Collaboration IA en action : créer un jumeau numérique avec les Lobster 4 Brothers (un retour d'expérience concret)

0. Préface : Surfer sur la vague de la réforme de la collaboration IA

Nous bricolons avec OpenClaw depuis plus d'un mois, rencontrant de nombreux écueils mais créant aussi des choses intéressantes.

Tout a commencé avec une idée simple : l'IA peut-elle faire plus que simplement travailler pour moi ? Peut-elle se souvenir de moi, me comprendre et coopérer avec moi ? Nous avons essayé Agent Teams et OMO, mais il manquait toujours quelque chose. Puis nous avons découvert OpenClaw et l'avons utilisé pour construire une équipe d'IA de 4 personnes — nos « 4 Frères Homard ».

Cet article est notre carnet de terrain : les pièges que nous avons rencontrés, les mécanismes de jeu que nous avons explorés et ce que nous avons finalement accompli. Pas de théories de haut niveau, juste une expérience réelle de gens ordinaires qui bricolent avec l'IA. Nous espérons qu'il vous apportera de la valeur.

1. Pionniers de la vague de collaboration IA

📷

Avant de plonger dans OpenClaw, il vaut la peine de regarder ce que d'autres font dans ce domaine. Deux voies méritent une attention particulière : Agent Teams et OMO.

1.1 Agent Teams : La salle de débat de l'équipe IA

Agent Teams a commencé comme une expérience dans Claude Code. L'idée centrale est simple : au lieu qu'une seule IA travaille seule, plusieurs IA forment une équipe, réfléchissent sous différents angles et parviennent à un consensus.

Cette architecture comporte plusieurs rôles clés. Le Chef d'équipe comprend les besoins, décompose les tâches et assigne le travail. Les Coéquipiers réfléchissent de manière indépendante, parfois débattent, et finalement élaborent un plan unifié. Les Observateurs interviennent occasionnellement avec des informations ou perspectives supplémentaires.

Cette approche présente des avantages évidents. D'abord la rapidité — un problème qu'une personne ne peut pas résoudre peut être clarifié par trois personnes en dix minutes. Ensuite, la multiplicité des perspectives — le même problème peut être abordé sous les angles produit, technique et commercial. Troisièmement, une grande tolérance aux erreurs — si l'un fait une erreur, les deux autres peuvent la rattraper.

Mais avec le temps, des problèmes apparaissent. D'abord la mémoire. À chaque nouvelle conversation, le Chef d'équipe et les Coéquipiers doivent faire connaissance à nouveau ; les conclusions précédentes ne sont pas retenues. Ensuite, les limites des rôles s'estompent. Parfois, le Chef d'équipe écrit du code pendant que les Coéquipiers dirigent la stratégie. Enfin, il y a un manque d'évolution persistante. Les bonnes pratiques ne sont pas enregistrées et disparaissent.

Donc Agent Teams est comme une salle de débat efficace, adaptée pour résoudre des problèmes ponctuels mais pas pour un compagnonnage à long terme.

1.2 OMO : Le pipeline d'ingénierie IA

Une autre voie est OMO, ou Oh My OpenCode. Le concept central est de transformer les workflows IA en pipelines standardisés.

OMO définit les rôles et les permissions à l'avance. Une couche de routage distribue les tâches à différents Agents. Le Prompt de chaque Agent est fixe, et les formats de sortie sont stricts. Plusieurs modèles peuvent fonctionner en parallèle.

Les avantages incluent des processus rigoureux, une bonne intégration des outils, et une sortie stable et prévisible.

Cependant, OMO manque de flexibilité. Si une tâche s'écarte légèrement du flux prédéfini, OMO est perdu. La configuration est complexe, nécessitant de nombreux fichiers et middleware. La capacité d'apprentissage est faible, car la mémoire repose sur des mises à jour manuelles de la configuration.

