Claude Code au-delà du code

Le chiffre qui a rendu le sujet indiscutable est tombé le 7 juillet 2026. En même temps qu’il étendait Cowork au web et au mobile, Anthropic a publié l’analyse de 1,2 million de sessions anonymisées couvrant plus de 600 000 organisations, prélevées sur les deux dernières semaines de mai. TechCrunch en donne le détail : 33,4 % d’opérations métier (reporting, checklists, tableurs), 16,4 % de création de contenu (brouillons, propositions, présentations), 8,7 % de développement logiciel. VentureBeat retient la même lecture : plus de neuf sessions sur dix de l’agent le plus « développeur » du marché ne produisent pas de logiciel.

Le contexte produit compte. Cowork a été annoncé le 12 janvier 2026 comme research preview intégrée à l’application desktop macOS : on donne à Claude l’accès à un dossier précis, on lui parle en langage naturel, il agit sur les fichiers. Aragon Research y voyait déjà la démocratisation de l’agentique. Le 7 juillet, la bascule vers le web et le mobile, en beta pour les abonnés Max d’abord, a ajouté ce qui manquait le plus : la tâche continue de tourner dans le cloud une fois la machine refermée. Le desktop reste l’interface du travail profond, celui qui touche aux fichiers locaux et au navigateur.

La partie intéressante n’est pourtant pas l’application, c’est ce que des gens avaient construit avant qu’elle existe. En mars 2026, les témoignages qui circulaient étaient artisanaux : Ron Forbes et son RonOS, monté sans écrire une ligne de code, avec des commandes de début et de fin de journée et un traitement automatique des notes de réunion. Teresa Torres, coach produit, pilotant son activité avec deux terminaux et une application de notes. Un entrepreneur dont toute la productivité tenait en deux skills, un plan hebdomadaire le dimanche soir et un brief de cinq minutes chaque matin. Notre lecture : ces pionniers n’étaient pas des curiosités, ils préfiguraient un produit. Le fil rouge n’a jamais été l’outil, c’est l’architecture qu’ils ont improvisée et qu’Anthropic a ensuite standardisée.

Ce qui sépare un assistant d’un système d’augmentation tient en cinq couches, et elles se sont toutes durcies entre mars et juillet. La première est le contexte déclaré : un fichier chargé au démarrage de chaque session, qui porte les instructions permanentes, les conventions et les préférences de travail. La règle pratique n’a pas changé : ce fichier est un routeur, pas une encyclopédie. Au-delà de 100 à 150 lignes, on paie du contexte à chaque session pour rien, et le détail doit partir dans des fichiers de référence chargés à la demande, quand le sujet le justifie.

La deuxième couche est la mémoire, et c’est celle qui a le plus mûri. La documentation officielle décrit désormais une mémoire automatique : l’agent écrit lui-même des notes pour ses sessions futures (commandes utiles, décisions prises, pièges rencontrés), maintient un index chargé au démarrage et déporte le détail dans des fichiers par sujet. La différence avec un chat classique est là et nulle part ailleurs. Session 1, l’agent apprend un format de données qui coince ; session 50, il l’applique sans qu’on le lui rappelle. C’est cet effet cumulatif qui justifie l’investissement initial, pas la qualité d’une réponse isolée.

Les trois couches suivantes sont les compétences, les connecteurs et l’exécution différée. Ce qu’il faut retenir de l’empilement, c’est sa différence de nature avec un outil de gestion de connaissances classique. Obsidian, Notion ou Mem sont des référentiels : vous y rangez, vous y cherchez, vous synthétisez vous-même. Ici l’agent lit vos fichiers, agit et écrit le résultat. Les fichiers restent en markdown sur votre disque, sans coffre propriétaire, ce qui explique le succès persistant du couplage avec un vault Obsidian : l’IA et le second cerveau deviennent le même objet, sans conversion ni appel d’API intermédiaire.

En mars, un skill était encore une convention interne. En juillet, c’est une pièce d’écosystème. Le rapport d’écosystème 2026 donne la chronologie : Agent Skills introduit en octobre 2025, spécification publiée comme standard ouvert sur agentskills.io le 18 décembre 2025, environ 40 produits compatibles en juin 2026 (OpenAI Codex, GitHub Copilot, VS Code, Cursor, Gemini CLI, Databricks, Snowflake), et des skills de série livrées pour la finance, le juridique et les RH dès février 2026. La formule qui circule chez les praticiens résume bien la bascule : les skills remplacent les prompts, parce qu’un prompt se rejoue de mémoire alors qu’un skill s’exécute de la même façon à chaque fois.

