Dix dépôts populaires sur GitHub Trending révèlent la pile d’agents derrière les compétences d’agent.

Faire défiler la section GitHub Trending le 9 août 2026, c’était comme assister au lancement d’Agent Skills. Trois des cinq premières places étaient occupées par des dépôts de compétences, un agent de codage capable d’améliorer lui-même ses performances se classait en première position, et un cadre de trading multi-agents figurait parmi les dix meilleurs. Le titre s’impose presque de lui-même.

Cependant, la version littérale n’est pas tout à fait exacte, car tous ces dix dépôts ne sont pas des catalogues de compétences. C’est justement ce qui rend la liste plus intéressante : elle montre l’émergence d’un écosystème plus vaste autour des agents, englobant bien plus que de simples instructions — authentification, état persistant, connaissances sectorielles, bibliothèques de base et interfaces d’exécution distinctes.

Une précision concernant les données : GitHub Trending évolue constamment, donc tout ce qui suit provient d’une capture datée. « Stars today » correspond au comptage quotidien affiché par GitHub au moment de la recherche ; il ne s’agit ni d’un classement permanent ni d’une note de qualité.

Voici les dix premiers dépôts.

1. PrimeIntellect-ai/prime-agent : 2 483 étoiles gagnées

Prime Agent se présente comme un agent de codage capable d’améliorer lui-même, basé sur des modèles linguistiques récursifs. Il occupe la première place, avec un total de 9 140 étoiles et 2 483 étoiles gagnées au cours de la journée.

Cela est important car la plupart des agents de codage sont des workflows fixes entourant un modèle en perpétuelle évolution. Ce projet vise davantage : un agent qui évalue et améliore sa propre manière de travailler, au lieu de se contenter d’exécuter des boucles de prompts statiques.

Cette affirmation nécessite un examen attentif. « Amélioration automatique » peut signifier une meilleure sélection de prompts, des politiques apprises, des modifications basées sur l’évaluation, ou quelque chose de bien plus ambitieux. Ce dépôt mérite d’être étudié pour son architecture et ses expériences, mais il ne doit pas être interprété comme la preuve que l’amélioration autonome est un problème résolu.

2. addyosmani/agent-skills (779)

Un ensemble d’ workflows destinés à l’ingénierie de production. Ils couvrent toute la durée de vie d’un changement : définition du travail, planification, développement, vérification, revue et déploiement. Plutôt que d’indiquer à un agent de codage d’agir comme un expert, une compétence peut lui faire rédiger d’abord une spécification, suivre une méthode de débogage, utiliser le développement piloté par les tests ou effectuer une revue de code structurée.

Cela illustre pourquoi les packs de compétences se diffusent si rapidement. Ce que recherchent les équipes, ce sont des processus réutilisables, et une série de prompts uniques ingénieux ne leur offre pas cela.

3. TapXWorld/ChinaTextbook (118)

Une grande collection de PDF de manuels scolaires chinois. Il ne s’agit ni d’un cadre d’agents ni d’un ensemble de compétences, mais il s’intègre néanmoins dans le contexte général, car les agents ont besoin de matériel pédagogique adapté au domaine. Un modèle peut produire des réponses fluides grâce à sa formation générale, mais le travail spécialisé dépend souvent du programme exact, des manuels, des politiques, des schémas ou de la documentation spécifique à la tâche.

La prudence est de mise. Le fait d’être disponible sur GitHub ne confère ni autorisation en matière de droits d’auteur, ni précision, ni possibilité d’utilisation sûre. Les ensembles de données et les collections de documents doivent être considérés comme des entrées soumises à des règles, et non comme un contexte gratuit.

4. google/skills (481)

Catalogue propre à Google pour ses produits. L’aperçu cloné contenait 104 compétences relatives à Google Cloud, GKE, BigQuery, Cloud Run, aux bases de données, aux opérations, à la publicité, à l’analyse et à d’autres domaines. C’est cette couche qui transmet les connaissances du fournisseur.

