De l'Agent au Skill : pourquoi OpenHuman est un phénomène GitHub

En mai 2026, OpenHuman (tinyhumansai/openhuman, GPL-3) est déjà un agent de bureau open source à plusieurs dizaines de milliers d’étoiles sur GitHub — pour un dépôt principal rendu public en février 2026, cela vaut le qualificatif de phénomène. Les fils communautaires le confondent souvent avec OpenClaw, mais ce qui mérite une vraie analyse n’est pas seulement la courbe d’étoiles — c’est le fil conducteur clair du récit produit : de l’agent monolithique aux Skills composables. OpenHuman découpe Gmail, Notion, GitHub et le reste en unités installables SKILL.md, alimente le contexte avec Memory Tree et l’auto-fetch, et injecte des instructions à chaque tour via prompt injection — la même direction que Personal AI et les stacks d’agents ouverts ont convergé en 2026.

1. « Phénomène » sur GitHub : ce que signifient vraiment les chiffres

Le nombre d’étoiles fluctue ; les idolâtrer comme KPI est absurde. Pourtant, la courbe de croissance d’OpenHuman est exceptionnellement raide. En mai 2026, le dépôt principal se situe dans la fourchette ~20k étoiles, avec 2k+ forks, 100+ contributeurs et une cadence de releases active (p. ex. v0.54.x). Face aux autres Personal AI / agents de bureau, il cumule quatre « amplificateurs d’étoiles » à la fois :

• Timing — début 2026, le hype agent passe des démos à « est-ce que je peux l’installer sur ma machine ? »
• Forme — bureau Tauri + Rust, onboarding en quelques minutes ; plus proche des travailleurs du savoir qu’une passerelle CLI pure.
• Récit — « super-intelligence Personal AI » plus Memory Tree locale, visant l’amnésie de session façon ChatGPT (voir Personal AI is replacing ChatGPT).
• Licence — GPL-3, auditable et fork-friendly ; le local-first gagne quand on s’inquiète de la garde cloud.

2. De l’Agent au Skill : la réponse mainstream à l’extensibilité en 2026

Les premiers agents étaient souvent « un gros modèle + outils codés en dur ». Chaque nouveau SaaS impliquait des changements noyau, des releases et une revue sécurité. En 2025–2026, la communauté a standardisé les Skills comme frontière — des capacités empaquetées en unités découvrables, installables, versionnées ; le noyau ne fait que planifier et tenir le contexte.

Plusieurs dialectes ont émergé :

• Claude Code / Cursor — serveurs MCP plus fichiers de règles projet.
• OpenClaw — Skills passerelle et plugins de canal pilotés par SKILL.md.
• OpenHuman — dépôt séparé openhuman-skills plus catalogue Skill bureau et prompt injection.

Fil commun : étendre en ajoutant des entrées au catalogue, pas en forkant le noyau. La fracture porte sur la question : un Skill est-il une pure injection d’instructions ou un paquet exécutable sandboxé — la première moitié de 2026 pour OpenHuman a été la transition douloureuse du second vers le premier, et cette transition est clé pour lire la chaleur GitHub. Mnémotechnique : Memory répond à « qui es-tu ? », Skills répond à « que peux-tu appeler ? » — couches orthogonales qui se renforcent mutuellement.

3. Architecture Skill OpenHuman : SKILL.md et prompt injection

D’après le merge d’avril 2026 du dépôt principal feat(skills): agentic loop wiring for SKILL.md bodies et travaux associés, le chemin Skill ressemble aujourd’hui à ceci :

3.1 Découverte et installation

L’app bureau maintient un répertoire de Skills installés ; le catalogue par défaut peut pointer vers GitHub openhuman-skills (surcharge avec VITE_SKILLS_GITHUB_REPO en dev). Les utilisateurs peuvent aussi installer un seul .md depuis une URL HTTPS (limites de taille et de schéma — vérifier le source actuel).

Pour le dev local, pointez les Skills vers votre registre forké :

# Desktop dev env (example; field names may vary by release)
export VITE_SKILLS_GITHUB_REPO="your-org/openhuman-skills"

# Install one Skill from HTTPS (.md only, HTTPS only)
# Installer validates scheme, path suffix, and body size cap

3.2 Correspondance et injection

À chaque tour utilisateur, l’agent :

1. Injecte dans le prompt système une liste « Skills disponibles » (nom + description) ;
2. Correspond aux Skills via @mention explicite ou heuristiques mot-clé/tag ;
3. Lit les corps SKILL.md correspondants et les injecte en blocs [SKILL:name] ;
4. Applique un plafond d’injection total ~8 KiB par tour — budgétisation pratique des tokens.