Donc OMO est comme une chaîne de montage hautement automatisée, adaptée à la production standardisée à grande échelle mais pas aux scénarios flexibles.

1.3 Résumé : Les deux voies ont des limites

Agent Teams se concentre sur la puissance explosive pour les problèmes complexes. OMO se concentre sur le processus pour le travail standardisé.

Mais elles partagent un angle mort : elles ne considèrent pas la collaboration à long terme entre humains et IA. Agent Teams traite l'IA comme des travailleurs temporaires ; OMO traite l'IA comme des machines.

OpenClaw emprunte une voie différente. Il ne rivalise pas sur la puissance explosive ou le processus, mais sur la profondeur — la compréhension profonde, la mémoire à long terme et l'évolution continue entre humains et IA.

2. La philosophie unique d'OpenClaw

📷

Si Agent Teams est une salle de débat et OMO un pipeline, qu'est-ce qu'OpenClaw ?

La philosophie d'OpenClaw correspond parfaitement à nos besoins. Elle offre quatre capacités clés : Système de mémoire, Définition de la personnalité, Humain dans la boucle, et Écosystème de compétences. En résumé, la mémoire évite le « cerveau de poisson rouge », la personnalité donne du caractère aux Agents, l'humain dans la boucle vous garde le contrôle, et les compétences permettent une expansion infinie.

2.1 Système de mémoire

C'est la différence fondamentale. La plupart des systèmes IA repartent de zéro à chaque fois. OpenClaw ne le permet pas. Nous avons conçu une structure à deux couches : MEMORY.md pour la mémoire à long terme (décisions, expérience, objectifs) et un dossier memory pour les notes quotidiennes.

2.2 Définition de la personnalité

OpenClaw utilise SOUL.md pour définir les valeurs fondamentales d'un Agent, ses codes de comportement et son style de communication. Certains sont techniques et concis ; d'autres sont créatifs et vivants.

2.3 Humain dans la boucle

Nous insistons pour que les humains restent dans la boucle décisionnelle. Cela se fait grâce à une communication en temps réel dans Discord, la possibilité d'intercepter ou d'annuler des opérations, et la prise de décision conjointe.

2.4 Écosystème de compétences

OpenClaw utilise un mécanisme de Compétences pour permettre aux Agents d'étendre leurs propres capacités. Une Compétence est un module enfichable qui peut être appelé par n'importe quel Agent.

2.5 Comparaison des trois frameworks

Annexe : Le système de fichiers .md d'OpenClaw

SOUL.md définit « qui est l'Agent », MEMORY.md enregistre « ce qu'il a appris », memory/ enregistre « les activités quotidiennes », AGENTS.md lui dit « comment agir », et HEARTBEAT.md lui rappelle « quoi vérifier ».

3. Piliers fondamentaux : Mémoire et personnalité

📷

3.1 Système de mémoire : Le disque dur de l'IA

La mémoire d'OpenClaw se compose d'une mémoire à long terme, de journaux quotidiens et d'un mécanisme de récupération. Nous utilisons memory_search et memory_get pour la recherche sémantique, économisant 50 % à 80 % de tokens par rapport au chargement complet.

3.2 Définition de la personnalité : La puissance de SOUL.md

SOUL.md définit qui je suis, mes valeurs et mes codes de comportement. Notre équipe compte quatre Agents : Huangjia n°1 (Coordinateur), Consultant technique, Partenaire créatif et Think Tank (Stratégie).

3.3 Synergie de la mémoire et de la personnalité

La mémoire fournit le contexte ; la personnalité détermine comment l'utiliser. Un Agent technique se concentre sur les données dans l'historique, tandis qu'un Agent créatif se concentre sur la résonance émotionnelle.

4. Collaboration approfondie : Connexion fluide humain-IA

📷

4.1 Humain dans la boucle : Conserver le contrôle

L'architecture d'OpenClaw supporte l'intervention en temps réel, l'approbation des opérations et la prise de décision conjointe.

