Skills vs MCP vs Plugins : ce que chacun fait vraiment

Vous entendez constamment trois termes : MCP, skills et plugins. Parfois utilisés de manière interchangeable. Parfois expliqués de façon à les faire paraître identiques. Ils ne le sont pas. Ils résolvent des problèmes fondamentalement différents, et comprendre ces différences vous épargnera des heures de confusion.

Voici la version courte. MCP est de la plomberie. Il connecte votre IA aux outils et données externes via une interface structurée. Les skills sont de l’expertise. Ils enseignent à votre IA comment réfléchir à une tâche et utiliser des outils de manière autonome. Les plugins sont des extensions de plateforme. Ils ajoutent des capacités entièrement nouvelles au logiciel sur lequel votre IA fonctionne.

MCP est arrivé en premier et a résolu un vrai problème. Mais les skills ont été conçus pour une autre ère de l’IA, une ère où l’IA peut raisonner, utiliser des outils par elle-même et travailler en boucle jusqu’à ce qu’une tâche soit accomplie. Comprendre ce changement est essentiel pour savoir vers quoi se tourner.

Comment nous en sommes arrivés là

Fin 2024, Anthropic (l’entreprise derrière Claude) a publié le Model Context Protocol (MCP). Le problème qu’il résolvait était réel : chaque outil d’IA avait sa propre façon de se connecter à des services comme GitHub (où les développeurs stockent leur code), Slack (messagerie d’équipe), les bases de données et tout le reste. MCP a créé un standard unique pour toutes ces connexions. Construisez un connecteur, et tout outil d’IA compatible MCP peut l’utiliser.

À l’époque, l’IA était un chatbot. Elle pouvait répondre aux questions et générer du texte, mais elle ne pouvait pas réellement agir sur votre ordinateur. Elle avait besoin que chaque outil soit décrit à l’avance : voici le nom de l’outil, voici ce qu’il fait, voici les paramètres exacts à transmettre. MCP était la bonne solution pour ce moment.

Puis tout a changé. Début 2025, Anthropic a publié Claude Code, une IA qui ne se contente pas de discuter. Elle peut lire des fichiers sur votre ordinateur, écrire du code, exécuter des commandes et continuer à travailler seule jusqu’à ce qu’une tâche soit terminée. D’autres entreprises ont suivi : OpenAI (l’entreprise derrière ChatGPT) a publié Codex CLI, Google a publié Gemini CLI, et des outils comme Cursor et GitHub Copilot ont acquis des capacités similaires. L’IA est passée de quelque chose à qui l’on parle à quelque chose qui travaille pour vous. C’est ce qu’on appelle aujourd’hui l’IA agentique, ou simplement les agents : une IA capable d’agir, d’utiliser des outils et d’accomplir des tâches par elle-même. Et une IA qui peut agir seule n’a pas besoin que chaque outil soit décrit à l’avance. Elle peut comprendre comment utiliser les outils si vous lui enseignez simplement le workflow.

C’est exactement ce que font les skills. Anthropic a livré les Skills dans Claude Code en octobre 2025. Au lieu de donner à l’IA une description formelle d’outil, un skill lui enseigne comment utiliser les outils par elle-même. Un skill est simplement un fichier texte avec des instructions. Pas de processus en cours d’exécution, pas de protocole, pas d’infrastructure.

Simon Willison, un développeur et auteur reconnu dans le monde de l’IA, les a immédiatement qualifiés de « formidables, peut-être plus importants que MCP. » Son raisonnement : les skills sont d’une élégante simplicité, ils ne consomment presque aucune ressource tant qu’ils ne sont pas sollicités (contrairement à MCP, qui charge tout d’avance), et ils fonctionnent avec tous les principaux outils d’IA. Il a prédit « une explosion cambrienne de Skills qui fera paraître la ruée MCP de cette année bien modeste en comparaison. »

Deux mois plus tard, Anthropic a publié les skills en tant que standard ouvert. Le même fichier skill fonctionne désormais avec Claude Code, Codex CLI, Gemini CLI, Cursor, GitHub Copilot, Windsurf, Cline, Amp et ChatGPT. Écrivez une fois, utilisez partout.