La méthode de création reste la meilleure trouvée jusqu’ici, et elle est artisanale : on exécute une fois le workflow à la main avec l’agent, on lui demande d’en faire un skill, puis on raffine sur trois ou quatre passages. Ce qui a changé, c’est le risque d’aller se servir dans les catalogues publics. Le même rapport est sévère : environ 1,9 million de skills indexées depuis GitHub, un score de qualité moyen de 6,2 sur 12, un audit de 22 511 skills relevant près de 141 000 problèmes, et 36 % des skills testées vulnérables à l’injection de prompt. À l’inverse, des skills curées font gagner en moyenne 16,2 points de taux de réussite. La conclusion pratique tient en deux gestes : écrivez les vôtres, et lisez celles que vous installez.

La couche connecteurs a suivi la même trajectoire. Les téléchargements mensuels des SDK MCP sont passés d’environ 100 000 au lancement à 97 millions en mars 2026, le registre officiel comptait 9 652 serveurs au 24 mai 2026 et l’implémentation est estimée à 28 % du Fortune 500. Une release candidate de la spécification a été publiée le 28 juillet 2026, avec une gouvernance formelle (groupes de travail, propositions d’évolution) décrite dans la feuille de route 2026. Pour un knowledge worker, ce sont ces connecteurs qui permettent de rester dans une seule conversation en touchant l’agenda, la messagerie, la base de connaissances et le CRM.

La couche la plus récente est celle qui change le plus le rapport à l’outil. Les routines, des agents planifiés qui tournent dans le cloud sans personne dans la boucle, sont arrivées en avril 2026 en research preview : un prompt sauvegardé, une horloge, un déclenchement possible par API ou par événement. Le 9 juin 2026, les Managed Agents sont passés en beta publique avec planification cron et coffre à identifiants, c’est-à-dire des agents capables d’accéder à des services authentifiés sans qu’on colle un secret dans un fichier. Le même mois, les contrôles d’administration ont suivi : analytique plus fine, restriction d’accès par modèle, alertes en cas de pic de dépense.

Les usages qui reviennent partout sont les mêmes depuis mars, mais ils ne demandent plus de bricolage : brief du matin (agenda, tâches en retard, mails à traiter, la priorité unique du jour), revue hebdomadaire le dimanche soir, veille sectorielle, traitement des notes de réunion en fin de journée. Chez nous, le hub de travail quotidien fonctionne exactement sur ce modèle : la veille tourne comme une routine planifiée qui collecte, score et range, les workflows récurrents sont des skills maison, et la mémoire projet garde d’un mois sur l’autre les décisions qu’on aurait oubliées. Ce n’est pas spectaculaire à regarder. C’est ce qui fait que le lundi matin ne recommence pas de zéro.

Reste à savoir jusqu’où pousser. Boris Cherny, créateur de Claude Code, a publié le 16 juillet 2026 une échelle d’adoption en cinq marches : gated (accès verrouillé, outils bridés), assisted (un agent, vous lisez tout, vous portez le contexte), parallel (cinq à dix agents avec des périmètres bornés et des espaces isolés), supervised autonomy (une centaine, vous devenez manager de managers), AI-native (plus de mille, on pilote par l’intention). Anthropic se situe à la marche 3 selon lui, quand la plupart des entreprises intermédiaires sont encore à 0 ou 1. Notre lecture, pour un knowledge worker seul ou une petite équipe : la marche 2 est déjà un plafond très honorable, et la suivante demande une discipline de vérification que peu d’organisations ont posée.