Les auteurs communautaires structurent typiquement SKILL.md ainsi (frontmatter YAML + instructions Markdown) :

---
name: gmail
description: Read and draft Gmail, using mail summaries in Memory Tree
tags: [email, google, productivity]
trust: user
---

# Gmail Skill

When the user mentions mail, inbox, or follow-up:
1. Check Memory Tree for mail chunks from the last 48h
2. Call gmail.read_thread only when full text is needed
3. Draft replies into the local vault; send only after user confirmation

Never call gmail.send without confirmation

Forme d’injection dans un tour (illustratif, pas le prompt complet) :

## Available Skills
- gmail — read and draft Gmail…
- notion — Notion pages and databases…

[SKILL:gmail]
(SKILL.md body; total injected bytes ≤ 8192)

3.3 Découplé de l’ancien runtime QuickJS

Les builds antérieurs exécutaient les paquets Skill dans un sandbox QuickJS ; la roadmap mi-2026 a retiré ce runtime. Les Skills aujourd’hui penchent vers catalogue de métadonnées + injection d’instructions, pas des plugins exécutables tiers — les contributeurs maintiennent encore Notion, Gmail, etc. dans openhuman-skills, mais le comportement de chargement suit les release notes actuelles.

4. Memory Tree + auto-fetch : prérequis pour que les Skills comptent

Une liste de Skills seule produit encore « des outils sans te connaître ». L’autre pilier d’OpenHuman est un pipeline mémoire continu (orthogonal aux Skills, mais mutuellement amplificateur) :

• 118+ intégrations (formulation doc ; varie selon la release) — OAuth vers Gmail, GitHub, Slack, Linear, etc., exposés comme outils typés.
• Auto-fetch — ~toutes les 20 minutes, les connecteurs actifs tirent des données fraîches dans Memory Tree (SQLite + chunks Markdown lisibles).
• Couche compatible Obsidian — la même mémoire peut atterrir dans un vault que vous auditez et éditez — les Skills appellent des outils ; Memory Tree répond à « que faisait cet utilisateur hier ? »

C’est là qu’OpenHuman bat souvent les agents « passerelle seule » : Skills bornent la capacité ; Memory Tree borne la profondeur du contexte personnel. Installer des Skills sans câbler les sources et l’expérience s’amenuise vite — pas un bug, une hypothèse architecturale.

Optionnel : partager un backend agentmemory avec Claude Code / Cursor (chemins et champs selon la doc de release) :

# config.toml excerpt (illustrative)
[memory]
backend = "agentmemory"   # default local Memory Tree; switch to self-hosted agentmemory

[memory.agentmemory]
endpoint = "http://127.0.0.1:8765"
namespace = "personal"

Flux de données en une ligne : OAuth → auto-fetch vers Memory Tree → tour utilisateur déclenche la correspondance Skill → injection du corps SKILL.md (≤8 KiB).

5. Écosystème openhuman-skills et flywheel communautaire

Les pics d’étoiles du dépôt principal s’appuient sur un dépôt Skills séparé qui abaisse la barre de contribution :

• Les Skills core (gmail, notion, référence server-ping) vivent sous openhuman-skills/src/core/ ;
• Les contributeurs éditent des Skills, lancent les scripts de validation, ouvrent des PR — pas besoin de forker toute l’app Tauri ;
• Les utilisateurs perçoivent des installs façon app store, pas « cloner le monorepo et compiler trois jours ».

Même flywheel que les formules Homebrew ou les extensions VS Code : noyau stable, écosystème rapide. Les « phénomènes » GitHub viennent souvent de « quelqu’un peut-il ajouter mon intégration en une semaine ? » — OpenHuman a scindé cela en dépôt public plus conventions SKILL.md documentées.

Arborescence typique openhuman-skills (simplifiée) :

openhuman-skills/
├── src/core/
│   ├── gmail/          # Gmail OAuth + tools
│   ├── notion/         # Notion integration
│   └── server-ping/    # reference / health-check Skill
├── docs/
│   └── SKILL_AUTHORING.md
└── scripts/
    └── validate-skills.sh

Boucle contributeur : éditer Skill → valider → PR au registre ; le bureau tire le catalogue — le dépôt principal openhuman n’a pas besoin de shipper pour chaque SaaS.