À peu près au même moment, Anthropic a fait don de MCP à un organisme neutre, l’Agentic AI Foundation sous la Linux Foundation, cofondée avec Block (l’entreprise de paiement derrière Square et Cash App) et OpenAI. MCP est désormais un standard industriel soutenu par Amazon, Google, Microsoft et Cloudflare. Il ne disparaîtra pas. Mais la question de savoir si vous en avez réellement besoin pour la plupart des tâches a une réponse différente de celle d’il y a un an.

MCP : la couche de connexion

Le Model Context Protocol (MCP) est un standard pour connecter les applications d’IA aux outils et données externes. Imaginez-le comme l’USB-C de l’IA. Avant l’USB-C, chaque appareil avait son propre chargeur. Avant MCP, chaque outil d’IA avait besoin de son propre connecteur pour GitHub, Slack, votre base de données et tout le reste. MCP a créé une prise universelle.

Comment ça fonctionne

Le dispositif a deux côtés. Votre outil d’IA (Claude Desktop, Cursor, VS Code) est d’un côté. De l’autre, un petit programme appelé connecteur MCP sait communiquer avec un service spécifique. Vous voulez que votre IA gère GitHub ? Lancez un connecteur MCP GitHub. Qu’elle travaille avec une base de données ? Lancez un connecteur MCP base de données.

Chaque connecteur indique à l’IA ses capacités : « Je peux créer des pull requests, » « Je peux rechercher des issues, » « Je peux exécuter des requêtes sur la base de données. » L’IA voit ces capacités et peut les utiliser quand c’est pertinent.

Ce que les connecteurs exposent	Qui contrôle	Exemple
Tools	L’IA décide quand les utiliser	« Créer une pull request, » « Rechercher des issues »
Resources	L’application les fournit	Fichiers, enregistrements de base de données, documents
Prompts	L’utilisateur les déclenche	Modèles pré-écrits pour les tâches courantes

L’écosystème

MCP connaît une adoption massive : 97 millions de téléchargements mensuels, plus de 10 000 connecteurs et une gouvernance par la Linux Foundation. Les plus populaires donnent une idée de l’étendue : Playwright MCP de Microsoft pour l’automatisation de navigateur, Firecrawl pour convertir des sites web en texte propre, des connecteurs pour GitHub, Notion, Brave Search, PostgreSQL et même Blender pour la modélisation 3D. Des services comme Composio regroupent plus de 250 intégrations en un seul connecteur.

Le problème : MCP a été conçu pour les chatbots

MCP a été conçu quand l’IA avait besoin que chaque outil soit décrit à l’avance. Il a résolu le bon problème au bon moment. Mais le monde a changé.

Chaque connecteur MCP ajouté charge sa liste complète de capacités dans la mémoire de l’IA. Connectez 10 connecteurs avec 5 outils chacun et vous avez consommé 50 descriptions d’outils avant même que votre conversation ne commence. C’est de la mémoire que l’IA pourrait utiliser pour votre tâche réelle.

Armin Ronacher (créateur de Flask, un framework web populaire) a bien décrit le problème : les descriptions d’outils finissent par être « trop longues pour être chargées d’avance, trop courtes pour vraiment indiquer à l’IA comment les utiliser. » Il préfère désormais laisser l’IA gérer ses propres outils via les skills, car il garde le contrôle.

MCP s’est amélioré. Une mise à jour de janvier 2026 a considérablement réduit le coût mémoire initial. Mais la conception fondamentale demeure : vous avez besoin d’un programme en cours d’exécution pour chaque service connecté, d’une couche de traduction entre l’IA et l’outil, et de descriptions qui rivalisent avec votre conversation réelle pour l’espace disponible.

Plus important encore, la plupart des connecteurs MCP ne font qu’envelopper des outils qui existent déjà. Un connecteur MCP GitHub enveloppe gh (l’outil propre de GitHub). Un connecteur MCP Postgres enveloppe psql (l’outil propre de la base de données). C’est une couche supplémentaire entre l’IA et l’outil, alors que l’IA pourrait simplement utiliser l’outil directement.

