Tencent, Alibaba et ByteDance se disputent le marché des magasins de compétences en IA

Skill devient l'un des mots-clés les plus populaires dans le domaine de l'IA.

Skill peut être compris comme le « manuel d'opérations » pour un Agent IA. Il s'agit d'un fichier d'instructions structuré qui précise quels outils appeler, comment réagir dans différentes situations et selon quels critères produire le résultat final. L'Agent lit ce fichier et peut ainsi exécuter les tâches selon les chemins prédéfinis.

Par exemple, un produit senior peut encapsuler l'ensemble de son processus de rédaction de documents de spécifications produit en un Skill ; n'importe quel Agent qui l'installe peut alors produire un document de spécifications conforme selon le même cadre.

Avec l'augmentation du nombre de Skills, des plateformes de distribution ont émergé. Les premières à assumer ce rôle étaient des communautés de développeurs telles que GitHub et ClawHub, où le téléchargement, la recherche et le téléchargement des Skills étaient effectués au sein même de la communauté technique.

Les grandes entreprises suivent également rapidement. En mars de cette année, Tencent, Alibaba et ByteDance ont respectivement lancé des boutiques de compétences sur leurs plateformes d'agents. Au cours des deux mois suivants, Zhipu, Meituan et Xiaohongshu ont également fait leur entrée. Les géants de l'Internet, les entreprises de grands modèles, les leaders du commerce de proximité, et même les plateformes de contenu, se disputent tous cet accès.

La nature de la bataille pour le Skill Store est une position stratégique sur les points d'entrée au trafic à l'ère de l'IA : celui qui contrôle la distribution contrôle les utilisateurs.

Mais à part ByteDance qui a testé la rémunération des compétences, tous les autres plateformes proposent uniquement des versions gratuites. Pourquoi les entreprises se disputent-elles un « magasin » qui ne génère pas de revenus ?

Qui est en jeu ? Pourquoi le magasin Skill mérite-t-il d'être pris ?

Avant de répondre à cette question, consultez un modèle déjà mis en œuvre.

À l'ère de l'internet mobile, l'App Store d'Apple ne génère pas seulement des revenus grâce à sa commission de 30 % sur les téléchargements ; sa valeur fondamentale réside dans le fait que les développeurs créent des applications pour entrer dans l'écosystème iOS, tandis que les utilisateurs restent dans cet écosystème pour utiliser ces applications, et continuent ainsi à consommer au sein de celui-ci : en achetant iCloud, en souscrivant à Apple Music ou en effectuant des achats intégrés. La distribution est l'entrée ; la consommation au sein de l'écosystème est la source de revenus.

Le magasin Skill repose sur le même principe. Les utilisateurs restent dans l'écosystème où ils ont l'habitude d'obtenir des Skill et y consomment les services. La différence réside dans le fait que ce principe a déjà été validé à l'ère de l'internet mobile, tandis que le magasin Skill en est encore au stade de la « promesse ». Une fois cela compris, on peut mieux analyser les stratégies distinctes des trois types d'acteurs entrants.

La première catégorie comprend les grandes entreprises d'Internet qui utilisent le Skill Store pour générer du trafic et générer des revenus au sein de leur écosystème.

Ali a intégré le marché de compétences « Xiaobao » dans son assistant JVS Claw Agent ; les compétences sélectionnées par les utilisateurs peuvent être synchronisées en un seul clic pour être utilisées dans l'outil. Le marché de compétences lui-même est gratuit, mais l'utilisation des compétences consomme de la puissance de calcul, qui constitue une source de revenus pour l'activité cloud d'Ali.

ByteDance poursuit deux voies parallèles. Find Skill, lancé par Volcano Engine, s'adresse aux clients entreprises et intègre des Skill provenant de multiples sources telles que ClawHub et GitHub. Le magasin de Skill intégré à Kozu cible les développeurs ordinaires, réduisant les barrières à la création et à l'utilisation, tout en permettant la vente de Skill. L'objectif est d'attirer la communauté des développeurs et d'utiliser les Skill pour stimuler la consommation de services cloud et de puissance de calcul.

