Je vais vous montrer comment transformer les modèles, agents, compétences et automatisations éparpillés dans les outils et les flux de travail de votre équipe en un système coordonné.
Ce que la plupart des équipes ont aujourd'hui est très différent. Leurs modèles, compétences et automatisations sont cloisonnés dans des outils séparés, des conversations privées et des configurations individuelles.
Chaque personne doit apprendre à son IA ce qu'elle sait et comment elle travaille. Le contexte, les corrections et les flux de travail ainsi créés atteignent rarement les autres.
Une personne briefe Claude avec la dernière stratégie. Une autre demande à Codex de fouiller un vieux dossier. Une troisième reconstruit de mémoire un flux de travail utile. Chaque conversation contient une version légèrement différente de l'entreprise.
Nous avons construit cette couche partagée avec HQ. Elle se situe sous Claude Code, Codex, Cursor ou les modèles open source que votre équipe choisit, et transporte le contexte et les capacités de l'entreprise entre eux.
Construisons-en un.
Commençons par un agent de veille hebdomadaire qui arrive lundi en sachant déjà ce qui a changé : quelles décisions ont été prises, quels projets ont avancé, quels risques ont augmenté, et à quoi l'équipe s'est engagée pour la suite.
Au final, votre équipe aura :
- un endroit unique où chaque agent peut récupérer le contexte actuel de l'entreprise ;
- des règles de fonctionnement qui survivent aux nouvelles conversations et aux changements de modèles ;
- un agent de veille hebdomadaire que n'importe quel membre de l'équipe peut lancer ;
- des compétences et des automatisations partagées qui s'améliorent au fil de leur utilisation par l'équipe ;
- une boucle de révision et de synchronisation qui transforme l'amélioration d'une personne en nouveau point de départ pour toute l'équipe.
Ne commencez pas par cartographier toute l'entreprise. Mettez le système à l'épreuve sur un flux de travail récurrent, puis étendez-le chaque fois que l'équipe trouve un autre processus digne d'être partagé.
1. Construisez l'environnement autour du modèle
Un modèle peut raisonner, écrire et utiliser des outils. Il a néanmoins besoin d'un environnement qui explique comment le travail se fait dans votre entreprise.
Un système utile répond à cinq questions :
- Que sait l'IA ?
- Comment trouve-t-elle le contexte pertinent ?
- Quelles règles doit-elle suivre ?
- Quels travaux récurrents peut-elle accomplir ?
- Comment chaque exécution améliore-t-elle la suivante ?
Un long prompt système peut répondre à certaines de ces questions pour une session. Un système d'entreprise rend les réponses structurées, persistantes et accessibles à tous.
Le savoir est consultable. Les règles survivent à la conversation. Les outils ont des limites. Le travail laisse des artefacts. Les flux de travail validés deviennent réutilisables au lieu de disparaître quand la conversation se ferme.
C'est pourquoi le même modèle peut sembler complètement différent d'une entreprise à l'autre. Le modèle peut être identique. L'environnement de travail, lui, ne l'est pas.
Le modèle fournit l'intelligence. Le système fournit l'entreprise.
2. Mettez le système à l'épreuve sur un vrai flux de travail
Essayer de modéliser toute l'entreprise d'abord risque de vous laisser des semaines de contexte organisé sans aucune preuve que le système améliore une seule tâche.
Commencez par un flux de travail qui présente quatre propriétés :
- il est fréquent ;
- ses limites sont claires ;
- il dépend du contexte de l'entreprise ;
- un humain peut juger rapidement du résultat.
Un brief hebdomadaire d'intelligence d'entreprise coche toutes les cases.
Les entrées existent déjà, mais elles sont éparpillées entre notes de réunion, fichiers de projet, décisions et la mémoire des gens. La sortie est utile à toute l'équipe, et un fondateur peut rapidement juger de l'exactitude du brief.
Définissez le contrat avant de construire l'agent.