Où MCP reste pertinent

MCP n’est pas inutile. Il a une vraie valeur quand :

L’IA ne peut que discuter, comme dans Claude Desktop ou d’autres applications chat uniquement où elle ne peut pas exécuter de commandes
Il n’existe pas d’outil pour le service auquel vous devez vous connecter
La conformité l’exige, dans des environnements d’entreprise nécessitant des pistes d’audit formelles
Vous ne souhaitez pas que l’IA exécute des commandes, pour des raisons de sécurité

Mais pour la plupart du travail pratique, l’automatisation locale et tout contexte où l’IA peut agir de manière autonome, quelque chose de mieux est arrivé.

Skills : conçus pour l’ère agentique

Les skills partent d’une question différente. MCP demande « comment connecter l’IA aux outils ? » Les skills demandent « comment enseigner à l’IA à utiliser les outils qu’elle possède déjà ? »

Un skill est un ensemble d’instructions qui transforme une IA généraliste en spécialiste. Il ne connecte l’IA à rien de nouveau. Il lui enseigne comment utiliser ce à quoi elle a déjà accès, y compris chaque outil et programme déjà installé sur l’ordinateur où elle s’exécute.

---
name: weekly-summary
description: Summarize team notes into highlights, decisions, and risks
allowed-tools: Read, Grep, Glob
---

When asked to summarize weekly notes:
1. Read all files matching `notes/*.md`
2. Extract highlights, decisions, and open risks
3. Format as a structured summary with sections for each
4. Keep it under 500 words

Voilà un skill complet. Quand l’IA le lit, elle acquiert une expertise qu’elle n’avait pas avant. Elle connaît le workflow, les contraintes, le format de sortie attendu. Pas de programmes en cours d’exécution. Pas de connexions à gérer. Juste un fichier texte.

Comment fonctionnent les skills

Quand vous installez un skill, il se présente comme un fichier dans votre projet. L’IA lit le nom et la description du skill au début d’une session (cela ne coûte presque rien). Quand le skill est nécessaire, soit parce que vous le demandez soit parce que l’IA reconnaît la situation, les instructions complètes sont chargées. C’est tout.

Les skills n’ont aucun coût d’infrastructure. Ce sont des fichiers texte. Ils se chargent instantanément. Ils fonctionnent hors ligne. Ils fonctionnent avec tous les principaux outils d’IA.

Ce qui distingue les skills de MCP

L’IA moderne peut exécuter des commandes par elle-même. Elle peut utiliser curl (pour récupérer des données sur le web), grep (pour chercher dans les fichiers), git (pour gérer le code), docker (pour exécuter des logiciels) et tous les autres outils disponibles sur l’ordinateur. Un skill enseigne à l’IA quand et comment utiliser ces outils pour une tâche spécifique. Et surtout, les skills permettent quelque chose que MCP ne peut pas offrir : des boucles de rétroaction autonomes.

Prenez le skill SEO de SquirrelScan. Il demande à l’IA d’auditer un site web pour le référencement, de lire les résultats, de corriger les problèmes trouvés, puis de ré-auditer en boucle jusqu’à ce que le score s’améliore. L’IA raisonne sur les résultats, décide quoi corriger, effectue les changements et valide le résultat. MCP donne à l’IA un bouton à presser. Un skill donne à l’IA un workflow à exécuter, itérer et mener à bien de manière autonome.

Ce schéma fonctionne pour presque tout. Besoin d’interagir avec GitHub ? Il y a un outil pour ça. Les bases de données ? Il y a un outil pour ça. Les API web ? Il y a un outil pour ça. Les outils existent déjà. Les skills enseignent simplement à l’IA comment les utiliser.

L’exemple le plus frappant à ce jour : Hugging Face (une grande plateforme et communauté d’IA) a publié un skill qui enseigne à l’IA à écrire du code GPU haute performance en février 2026. Un court fichier texte avec des instructions structurées, plus des scripts de référence et des guides d’optimisation. Le résultat : l’IA génère du code fonctionnel qui fait tourner d’autres modèles d’IA presque deux fois plus vite sur du matériel spécialisé. De l’expertise technique pointue encodée dans un fichier texte, produisant des gains de performance réels. Aucun connecteur MCP impliqué.