La stratégie de Tencent est légèrement différente. SkillHub est essentiellement une version locale de ClawHub à l'étranger, chargée de l'attraction de trafic et de l'adaptation locale. Toutefois, la véritable carte maîtresse de Tencent réside dans l'écosystème de mini-programmes WeChat. Grâce aux chaînes de services matures accumulées par des millions de mini-programmes, Tencent peut encapsuler divers services en ligne et hors ligne sous forme de Skills standardisés. Si ce modèle réussit, le modèle économique sera similaire à celui des mini-programmes, avec des revenus provenant des commissions sur les transactions et de la publicité.

Meituan utilise quant à lui l'écosystème Skill pour alimenter son activité principale. En avril, il a lancé xia345, positionné comme un navigateur d'écosystème d'agents IA, regroupant plus de 20 agents et plus de 7 000 skills. En mai, il a ensuite lancé en bêta publique la communauté IA « Miyou », avec plus de 3 000 agents inscrits et plus de 40 000 skills au total. Du navigateur à la communauté, les utilisateurs découvrent des partages sur « Miyou » et téléchargent les skills sur « xia345 ». Les skills ne génèrent pas directement de revenus, mais ils prolongent le temps de présence des utilisateurs au sein de l'écosystème Meituan, créant ainsi davantage d'opportunités de conversion pour les activités centrales telles que les commandes sur place et la livraison.

Le deuxième type est constitué d'entreprises de grands modèles qui retiennent les utilisateurs grâce à la Skill Store et génèrent des revenus grâce à l'appel de modèles.

ZhiPu a lancé en avril sur sa plateforme d'agents Auto Claw la place AgentMore Skills, intégrant trois modules : sélection officielle, Skill Hub et communauté open source, avec une installation en un clic sans token.

La Lune Noire a agi plus tôt, lançant Kimi Claw en février, permettant aux utilisateurs de déployer一键Open Claw sur le site web et de configurer une bibliothèque de compétences, afin qu'ils puissent directement installer et appeler diverses compétences depuis leur navigateur.

Les entreprises de grands modèles semblent naturellement les plus à même de distribuer des compétences. Le modèle lui-même constitue la base sur laquelle les compétences s'exécutent ; développer une boutique de compétences peut stimuler l'utilisation continue de leur grand modèle et retenir les utilisateurs sur leur propre plateforme.

L'ingénieur Agent de l'entreprise de grands modèles, He Yu, a mentionné que les compétences développées en interne s'adaptent mieux à leur modèle de base et offrent une meilleure expérience d'utilisation. En substance, les compétences sont le « leurre », tandis que le volume d'appels au modèle est le « poisson ».

La troisième catégorie est celle des plateformes de contenu, qui traitent Skill comme une nouvelle catégorie de contenu pour générer du trafic et des revenus publicitaires.

Xiaohongshu a récemment lancé Red Skill, qui est actuellement en test interne. Les utilisateurs peuvent ajouter un lien Skill sous leurs publications ; en cliquant dessus, ils copient directement les instructions d'installation. Contrairement aux modèles traditionnels de distribution de Skill, qui passent par une chaîne de recherche et de configuration, Xiaohongshu adopte une approche fondée sur la recommandation de contenu, transformant les Skill en éléments de contenu browsables et recommandables. Xiaohongshu ne gagne pas d'argent avec les Skill eux-mêmes, mais avec le trafic et les revenus publicitaires générés par ce contenu.

La logique des trois types de joueurs est la même : la boutique Skill ne génère pas de revenus directement, mais elle sert d’entrée pour acquérir et retenir les utilisateurs. Les vrais revenus se situent au-delà de Skill.

Cependant, ce jugement suppose que les développeurs et les utilisateurs soient réellement disposés à l'utiliser.

Le blogueur indépendant Sugimori Minami a souligné que ces boutiques de compétences intégrées dans les produits des grandes entreprises pourraient en réalité avoir moins d'attractivité qu'on ne le pense. Elles ressemblent davantage à une fonctionnalité secondaire au sein du produit, avec une faible visibilité et ne constituent pas une priorité majeure pour ces grandes entreprises. La capacité de diffusion naturelle des plateformes de contenu leur confère un avantage compétitif plus fort dans la distribution des compétences.

Autrement dit, le magasin est installé, mais il n’est pas encore suffisamment attractif.

Pour déterminer si le commerce de la Skill Store est rentable, le moyen le plus direct est de voir s'il génère des bénéfices.