Entrées
- réunions des 7 derniers jours
- état actuel des projets
- décisions, engagements et questions ouvertes
- risques et travaux bloqués
Processus
- récupérer les sources pertinentes
- vérifier chaque affirmation factuelle
- faire remonter les contradictions et les informations manquantes
- synthétiser les changements au niveau de l'entreprise
Sortie
- décisions prises
- avancement par projet
- risques et blocages
- engagements pour la semaine suivante
- liste des sources
Limite
- brouillon uniquement
- s'arrêter pour validation humaine avant toute diffusion
Si le flux de travail change encore à chaque fois qu'une personne l'exécute, gardez-le manuel. Un processus doit devenir récurrent avant de devenir une infrastructure partagée.
3. Donnez à l'IA une mémoire d'entreprise durable
Commencez par la configuration guidée HQ actuelle. Installez HQ, créez l'espace de travail de l'entreprise et ouvrez HQ comme répertoire de travail actif dans l'outil d'IA que votre équipe utilise déjà.
Le démarrage rapide open source tient en une commande :
npx create-hq
Ajoutez maintenant uniquement le contexte nécessaire au brief hebdomadaire.
Commencez avec cette structure :
- HQ
- companies
- your-company
- company-brief.md
- knowledge: decisions and playbooks
- sources: meetings
- signals
- people
- projects
- policies: weekly-intelligence.md
- workers: weekly-intelligence
Commencez ici, puis n'ajoutez des connaissances plus approfondies, des compétences, des automatisations et des agents spécifiques à l'entreprise que lorsqu'un vrai flux de travail l'exige.
Le brief d'entreprise explique ce que fait l'entreprise, comment elle gagne de l'argent et ce qui compte actuellement. Les projets contiennent l'état actuel. Les décisions préservent les raisons pour lesquelles l'équipe a choisi une voie. Les fiches personnes rendent les responsabilités visibles.
L'intelligence des réunions capture les engagements, les risques, les questions et les décisions qui n'ont jamais atterri dans un document soigné.
N'injectez pas toute l'entreprise dans chaque prompt. La charte de HQ donne à l'agent une carte de l'emplacement des connaissances, des politiques, des projets et des agents. L'agent suit cette carte et récupère la source plus approfondie requise pour la tâche.
Donnez à l'agent un point d'entrée restreint et stable, et un contexte plus approfondi à la demande.
Cela maintient la mémoire d'entreprise disponible sans consommer la fenêtre de contexte avant que le travail ne commence.
4. Transformez le jugement de l'entreprise en politique
Les connaissances indiquent à l'agent ce qui s'est passé. La politique lui indique comment votre entreprise attend que le travail soit traité.
Créez le fichier companies/your-company/policies/weekly-intelligence.md :
Politique de veille hebdomadaire
- Étayez chaque affirmation factuelle par une source.
- Faites remonter les preuves contradictoires. Ne les résolvez jamais en silence.
- Rapportez les risques avec le niveau d'urgence original de la source.
- Signalez les informations manquantes, obsolètes ou incertaines.
- N'incluez jamais de secrets ni de contexte d'autres entreprises.
- Arrêtez-vous pour approbation humaine avant diffusion.
Gardez la première politique suffisamment courte pour que les gens la maintiennent.
Il existe trois niveaux de contrôle :
- Une instruction demande à l'agent de suivre une préférence.
- Une politique rend la règle durable à travers les sessions et les personnes.
- Un hook ou un contrôle mécanique bloque l'action lorsque l'échec serait coûteux.
« Citez vos sources » peut commencer comme politique. « N'envoyez jamais sans approbation » mérite une application à la frontière de l'action.
N'essayez pas de décrire tous les comportements possibles. Encodez les quelques invariants qui doivent survivre à chaque modèle, collègue et projet.
5. Convertissez le flux de travail en agent partagé
Transformez maintenant la procédure validée en agent HQ réutilisable.
Exécutez /newworker et donnez-lui une seule tâche bien délimitée. Un analyste d'entreprise généraliste semble utile, mais il est difficile à tester et facile à utiliser à mauvais escient. Un agent de veille hebdomadaire a des entrées, une sortie et des conditions d'arrêt claires.
Spécification de l'agent :
Nom : weekly-intelligence
Objectif : Produire un brief d'entreprise hebdomadaire sourcé pour validation humaine.
Sources autorisées
- brief d'entreprise
- réunions des 7 derniers jours
- projets en cours
- décisions et engagements
Procédure
- Confirmer la période de rapport.
