[Skills Series #1] Du Prompt Drift à l'Architecture : Pourquoi l'IA oublie vos standards

📚 Série Architecture & Skills IA (1/5) ➡️ Épisode 1 : Du Prompt Drift à l'Architecture (Vous êtes ici) ➡️ Épisode 2 : Atomic vs Méta-Skills — L'Art du Namespace et de la Composition ➡️ Épisode 3 : Déploiement Multi-Agents — Globaux vs Locaux et Auto-Provisionnement ➡️ Épisode 4 : Dans les Entrailles du Code — Anatomie, Scripts Réels & Sécurité Git ➡️ Épisode 5 : La Galaxie de Sites Web & Le Ciment du Showcase Nexus

Soyons honnêtes deux minutes : quand on utilise des agents IA comme Antigravity (AGY), Claude Code ou Cursor pour enchaîner les side-projects à la vitesse de la lumière, le moment le plus pénible n'est JAMAIS d'écrire le code métier.

Le vrai calvaire, c'est la répétition des standards de production.

À chaque nouveau repo, on se retrouve à répéter inlassablement les mêmes consignes :

"N'oublie pas de découper tes commits en Conventional Commits stricts." "Pense aux balises Open Graph et au favicon." "Convertis les images en WebP et vire les CDN bloquants." "Fais-moi un CHANGELOG en SemVer avec une belle PR et un diagramme Mermaid."

Un coup l'IA s'en souvient, le coup d'après elle oublie la moitié des critères, et on passe 20 minutes de relecture manuelle sur des tâches qui devraient être 100% automatisées. C'est ce qu'on appelle le Prompt Drift.

Au bout du dixième projet, j'ai dit stop : il fallait sortir toute l'architecture de mon cerveau pour créer une bibliothèque d'ingénierie réutilisable.

💡 Le Déclic : Miner ses propres historiques de chat comme matière première

La plupart des gens conçoivent des prompts ou des compétences IA "théoriques" en partant d'une page blanche. Résultat : des règles trop rigides ou des pavés indigestes que l'IA hallucine à moitié.

Ma méthode a été radicalement différente : le minage d'historique.

Puisque j'avais déjà des dizaines de conversations réelles de vibe coding et de résolution de bugs avec Claude et Antigravity, j'ai simplement demandé à l'agent :

  1. D'analyser mes précédents projets réussis.
  2. D'en extraire les patterns d'ingénierie qui avaient prouvé leur efficacité sur le terrain (gestion du CLS, intégration GA4 sans cookies conforme CNIL, CI Lighthouse avec seuils 90/95).
  3. De packager ces solutions en skills modulaires standardisés.
flowchart TD
    PastChats[💬 Historiques de Conversations IA] --> Extract[⛏️ Extraction des Bonnes Pratiques Éprouvées]
    Extract --> Hub[🌌 Antigravity Skills Hub]
    
    Hub --> M1[🪄 Méta-Orchestrateurs]
    Hub --> M2[⚡ Ingénierie & Production Web]
    Hub --> M3[🔀 Git & Gouvernance Sécurité]
    Hub --> M4[✍️ Dev Storytelling & Vitrine]

    M1 & M2 & M3 & M4 --> Slash["/boblebol:<domaine>:<skill>"]

🎯 Pourquoi les règles dans le System Prompt ne suffisent plus

Quand on veut standardiser un agent IA, on commence souvent par bourrer son fichier de règles global (AGENTS.md ou instructions système). Mais cette approche atteint très vite ses limites :

  1. Saturation de contexte : Plus le prompt système est long, moins l'IA accorde d'attention aux détails techniques critiques.
  2. Incompatibilité cross-projets : Un projet Python backend n'a que faire des règles de SEO frontend ou de bundles CSS.
  3. Absence d'outils dédiés : Un fichier de règles donne des conseils, mais un Skill fournit des scripts exécutables, des templates rigides et des workflows automatisés.

En transformant chaque besoin d'ingénierie en un Skill autonome invocable à la demande, on garde un contexte ultra-léger tout en garantissant un niveau de rigueur chirurgical.

➡️ La Suite dans l'Épisode 2

Dans le prochain épisode, nous verrons comment structurer ces compétences en évitant le piège des "méga-prompts" : la séparation stricte entre Skills Atomiques et Méta-Orchestrateurs, et le namespace à 2 niveaux.

🔗 Lire l'Épisode 2 : Atomic vs Méta-Skills — L'Art du Namespace et de la Composition ➔

🔗 Liens & Ressources de la Série