Actuellement, seules les boutons de Byte prennent en charge les transactions de Skill, permettant aux créateurs de fixer un prix et de vendre leurs Skill. La plupart des autres plateformes les distribuent gratuitement. Ce qui mérite réellement le terme de « transaction », c’est plutôt le fait que certaines personnes revendent, sur Xianyu, des Skill open source en exploitant des écarts d’information.

Le « magasin » n'est pour l'instant qu'une métaphore. Quel est le problème ?

Le premier obstacle réside dans la difficulté à évaluer la compétence.

L'App Store repose sur un système d'évaluation complet : des fonctionnalités claires, une expérience stable, ainsi que des notes et des avis utilisateurs. Plus important encore, n'importe qui exécutant la même application obtient les mêmes résultats.

Ce qui manque à Skill, c'est cette certitude. En changeant de modèle ou d'environnement contextuel, les résultats produits par Skill peuvent varier considérablement. Shan Sen Nan a indiqué à « AIX Finance » que les performances des différents produits Agent diffèrent, tout comme les capacités des modèles qu'ils intègrent ; un même Skill peut produire des résultats imprévisibles lorsqu'il est exécuté sur des produits ou des modèles différents. Même sur un même produit et un même modèle, en raison de la nature aléatoire de l'IA, les sorties ne sont pas nécessairement cohérentes.

He Yu a ajouté un autre point de vue : la plupart des compétences générales destinées aux utilisateurs ordinaires produisent des sorties ouvertes, sans réponse unique, et le secteur manque actuellement de normes unifiées pour évaluer leur efficacité. Les compétences de qualité ne peuvent pas être identifiées efficacement, ce qui entraîne un coût de sélection très élevé pour les utilisateurs.

Les performances instables empêchent la mise en place d'un système d'évaluation. Sans système d'évaluation, les utilisateurs manquent de raisons de payer.

Le deuxième obstacle réside dans l'opacité des coûts.

Pour accomplir la même tâche, la quantité de tokens consommée par différentes compétences peut varier de plusieurs fois, mais l'utilisateur ne peut pas le savoir avant l'installation. Deux compétences offrant la même fonctionnalité, laquelle est la plus « économe en tokens » ? Impossible à comparer.

He Yu a donné un exemple : il a déjà utilisé deux longs textes résumant des compétences sur la même plateforme, traitant le même document et donnant les mêmes instructions, mais la quantité de tokens consommée variait considérablement, et cette différence était totalement invisible lors du choix de la compétence. L'utilisateur paie pour acheter une compétence, tout en supportant un coût supplémentaire incertain en tokens — comment calculer cela ?

Le troisième obstacle réside dans les risques de sécurité.

Ces derniers mois, des cas d’empoisonnement de Skills ont déjà été observés ; des Skills malveillants se font passer pour des Skills populaires en imitant leurs noms afin de voler les données des utilisateurs. Bien que les plateformes aient progressivement mis en place des mécanismes de révision, cela a également accru les exigences pour les développeurs souhaitant publier des Skills.

Shan Sen nan a rencontré des restrictions lors du téléchargement de Skill sur Xiaohongshu : la plateforme ne permet que le téléchargement de fichiers Markdown et TSD, ce qui empêche le téléchargement complet de Skills complexes, obligeant finalement à les réduire à un simple prompt. Un équilibre n’a pas encore été trouvé entre la sécurité et l’expérience des développeurs.

Le dernier obstacle est l'absence de protocoles normalisés.

Différents développeurs décrivent la même tâche de manière différente, ce qui peut entraîner des biais de compréhension chez le modèle et des résultats inégaux. He Yu indique que les ambiguïtés dans la description rendent l'expérience réelle des Skill difficiles à maîtriser : « facile à utiliser » devient une affaire de superstition.

En plus du manque de limites de permissions standardisées, l'idéal de « développer une fois, distribuer sur plusieurs plateformes » ne peut pas être réalisé.

Ces quatre obstacles pointent en réalité vers une même cause : Skill est fondamentalement un flux de travail personnalisé, qui résiste naturellement à la standardisation. Or, la précondition à la commercialisation est précisément la standardisation.

Ainsi, le magasin Skill ressemble maintenant davantage à une étagère de présentation : les produits sont affichés, mais les utilisateurs ne savent pas lequel choisir, ni même si celui qu’ils choisissent sera efficace. Il reste encore un long chemin à parcourir avant d’atteindre un véritable « échange ».