6. Comparaison : Skills OpenHuman vs OpenClaw SKILL.md

Pas un jeu à somme nulle. Les équipes matures font souvent tourner OpenHuman sur un portable pour la mémoire et les expériences Skill, OpenClaw sur un Mac cloud pour les connexions longues Telegram/Discord — voir OpenHuman vs OpenClaw comparison.

7. Qui devrait installer maintenant ? Qui devrait attendre ?

Bon fit aujourd’hui :

• Product et ingénierie validant hands-on les patterns Personal AI / injection Skill ;
• Workflows Obsidian + Markdown prêts à auto-fetch Gmail/GitHub ;
• Utilisateurs Mac Apple Silicon prévoyant l’inférence locale Ollama/MLX ;
• Contributeurs préparant des intégrations openhuman-skills qui ont besoin d’un essai bureau réel.

Attendre ou baisser les attentes :

• Automatisation production nécessitant des sandboxes Skill exécutables tiers (aujourd’hui : prompt injection d’abord) ;
• Support multi-canal, SLA externes, bots de groupe WhatsApp — passerelles classe OpenClaw d’abord ;
• Zéro OAuth, zéro connecteur, omniscience attendue — Memory Tree n’apparaît pas de nulle part ;
• Embed entreprise exigeant audits publiés et SLA commerciaux — énergie Beta encore.

8. Limites et erreurs fréquentes

8.1 Limites dures (à mettre dans votre doc de sélection)

• Runtime Skill en flux — ne pas déployer depuis les tutos era plugins QuickJS ; suivre la release actuelle + GitBook.
• Plafonds d’injection — ~8 KiB corps Skill par tour, ~128 KiB par lecture de ressource (constantes source ; peuvent changer) — scinder les SOP longs ou externaliser la doc.
• 118+ sources ≠ la vôtre incluse — vérifier votre stack ; intégrations manquantes = Skills custom ou attente communauté.
• GPL-3 — fork-friendly ; OEM commercial nécessite revue juridique sur la portée copyleft.

8.2 Idées reçues fréquentes

• Les étoiles signifient « remplacement ChatGPT Enterprise » — c’est un OS de contexte personnel, pas un SaaS générique.
• Les Skills lancent des cron jobs après install — beaucoup de Skills aujourd’hui sont des couches d’instructions ; la planification repose encore sur les tours agent et les outils existants.
• Retoucher les listes Skill mais ignorer Memory Tree — sans auto-fetch, le récit Personal AI s’effondre.
• OpenClaw OU OpenHuman — les power users font en général Skills + mémoire en local, passerelle + canaux dans le cloud.

9. Conclusion : phénomène = noyau agent + écosystème Skill + mémoire locale

OpenHuman a trendé sur GitHub non pas grâce à une démo flashy — il a touché trois paris 2026 ensemble : retour des agents de bureau, Skills composables, mémoire locale auditable. La migration Agent→Skill le fait ressembler à Node à l’ère npm — noyau mince, capacité croissante via catalogue communautaire ; Memory Tree garantit que les Skills n’appellent pas des API dans le vide mais servent un « vous » mis à jour en continu.

Pour l’arc Personal AI plus long (pas seulement la mécanique Skill), voir OpenHuman and the Personal AI wave ; pour les bots sortants sur matériel toujours allumé, continuer avec les guides passerelle OpenClaw et déploiement Mac cloud.

Pour aller plus loin : La tendance Personal AI derrière OpenHuman, OpenHuman vs OpenClaw : mémoire vs passerelle, Passerelle OpenClaw résidente sur Mac cloud

10. Skills en local, passerelle dans le cloud : split Mac

Les Skills OpenHuman et Memory Tree appartiennent à votre portable ou Mac de bureau ; les connexions longues Telegram/Discord d’OpenClaw, Cron et secrets de canal conviennent mieux à un Mac mini toujours allumé. Apple Silicon peut empiler Ollama pour l’inférence tandis que la passerelle cloud gère les messages — l’architecture Skill n’a pas effacé « quelque chose doit rester éveillé 24/7 », elle a séparé ce job de la console Personal AI.

vpszap cloud Mac mini propose du matériel dédié, une mise en service ~5 minutes, SSH/VNC, nœuds multi-régions, locations jour/semaine/mois/trimestre sans engagement long — OpenHuman local + OpenClaw cloud sans acheter un second Mac physique pour la passerelle seule.