Comme l’a écrit @chrysb sur X : « les skills à la demande, c’est tout ce dont on a besoin. Ils peuvent exécuter n’importe quelle commande inventée depuis les débuts de l’informatique. Un retour en grâce d’outils anciens mais puissants. Désormais accessibles à tous, pilotés par les modèles les plus intelligents du monde. »

Les arguments courants en faveur de MCP, et leurs contre-arguments :

« MCP offre des entrées structurées et validées » : Un outil bien documenté aussi.
« MCP donne des permissions explicites » : Un environnement contrôlé avec une allowlist aussi.
« MCP est un standard » : Un standard qui passe mal à l’échelle reste un standard qui passe mal à l’échelle.

Fonctionne partout

Le même fichier skill fonctionne avec Claude Code, OpenAI Codex CLI, Google Gemini CLI, Cursor, GitHub Copilot, Windsurf, Cline, Amp et ChatGPT. Écrivez une fois, utilisez partout. MCP promettait la même chose, mais les skills y parviennent sans rien à installer ni exécuter.

L’écosystème

L’écosystème croît rapidement. Vercel (une grande plateforme web) a lancé skills.sh en janvier 2026 comme répertoire ouvert pour découvrir et installer des skills, atteignant des dizaines de milliers d’installations peu après le lancement. Plus de 52 000 skills sont désormais disponibles sur plusieurs places de marché : SkillsMP, AgentSkills.to, skill0, Skills Directory et d’autres. Hugging Face héberge également des skills.

Les skills les plus installés montrent leur utilisation réelle : React best practices par Vercel (166k installations), web design guidelines (127k), Remotion video rendering (111k), frontend design par Anthropic (99k) et Azure cloud skills par Microsoft (53k chacun). Des skills spécialisés comme Hugging Face CUDA kernels, intégration Stripe, audit de sécurité Trail of Bits et SquirrelScan SEO complètent le tableau.

Un mot de prudence : la croissance a dépassé la qualité. Une analyse de Hugging Face du marché des skills a révélé que 46 % des skills listés sont des doublons ou quasi-doublons, beaucoup sont surdimensionnés bien au-delà de ce qu’une IA peut raisonnablement utiliser, et 9 % présentent des risques de sécurité critiques. La recherche académique le confirme : SkillsBench, le premier benchmark à grande échelle pour les skills d’agents, a montré que des skills bien conçus améliorent la performance de l’IA de 16 points de pourcentage en moyenne, certains domaines affichant des gains de plus de 50 points. Mais les skills auto-générés par l’IA n’apportaient aucun bénéfice. La leçon est claire : les meilleurs skills sont écrits par des personnes qui comprennent le domaine et le workflow, pas générés en masse par l’IA. La qualité prime sur la quantité. Une commande pour en installer un bon :

npx skills add openclaw-rocks/skills --skill jobs-ive

Quand utiliser les skills

Vous voulez que votre IA se comporte de manière cohérente (suive votre style de code, votre processus de revue, votre ton rédactionnel)
Vous voulez donner à votre IA une expertise métier (stratégie produit, audit de sécurité, optimisation SEO)
Vous voulez que votre IA travaille en boucle (vérifier, corriger, re-vérifier jusqu’à atteindre un standard)
Vous voulez que le même skill fonctionne avec différents outils d’IA
Vous voulez zéro configuration et zéro coût de fonctionnement

Si votre problème est « mon IA ne sait pas comment faire X correctement, » un skill est presque certainement la bonne réponse.

Les plugins OpenClaw : la couche plateforme

OpenClaw (la plateforme open source d’assistants IA) a sa propre façon d’étendre ses capacités : tools, skills et plugins. Les skills dans OpenClaw fonctionnent exactement comme le standard décrit ci-dessus. Mais les plugins sont quelque chose d’entièrement différent.