4.2 sessions_send : Communication entre agents

Les Agents communiquent via sessions_send. Ce processus est non bloquant et asynchrone. Par exemple, le Coordinateur peut dire au Consultant technique de préparer un script, qui dit ensuite au Partenaire créatif que les données sont prêtes.

4.3 Écosystème de compétences : Expansion infinie

Les Compétences sont des modules indépendants. La communauté compte plus de 5 000 compétences. Nous avons écrit les nôtres pour l'analyse de tweets, la génération d'illustrations et le podcasting.

4.4 Émergence par la collaboration

Lorsque plusieurs Agents se connectent via sessions_send et utilisent des Compétences spécialisées, l'« émergence » se produit — le tout devient plus grand que la somme de ses parties.

4.5 Construire votre propre équipe d'agents

Chaque Agent exécute une instance Gateway indépendante avec son propre dossier de travail. Nous avons passé une semaine à peaufiner les fichiers SOUL.md pour obtenir le bon feeling pour nos 4 Frères Homard.

5. Cas concrets d'OpenClaw

📷

5.1 Cas 1 : Analyseur de style de tweet

📷

Nous avons utilisé une compétence twitter-crawler pour analyser les tweets à fort engagement. Le Think Tank a remis en question la taille de l'échantillon, conduisant à une conclusion plus robuste : les tweets performants combinent « résultats concrets + valeur pratique + preuves numériques ».

5.2 Cas 2 : Système de rapport quotidien automatisé

📷

Nous avons créé un système basé sur cron qui vérifie MEMORY.md et HEARTBEAT.md pour envoyer un rapport quotidien affiné à 22h00, garantissant qu'aucune tâche n'est oubliée.

5.3 Cas 3 : Auto-récupération en cas de crash de session

📷

Lorsque la Gateway a planté à cause d'erreurs de fichier de session, nous avons construit une Compétence de vérification d'état qui surveille les journaux et redémarre automatiquement la Gateway si les erreurs dépassent un seuil.

5.4 Cas 4 : Optimisation de la mémoire QMD

📷

Au lieu de lire l'intégralité de MEMORY.md (1500 tokens), nous avons implémenté une approche de « recherche à la demande » utilisant la recherche sémantique, réduisant considérablement les coûts et la latence.

6. Jumeau numérique : La vision ultime d'OpenClaw

📷

6.1 Qu'est-ce qu'un jumeau numérique ?

Un jumeau numérique n'est pas un remplacement ; c'est une version numérique de vous qui comprend vos préférences, imite votre pensée et gère les tâches de manière autonome.

6.2 Le chemin évolutif

📷

1. Phase 1 : Vous voir (Surveillance + Mémoire) - Réalisée
2. Phase 2 : Vous comprendre (Apprentissage + Analyse) - En cours
3. Phase 3 : Vous aider (Assistance + Prédiction) - À moyen terme
4. Phase 4 : Vous remplacer (Exécution autonome) - À long terme

6.3 Où en est OpenClaw aujourd'hui ?

La Phase 1 est vérifiée ; nous passons à la Phase 2 en utilisant ActivityWatch pour suivre les schémas de travail.

6.4 Défis sur la route

Vie privée vs. commodité, la limite de l'autonomie vs. le contrôle, et l'équilibre entre évolution et stabilité.

6.5 Derniers mots

📷

OpenClaw est une expérience. Nous croyons que l'avenir de l'IA est la co-création, pas le remplacement.

Annexe : Démarrage rapide avec OpenClaw

1. Installer OpenClaw via GitHub.
2. Définir votre premier Agent avec SOUL.md.
3. Construire un système de mémoire avec MEMORY.md.
4. Choisir quelques Compétences de la communauté.
5. Démarrer la conversation dans Discord.

Site web : https://docs.openclaw.ai

GitHub : https://github.com/openclaw/openclaw