Le problème
Pendant 5 ans, j'ai documenté mes process comme tout le monde. Un Notion ici, un Google Doc là, un wiki d'équipe oublié. Le résultat était toujours le même : le document existait, personne ne le relisait, et moi le premier.
Mon profil ne m'aide pas. Je capture beaucoup, je structure difficilement, j'oublie vite. Ce qui n'est pas visible n'existe plus. Un Google Doc enterré dans un dossier, c'est un process qui n'existe pas.
Il y a 2 semaines, j'ai changé d'approche. Au lieu de documenter mes process pour qu'un humain les lise, je les ai codifiés pour qu'une IA les exécute.
Documenter vs codifier
Documenter, c'est écrire un process pour qu'un humain le comprenne. Le humain le lit, l'interprète, l'adapte, fait des erreurs, oublie des étapes.
Codifier, c'est écrire un process pour qu'une IA le rejoue. L'IA le lit à chaque session, applique les étapes, ne saute rien, ne réinterprète pas.
La différence n'est pas subtile. C'est la différence entre un manuel d'instructions et un programme.

Un exemple concret. Mon process de code review faisait 2 pages dans un Notion. Personne ne le suivait à la lettre. Maintenant, c'est un skill : un fichier SKILL.md de 80 lignes que Claude Code lit et exécute. Diagnostic, audit de complétude, audit de fix, validation. Chaque étape, dans l'ordre, à chaque fois.
La méthode en 4 étapes

1. Cartographier ce que tu fais, pas ce que tu penses faire
Première erreur : documenter le process idéal. Celui que tu ferais si tu étais discipliné. Ça ne sert à rien parce que tu ne le suis déjà pas.
Cartographie ce que tu fais réellement. Pendant 2 semaines, à chaque fois que tu répètes une tâche, note-la. Pas le process propre. La vraie séquence, avec les raccourcis et les trucs que tu fais au feeling.
J'ai trouvé 40 process répétitifs en 2 semaines. Code review, fix de bug, cadrage de feature, onboarding, daily review, capture d'idée, planning LinkedIn, analyse crypto, remplir mon CRA. Des trucs que je faisais machinalement sans réaliser que c'était des process.
2. Atomiser : un process = un fichier
Deuxième erreur : le méga-document qui contient tout. Personne ne lit un document de 50 pages. L'IA non plus, ou mal.
Un process = un fichier. Un fichier = un SKILL.md. Le nom du fichier décrit le déclencheur ("mr-review", "fix-bug", "create-feature"). Le contenu décrit les étapes.
La règle : si tu ne peux pas nommer ton process en 2 mots, c'est qu'il est trop gros. Découpe.
3. Codifier : le fichier doit s'exécuter, pas se lire
C'est là que ça change tout. Un SKILL.md n'est pas de la documentation. C'est un programme en langage naturel.
Structure type d'un de mes skills :
1. Déclencheur : "review cette MR", "mr-review [URL]"
2. Étape 1 : lire le diff, comprendre l'intention
3. Étape 2 : critique adversariale (existence + correction)
4. Étape 3 : cross-package, i18n, edge cases
5. Étape 4 : classer les commentaires (bloquant / important / suggestion / nitpick)
6. Livrable : verdict structuré, pas unavis générale
L'IA lit ça et l'exécute. Pas à peu près. Exactement. Chaque fois.
Le test simple : si tu donnes ton fichier à un collègue compétent et qu'il peut faire la tâche sans te poser de question, c'est bon. Si l'IA peut le faire sans halluciner, c'est encore mieux.
4. Tester et tuer ce qui ne marche pas
Le piège du système : il grossit. J'ai 40 skills. Tous ne sont pas utiles.
Certains sont des coquilles vides que j'ai jamais fini de remplir. D'autres étaient utiles 3 mois et ne le sont plus. Un skill mort, c'est du bruit dans le système. L'IA peut le déclencher au mauvais moment.
Règle : si un skill n'a pas servi en 30 jours, je l’archive. Pas je le supprime. Je l'archive. Le système reste léger, et je peux le réactiver si besoin.
Ce que ça change en pratique
Onboarding. Un nouveau dev arrive. Avant : 2 heures à tout expliquer. Maintenant : il lit l'AGENTS.md (150 lignes, ce que j'aurais mis 2 heures à dire) et pose ses questions à l'IA, qui a le contexte complet.
Code review. 45 minutes par MR, descendu à 20. Le skill fait la passe mécanique, les humains font la passe jugement.
Rédaction. Mes posts LinkedIn, ma newsletter, mes pages de vente : chaque format a son skill. L'IA applique ma voix, mes règles, mes angles. Je valide, je ne pars pas de la page blanche.
Le système n'est jamais fini. C'est un chantier vivant. Mais il tourne.
Ce qui n'a pas marché
Honnêtement :
Sur-ingénierie. J'ai créée des skills pour des tâches que j'aurais dues faire en 30 secondes à la main. Le coût de documentation dépasse le gain. J'ai appris à ne skill-er que les process répétés au moins une fois par semaine.
Maintenance. Un skill périmé est pire que pas de skill. L'IA applique des conventions qui ne sont plus les bonnes. J'ai un process mensuel de nettoyage (archiver les skills dormants).
Faux sentiment de productivité. Documenter un process donne l'impression d'avancer. Mais un skill qui n'est jamais déclenché ne sert à rien. Le test : est-ce que l'IA a exécuté ce skill cette semaine ?
Liens sélectionnés
Claude Skills are awesome, maybe a bigger deal than MCP (Simon Willison, oct. 2025). Un des premiers devs à avoir testé les Skills en conditions réelles. Pourquoi un dossier de Markdown + scripts bat le MCP en simplicité. La référence sur "codifier" un savoir-faire.
Standardize project context with AGENTS.md and Agent Skills (Red Hat, juil. 2026). Le lien exact entre contexte "always-on" (AGENTS.md) et skills situationnels. Avec exemples de SKILL.md et du pattern @AGENTS.md pour Claude Code.
A Complete Guide To AGENTS.md (Matt Pocock, AI Hero). Le guide le plus cité sur comment structurer un AGENTS.md qui change vraiment la sortie : progressive disclosure, éviter la boule de boue, découper par langage.
Cursor Rules in Action: How Our Engineers Use It at Atlan (Atlan, juin 2025). Retour terrain d'une équipe sur la codification de micro-workflows en .mdc. La différence entre règles "tech stack" et règles de process, en vrai.
Evaluating AGENTS.md: Are Repository-Level Context Files Helpful? (ETH Zurich, fév. 2026). Le contre-point qui crédibilise : les context files auto-générés n'améliorent pas le taux de succès et coûtent +20% d'inférence. Mais les instructions précises sur des pratiques non standard sont bien suivies. La nuance entre "documenter générique" (inutile) et "codifier un process précis" (utile).
Outil de la semaine
gitingest. Tu donnes une URL GitHub, il te recrache le repo entier en un fichier texte prêt à coller dans ton IA. Pas besoin d'expliquer ta codebase à l'IA, tu lui files le dump. Gratuit, open-source. L'outil parfait pour passer de la couche 1 (assistant qui devine) à la couche 2 (éditeur qui connaît ton code).
Quel est le process que tu répètes chaque semaine sans jamais l'avoir formalisé ?
Dis-le moi. Ça m'aide à calibrer les prochains numéros. Et la semaine prochaine, je démonte la couche 3 en détail : comment un skill se construit, du premier prompt au système qui tourne sans toi.