Un plugin OpenClaw est du vrai code qui s’exécute à l’intérieur du logiciel OpenClaw lui-même. Là où les skills enseignent à l’IA quoi faire, et où MCP la connecte à des services externes, les plugins modifient ce que la plateforme peut faire à un niveau fondamental. Ils peuvent ajouter de nouveaux canaux de messagerie (pour que votre IA vous parle sur Telegram, WhatsApp ou Teams), ajouter de nouvelles fonctionnalités à la plateforme, exécuter des tâches en arrière-plan et regrouper leurs propres skills et outils.

Le créateur d’OpenClaw, Peter Steinberger, a délibérément choisi de ne pas ajouter le support natif de MCP. Comme il l’a dit : « il y a une raison pour laquelle je n’ai pas ajouté le support MCP à OpenClaw (sauf via le convertisseur mcporter MCP-vers-CLI). » La philosophie est claire : les skills sont le moyen principal d’étendre les capacités de votre IA. MCP est disponible en solution de repli via mcporter (qui convertit les connecteurs MCP en outils classiques) quand vous en avez vraiment besoin.

Les plugins officiels couvrent les besoins les plus courants : appels vocaux, Microsoft Teams, messagerie Matrix et Nostr (un protocole social décentralisé). Sur ClawHub (la place de marché communautaire), plus de 5 700 skills et plugins créés par la communauté couvrent tout, du changement de modèle d’IA à la gestion Kubernetes en passant par l’audit SEO. Les catégories les plus actives sont l’intégration IA/LLM, la recherche, le DevOps et le développement web.

Ce que les plugins peuvent faire

L’étendue de ce qu’un plugin peut enregistrer est large :

Canaux de messagerie : Connectez votre IA à Telegram, Matrix, Zalo, MS Teams et plus
Outils personnalisés : Donnez à votre IA de nouvelles capacités au-delà de ce que les skills peuvent enseigner
Commandes : Ajoutez de nouvelles commandes à l’interface en ligne de commande d’OpenClaw
Points d’API : Étendez les capacités du serveur OpenClaw
Services en arrière-plan : Exécutez des tâches longues selon un planning
Flux de connexion : Ajoutez de nouvelles méthodes d’authentification (Google, GitHub, clés API)
Hooks : Déclenchez automatiquement des actions lorsque des événements surviennent
Skills : Regroupez des paquets de skills dans le plugin

Structure d’un plugin

Chaque plugin a un fichier de configuration qui déclare ce qu’il ajoute à la plateforme :

{
  "openclaw": {
    "extensions": ["./src/channels.ts", "./src/tools.ts"]
  }
}

Le plugin s’exécute à l’intérieur du logiciel OpenClaw lui-même, ce qui signifie qu’il a un accès complet au système. Cela rend les plugins puissants, mais cela signifie aussi que vous devez faire confiance au code avant de l’installer.

Installation

openclaw plugins install @openclaw/voice      # from npm
openclaw plugins install ./my-plugin          # local directory
openclaw plugins install plugin.tgz           # tarball

Gestion via la CLI :

openclaw plugins list
openclaw plugins enable <id>
openclaw plugins disable <id>
openclaw plugins doctor                       # diagnose issues

Sécurité

Puisque les plugins s’exécutent à l’intérieur du logiciel OpenClaw, ils ont le même niveau d’accès que le logiciel lui-même. OpenClaw dispose de protections intégrées (il bloque les chemins de fichiers suspects, valide la propriété et prend en charge les allowlists pour les plugins approuvés), mais la règle de base est : examinez un plugin avant de l’installer, surtout s’il provient d’une source inconnue.

Quand utiliser les plugins

Vous devez connecter OpenClaw à une nouvelle plateforme de messagerie (Telegram, WhatsApp, Teams)
Vous voulez ajouter de nouvelles capacités au logiciel OpenClaw lui-même
Vous avez besoin de tâches planifiées ou de réactions automatiques à des événements
Vous construisez quelque chose qui dépasse ce que des instructions dans un fichier texte peuvent accomplir

Les plugins sont le moyen le plus puissant d’étendre OpenClaw, et le plus complexe. Ils sont aussi spécifiques à OpenClaw. Un plugin ne fonctionne pas dans Claude Code ou Cursor. Il fonctionne dans OpenClaw.

