivre le cours Agent Skills d'Anthropic → Guide complet

Construisez vos propres compétences d'agent IA

Comprendre comment concevoir des compétences d'agent IA efficaces combine le prompt engineering, l'architecture logicielle et l'automatisation des flux de travail. Les skills que vous créez déterminent l'utilité pratique de votre agent autonome.

Dans notre Module 5 — Agents IA et automatisation, vous apprendrez :

• →Comment architecturer des flux de travail d'agents autonomes
• →Les patterns ReAct (Raisonnement + Action) pour un comportement d'agent fiable
• →Concevoir des instructions de skills robustes qui minimisent les erreurs
• →La sécurité et les garde-fous pour les systèmes agentiques
• →Quand utiliser des agents autonomes vs l'automatisation traditionnelle

→ Découvrir le Module 5 : Agents IA et automatisation

Dernière mise à jour : 20 février 2026 Informations compilées à partir de la documentation officielle OpenClaw, du dépôt GitHub, de la marketplace ClawHub et de guides communautaires vérifiés.