Le premier problème est silencieux. Le context rot est la dégradation progressive des réponses quand la fenêtre se remplit de sorties d’outils périmées, d’états intermédiaires et de relectures redondantes. La synthèse de Zylos Research rappelle qu’il est documenté depuis longtemps (Liu et al. mesuraient plus de 30 points de précision perdus quand l’information utile se trouve au milieu d’un contexte long) et qu’il ne produit aucun message d’erreur : le modèle attend moins bien, c’est tout. Une enquête industrielle attribue 65 % des échecs de tâches IA en entreprise à la dérive de contexte ou à la perte de mémoire, pas à l’épuisement du budget de tokens. La compaction automatique se déclenche autour de 98 % de la fenêtre utile, ce qui est tard : les praticiens recommandent de couper à 70 ou 75 %. Un travail publié en 2026 sur la « governance decay » ajoute une inquiétude sérieuse : la compaction peut effacer des contraintes de sécurité posées en début de session sans que rien ne le signale.

Le deuxième problème est le coût, plus lisible qu’en mars. Les plans sont à 20 dollars (Pro), 100 dollars (Max 5x) et 200 dollars (Max 20x) par mois ; le 6 mai 2026, les limites sur fenêtre glissante de cinq heures ont été doublées et la réduction en heures de pointe supprimée. Le point qui compte pour qui automatise est ailleurs : l’usage non interactif (SDK, mode non conversationnel, actions d’intégration continue, applications tierces) tire sur un crédit mensuel séparé, calé sur le prix du plan. Une tâche planifiée n’est donc pas une extension gratuite de l’abonnement, c’est une ligne budgétaire à part entière, exactement le genre de dépense qui échappe au pilotage par siège.

Le troisième problème est la dépendance. Claude Code est lié aux modèles d’Anthropic : on ne substitue pas un autre fournisseur, et une indisponibilité du service devient une panne d’organisation (l’écosystème a connu des perturbations notables les 2 mars, 2 juin et 18 juin 2026). Les fichiers, eux, restent à vous en markdown, ce qui limite la casse : c’est le principal argument pour garder son corpus en local plutôt que dans un coffre propriétaire. S’ajoute une surface de risque propre à l’agent, documentée côté sécurité : il lit des dépôts, exécute des commandes, modifie des fichiers et parle à des services authentifiés, ce qui suppose des permissions explicites et une hygiène de configuration réelle.

Le quatrième problème a changé de nature. La barrière du terminal, objection numéro un en mars, a largement sauté avec Cowork sur desktop, web et mobile. Ce qui reste, plus difficile à outiller, c’est l’apprentissage de la délégation : formuler une intention vérifiable, découper une tâche, décider quoi relire. Les guides écrits par des non-développeurs disent tous la même chose, et l’index économique d’Anthropic le confirme à sa manière : les utilisateurs expérimentés réussissent nettement mieux à automatiser que les nouveaux venus. L’écart de compétence est réel et il se creuse.

La séquence qui marche est lente et ennuyeuse, ce qui est plutôt bon signe. Semaine 1, un seul fichier de contexte et un seul workflow répété : les notes de réunion, ou la préparation du lendemain, pas les deux. Semaine 2 ou 3, on transforme ce workflow en skill après l’avoir fait trois fois à la main, puis on le raffine. Semaine 4, on branche un connecteur, un seul, celui qui touche la donnée que vous consultez le plus souvent. Ensuite seulement on planifie quelque chose. Monter les cinq couches d’un coup produit un système que personne n’utilise, y compris son auteur.

Le point de vigilance n’apparaît dans aucune démonstration : décider explicitement ce qui n’est pas délégué. Teresa Torres décrivait dès mars un partage où l’IA prend l’opérationnel et où la propriété créative et décisionnelle reste humaine. Ce n’est pas de la prudence morale, c’est du pilotage : ce qu’on ne relit plus, on ne le contrôle plus, et le context rot garantit qu’une partie de ce qui n’est pas relu sera fausse tôt ou tard. La règle qu’on applique tient en une ligne : tout livrable qui sort avec votre nom dessus se relit intégralement, tout artefact intermédiaire peut rester non relu.

Notre lecture d’ensemble, sans s’emballer : ce qui s’est passé entre mars et juillet 2026 n’est pas une percée de capacité, c’est une industrialisation de pratiques d’utilisateurs. Les fichiers de contexte, les skills, la mémoire et les agents planifiés existaient en bricolage, ils sont devenus des primitives produit avec un standard ouvert derrière. La conclusion pratique tient en une phrase : l’avantage ne vient plus de l’accès à l’outil, qui est banalisé, mais de la qualité du contexte qu’on lui a écrit et de la discipline avec laquelle on vérifie ce qu’il produit.