Un échantillon des compétences cloud ayant fait l’objet d’une auditation disposait de mécanismes de contrôle appropriés : une portée de projet claire, une validation des commandes, des requêtes ciblées, ainsi qu’une demande d’approbation avant toute action destructrice ou impliquant la gestion des identités, la facturation, les paramètres d’organisation ou la gestion des clés. Comme le catalogue est vaste, n’installez que ce dont vous avez besoin. Un développeur travaillant sur une fonctionnalité iOS n’a aucun intérêt pour des centaines de procédures cloud qui ne s’appliquent pas.

5. mattpocock/skills (1,359)

Les compétences de Matt Pocock pour les ingénieurs en poste se concentrent sur des pratiques telles que le diagnostic, le TDD, l’architecture, la modélisation de domaine, la recherche, l’examen du code et la remise en question des conceptions. Le projet a terminé à la cinquième place, affichant 210 145 étoiles au moment de la prise d’échantillon.

Sa popularité en dit long sur ce que les développeurs attendent aujourd’hui. Produire du code rapidement n’est plus considéré comme quelque chose d’impressionnant. Ce qui compte, c’est que l’agent fonctionne selon une routine reproductible de raisonnement et de vérification. Ces compétences sont subjectives, ce qui ne s’avère utile que lorsque ces opinions correspondent à celles de votre équipe ; il faut donc les considérer comme des préférences techniques codées et non comme des normes universelles.

6. goauthentik/authentik (467)

Un fournisseur d’identité open source. L’identité semble déplacée sur une liste d’agents tant que l’on n’oublie pas que les agents qui effectuent un travail réel ont besoin d’accès. Ils appellent des services, lisent des dépôts, consultent des tableaux de bord et agissent parfois au nom d’un utilisateur. Dès qu’un agent sort de la génération de texte locale pour interagir avec des systèmes en temps réel, l’identité, l’autorisation, le contrôle de conformité et la révocation deviennent des éléments fondamentaux de l’infrastructure.

Même une compétence bien développée ne peut compenser un certificat accordé en raison de privilèges excessifs. Les flux de travail des agents nécessitent le principe du moindre privilège ainsi que des limites clairement définies au sein des instructions.

7. TauricResearch/TradingAgents (153)

Un cadre multi-agents pour la recherche en matière de trading financier. C’est un exemple évident de spécialisation par domaine, où différents agents s’occupent de la recherche, du débat, des risques et des décisions, plutôt qu’un seul prompt générique prétendant gérer l’ensemble du flux de travail.

C’est également là que l’enthousiasme mérite le avertissement le plus fort. Une conversation multi-agents convaincante ne constitue pas une performance d’investissement validée. Les tests en arrière-plan peuvent divulguer des informations futures, s’adapter de manière excessive à une période donnée, ignorer les coûts d’exécution réalistes et échouer en cas de changement de régime. Ne reliez pas un cadre d’agents expérimental à une autorité de courtage réelle, et ne considérez pas la popularité d’un dépôt comme une preuve de rendements. Dans les systèmes financiers, maintenez la recherche, la simulation, l’approbation et l’exécution comme des domaines de confiance distincts.

8. google/guava (93)

Le ensemble de bibliothèques Java de base largement utilisé par Google. Il ne s’agit pas d’une infrastructure d’IA nouvelle, et son existence rappelle que le logiciel écrit avec des agents repose toujours sur des fondements ordinaires. Les modèles peuvent rapidement générer des adaptateurs et des outils de liaison, mais les collections matures, les mécanismes de mise en cache, les outils de concurrence et les API utilitaires restent précieux.

Les agents ne remplacent pas l’écosystème logiciel plus large. Ils l’utilisent, et des erreurs de compatibilité ou de licence peuvent apparaître plus rapidement si les gens cessent de vérifier les dépendances.

9. LadybirdBrowser/ladybird (48)

Un projet de navigateur indépendant doté de son propre moteur. Les navigateurs deviennent des plateformes d’exécution importantes pour les agents, qui lisent des pages, gèrent des interfaces, testent des applications locales, collectent des preuves et interagissent avec des systèmes ne proposant pas d’API propre.

Un navigateur indépendant n’est pas automatiquement conçu pour les agents, bien que cette catégorie mérite une attention particulière. L’utilisation d’un navigateur implique la mixtion de contenus non fiables, de identifiants, de capacités de connexion réseau et d’actions ayant des effets extérieurs ; par conséquent, le verrouillage dans un environnement isolé et la conception des permissions sont aussi importants que la vitesse de rendu.