- Récupérer les sources autorisées.
- Extraire les décisions, l'avancement, les risques et les engagements.
- Vérifier les affirmations par rapport aux sources.
- Signaler les contradictions, les lacunes et les informations obsolètes.
- Rédiger le brief au format requis.
Sortie requise
- résumé exécutif
- décisions prises
- avancement des projets
- risques et blocages
- engagements pour la semaine suivante
- questions en suspens
- liste des sources
Jamais
- inventer des faits manquants
- lire le contexte d'une autre entreprise
- exposer des secrets
- envoyer ou publier le brief
Terminé quand : Chaque affirmation est étayée par une source ou signalée comme incertaine, et le brouillon est prêt pour la validation humaine.
Les connaissances de l'entreprise fournissent les faits. La politique fournit le jugement. L'agent fournit la séquence récurrente.
Un prompt peut produire un bon brief. Un agent rend la méthode disponible à un autre collègue vendredi prochain.
6. Faites en sorte que chaque correction améliore le système
Ne considérez pas la première exécution réussie comme une infrastructure terminée.
Exécutez l'agent, relisez le brief et diagnostiquez chaque correction au bon niveau.
- Fait manquant → Améliorez les connaissances de l'entreprise.
- Mauvais contexte → Améliorez le routage et les descriptions des ressources.
- Erreur répétée → Améliorez la compétence de l'agent.
- Comportement dangereux → Améliorez la politique ou le hook.
- Livrable faible → Améliorez le contrat de sortie.
- Information obsolète → Améliorez le jardinage des connaissances.
Si l'agent manque une décision parce que la réunion n'a jamais été capturée, réécrire le prompt ne réparera pas le système. Améliorez le circuit des connaissances.
S'il continue d'enterrer les risques sous des mises à jour mineures, affinez le contrat de sortie.
Si quelqu'un lui demande de diffuser le brief sans approbation, renforcez la politique et le garde-fou d'action.
La bonne question est : quelle partie de l'environnement a permis cette erreur ?
Corrigez cette couche, puis réexécutez le même exemple. La correction doit survivre à la sortie qui l'a révélée.
C'est ainsi que le jugement humain se capitalise. Vous enseignez le système une fois, puis vous rendez le comportement amélioré disponible aux exécutions suivantes au lieu de répéter la correction dans des conversations privées.
7. Rendez le système plus intelligent à chaque utilisation par l'équipe
Une fois que le brief, la politique et l'agent survivent à la révision, exécutez /hq-sync.
C'est ici que HQ devient le mode multijoueur de l'IA.
L'équipe commerciale peut transformer la gestion des objections en compétence. Le support peut encoder les règles d'escalade. Les opérations peuvent améliorer un rapport. L'ingénierie peut ajouter une étape de validation.
Lorsque chaque contribution survit à la révision, elle se synchronise dans Main et devient partie intégrante du système d'entreprise partagé.
Le prochain collègue hérite du contexte, des règles, des compétences, des agents et des automatisations que l'entreprise a déjà validés. Il n'a besoin ni de la conversation originale ni du prompt.
Il ouvre HQ dans son outil d'IA préféré et continue à partir de la version améliorée.
C'est la boucle de capitalisation de HQ : utiliser le système, améliorer une couche, la réviser, la synchroniser et élever le point de départ de tout le monde.
Le modèle peut être Claude, Codex, ChatGPT ou un modèle open source. La couche d'entreprise continue de devenir plus intelligente en dessous.
L'isolation des entreprises reste de mise. La synchronisation ne doit pas aplatir les tenants, contourner les permissions ni mettre des secrets dans des fichiers partagés. Un système partagé ne fonctionne que lorsque la frontière autour du « partagé » reste explicite.
L'apprentissage partagé augmente aussi les enjeux. Une instruction faible peut désormais affecter tout le monde, alors traitez Main comme un environnement de production.
Révisez chaque contribution avant la synchronisation. Gardez les politiques ciblées. Testez les agents sur des exemples réels. Utilisez /harness-audit pour inspecter l'efficacité du contexte, les contrôles qualité, la persistance, la recherche et la sécurité à mesure que la configuration grandit.