Comment tout s’articule

Les trois représentent une évolution, pas une hiérarchie :

              What it is                Built for          Works across tools?
-----------------------------------------------------------------------------
MCP           Connectors (protocol)     Chatbot era        Yes
Skills        Instructions (text)       Agentic era        Yes
Plugins       Code (software)           Platform needs     OpenClaw only

MCP a résolu le problème d’intégration quand l’IA ne pouvait pas utiliser les outils par elle-même. Les skills le résolvent mieux maintenant qu’elle le peut. Les plugins étendent la plateforme quand les skills ne suffisent pas.

Exemple : votre assistant OpenClaw résume l’activité hebdomadaire de votre équipe sur Slack.

Un skill définit l’ensemble du workflow. Il indique à l’IA quel résultat produire, quels canaux prioriser, ce qui constitue un point fort vs. une décision vs. un risque, et le niveau de qualité attendu. Il demande à l’IA de récupérer les messages depuis Slack en utilisant l’outil Slack.
Un plugin fournit le canal de livraison. Un plugin de canal Telegram permet à OpenClaw de vous envoyer le résumé terminé chaque vendredi après-midi via Telegram.

Aucun connecteur MCP nécessaire. Le skill enseigne à l’IA comment faire le travail. Le plugin gère l’intégration plateforme.

L’arbre de décision

Si vous vous demandez vers quoi vous tourner :

« Mon IA doit communiquer avec un autre service. » Demandez-vous d’abord : ce service a-t-il un outil existant ? Si oui, écrivez un skill qui enseigne à l’IA comment l’utiliser. Si non, envisagez MCP.

« Mon IA ne sait pas comment faire X correctement. » Utilisez un skill. Écrivez les instructions, et l’IA apprend. Si la tâche nécessite de l’itération (vérifier, corriger, re-vérifier), les skills gèrent cela naturellement.

« Je dois modifier le fonctionnement d’OpenClaw lui-même. » Utilisez un plugin. Ajoutez un nouveau canal de messagerie, une nouvelle fonctionnalité ou une tâche en arrière-plan.

« Je veux tout cela dans un seul paquet installable. » C’est ce que proposent les Claude Code Plugins (janvier 2026) et les plugins OpenClaw : des paquets qui peuvent livrer skills, outils et extensions de plateforme ensemble.

Ce qui s’est passé et ce qui vient ensuite

Il y a un an, MCP a été lancé pour résoudre un vrai problème : l’IA avait besoin que chaque outil soit formellement décrit parce qu’elle ne pouvait pas encore les utiliser seule. Ce problème est largement résolu. L’IA moderne peut utiliser les outils existants avec un minimum de guidance.

Les skills sont arrivés et ont offert quelque chose conçu pour cette nouvelle réalité : enseigner le workflow à l’IA en texte clair, la laisser utiliser les outils qu’elle possède déjà, et la laisser travailler jusqu’à ce que le travail soit terminé. Pas de protocole. Pas de logiciel supplémentaire à exécuter. Pas de mémoire gaspillée. Simon Willison l’a vu immédiatement. Armin Ronacher l’a vu. Peter Steinberger a construit toute une plateforme autour.

MCP n’est pas mort. Il totalise 97 millions de téléchargements mensuels et le soutien de toutes les grandes entreprises technologiques. Il continuera à servir les interfaces exclusivement chat, la conformité d’entreprise et les services sans outils existants. Mais pour le travail pratique, l’automatisation, tout ce où l’IA peut agir de manière autonome : les skills sont la voie de l’avenir.

Le conseil pratique est simple. Commencez par les skills. Tournez-vous vers les plugins quand la plateforme elle-même doit être étendue. Et si vous voulez tout cela géré et toujours disponible, c’est ce que nous avons construit avec OpenClaw.rocks.

Chaque instance OpenClaw.rocks prend en charge les skills et plugins nativement. Déployez en quelques secondes sur l’infrastructure européenne et commencez à étendre votre assistant immédiatement. Démarrez gratuitement ou apprenez-en plus sur ce qu’est OpenClaw et ce qu’il peut faire.