10. denoland/celld (432)

celld, issu de Deno, est une implémentation distribuée, écrite en Rust, du modèle des objets durables. De nombreuses démonstrations d’agents manquent d’un état durable et adressable. Un chatbot peut oublier entre les sessions, mais un agent en production doit gérer des tâches, des propriétaires, des tentatives de répétition, des verrous, des événements et des entités à longue durée de vie, sans avoir à regrouper chaque interaction dans un prompt énorme.

Cela ne fait pas de celld un produit de mémoire pour agents. Cela en fait cependant un exemple représentatif de l’infrastructure à état dont ont besoin les agents sérieux.

Ce que représentent ces dix projets

En regroupant ces dix projets par couche, une structure émerge :

Agent runtime       -> prime-agent
Reusable procedure -> addyosmani/agent-skills, google/skills, mattpocock/skills
Domain knowledge    -> ChinaTextbook
Identity and access -> authentik
Domain orchestration-> TradingAgents
Software foundation -> guava
Execution surface   -> Ladybird
Durable state       -> celld

Les compétences attirent l’attention car elles constituent la couche la plus facile à transporter. Un fichier SKILL.md peut être transféré entre des agents de codage compatibles et encoder un flux de travail en termes que les développeurs peuvent comprendre. Cependant, une compétence n’est ni un environnement isolé, ni un système d’identité, ni une base de données, ni un outil d’évaluation ou un ensemble de tests, et un système complet a besoin de tous ces éléments.

Pourquoi les compétences connaissent un essor actuel

Les modèles peuvent désormais faire appel à des procédures. Autrefois, lorsqu’ils avaient du mal à exécuter une fonction, des flux de travail complexes ne servaient pas à grand-chose. Aujourd’hui, les agents lisent des dépôts, appellent des outils, exécutent des commandes et persistent à travers de nombreuses étapes ; la partie difficile réside donc dans le choix et la direction de ces étapes.

Les équipes souhaitent un comportement qu’elles puissent comprendre. Une compétence écrite en langage simple est plus facile à examiner qu’un prompt système que personne ne peut voir ; elle peut être versionnée, discutée dans des demandes de fusion et liée à des scripts et des références.

Le passage d’un outil à un autre a créé une demande de portabilité. Les développeurs passent d’Claude Code, Codex, Cursor et d’autres outils d’un projet à l’autre, et un format de compétences portable réduit les coûts liés à la reconstruction du même flux de travail pour chacun d’eux.

Les modèles généraux manquent encore de précision locale. Votre architecture, votre processus de publication, vos limites de sécurité ainsi que la définition de ce qui est considéré comme terminé peuvent ne pas exister dans les données d’entraînement, et les compétences offrent aux équipes un endroit pour consigner ces décisions.

Que cloner et que se contenter d’étudier

Une première étape importante consiste à lire la spécification des compétences des agents et à rédiger un petit flux de travail basé sur une panne que vous avez réellement rencontrée. Consultez les packs d’ingénierie pour trouver des idées, mais ne copiez que les procédures adaptées à votre équipe. Ajoutez uniquement les compétences des fournisseurs pour les plateformes que vous utilisez, lisez tous les scripts et notez le commit que vous avez examiné. Jusqu’à ce que leur évaluation, leurs permissions, l’origine des données et leurs modes de panne soient clairement compris, considérez les affirmations relatives à l’amélioration autonome, au trading automatisé et aux gros volumes de données comme du matériel de recherche.

GitHub Trending mesure l’impulsion d’un projet. Il ne peut pas vous indiquer si un dépôt est prêt pour la production.

En résumé

Les compétences semblent soudainement essentielles pour tout agent, mais elles ne représentent que la couche visible par les gens. En dessous, le comportement des agents se transforme en architecture logicielle : instructions versionnées, connaissances emballées, sessions coordonnées, identité définie par des limites précises, état persistant, surfaces d’exécution isolées et résultats évalués. C’est le chemin qui mène des démos spectaculaires aux systèmes sur lesquels les développeurs peuvent compter.

Trois répertoires de compétences parmi les cinq meilleurs sur GitHub font la une. Les sept autres rappellent que la une ne couvre pas l’ensemble du processus.