Déplacez d'abord votre regard du plateau vers les développeurs.

Le développeur indépendant Chen Xu a précédemment publié un Skill payant sur Koz. Le jour même où son Skill a été approuvé, six personnes ont effectué un paiement, et la recommandation sur la page d'accueil lui a apporté une exposition continue. Cependant, cette période favorable n'a pas duré longtemps : il a rapidement constaté qu'il ne pouvait plus accéder à la page d'accueil, que les utilisateurs devaient le rechercher activement, et qu'il n'était pas possible de faire de la publicité. Les opportunités d'exposition sur la page d'accueil étaient entièrement contrôlées par la plateforme et très aléatoires.

Cela démontre au moins deux points : premièrement, il existe une demande réelle pour Skill payant ; deuxièmement, la capacité de distribution des développeurs sur les plateformes existantes est extrêmement limitée.

Alors, le Skill Store peut-il devenir le prochain App Store ? Pour l'instant, deux obstacles se présentent.

D’un côté, il n’existe pas de système d’évaluation unifié pour les compétences. Chen Xu mentionne qu’il choisit généralement les compétences en se basant sur le nombre d’étoiles sur GitHub, car elles ont été vérifiées par les utilisateurs réels ; cependant, les classements populaires sur les plateformes nationales présentent des écarts par rapport aux plateformes étrangères, ce qui peut fausser les indicateurs. En l’absence d’un système d’évaluation standardisé et interplateformes, les utilisateurs doivent choisir au hasard.

D'autre part, les Skill possèdent des attributs fortement personnalisés. Shan Sen Nan souligne que la plupart des Skill génériques disponibles sur le marché ont des effets limités. Les Skill véritablement efficaces doivent s'adapter étroitement à votre flux de travail personnel, être affinés en continu dans un contexte réel et aboutir à une méthodologie exclusive. Par exemple, deux Skill différents, tous deux intitulés « assistant d'écriture », peuvent avoir des flux de travail adaptés et des styles de sortie totalement différents.

Si le système d'évaluation ne peut être mis en place, la boutique Skill ne pourra rester qu'à l'étape d'une étagère de présentation.

Mais d’un autre point de vue, Skill est en réalité une nouvelle forme de bien. Autrefois, les utilisateurs payaient pour la « certitude » : ils avaient besoin d’une fonctionnalité, alors ils téléchargeaient une application. Aujourd’hui, ils achètent la « possibilité », une capacité de création, une méthodologie réutilisable.

He Yu a classé les scénarios avec une base payante en deux catégories : premièrement, les besoins professionnels essentiels, tels que les processus fixes de révision de contrats ou de génération de rapports de données, où les entreprises ont une forte volonté de payer ; deuxièmement, les outils personnels, tels que l'optimisation de CV pour la recherche d'emploi ou la rédaction de documents pour l'étude à l'étranger, où le taux de conversion au paiement est relativement élevé.

Le problème est de savoir qui peut transformer cet espace en véritable activité commerciale.

Les trois types d'entrants présentent chacun des avantages, mais aussi des lacunes.

Les grandes entreprises d'Internet sont les plus proches des scénarios, mais pour elles, le Skill Store n'est qu'un « complément » et ne reçoit pas de ressources centrales. Les entreprises de grands modèles ont un avantage naturel dans l'adaptation des modèles, mais leur écosystème est inférieur à celui des grandes entreprises ; le Skill Store n'est qu'un service supplémentaire, leur objectif fondamental restant d'inciter les utilisateurs à appeler continuellement les modèles. Les plateformes de contenu possèdent la plus forte capacité de diffusion : à un stade où le Skill n'a pas encore de système d'évaluation standardisé, les utilisateurs choisissent les Skills en se basant sur les recommandations des influenceurs et les démonstrations d'utilisation — ce qui correspond exactement aux compétences des plateformes de contenu. Toutefois, elles sont les plus éloignées de l'écosystème technologique.

L'instabilité de Skill, ses attributs personnalisés et ses risques de sécurité font de ce métier un défi bien plus complexe qu'il n'y paraît. Aucune entreprise n'a encore réussi à rendre l'achat de Skill aussi naturel que l'achat d'une application.

Cet article provient du compte officiel WeChat « AIX Finance », auteur : équipe AIX Finance