Tuto #14 Claude : Claude Code ou Claude Chat ? Agents, skills et command.

Depuis quelques semaines, on me pose de plus en plus souvent des questions sur comment utiliser les agents dans Claude. C’est effectivement un point que je n’ai jamais abordé dans cette liste de tutos et c’est ce qu’on va voir aujourd’hui. L’article ci-dessous sera aussi l’occasion de revenir sur traiter quelques points essentiels dans l’utilisation de Claude.

Ce tuto est la suite logique du Tuto #9 sur Claude Code. Dans ce tuto, on avait posé les bases de comment utiliser Claude Code avec : CLAUDE.md, commands, project-context.md.

1. Claude Chat vs Claude Code : quand utiliser chacun de ces deux outils

• Claude Chat (l'app web, mobile, ou desktop en mode conversation) fonctionne en session unique et linéaire. On ouvre une conversation pour échanger avec Claude. Il est nécessaire de lui donner les fichier à analyser dans le fil de la discussion. Il n'a pas accès à au disque et ne garde pas vraiment de mémoire d'une conversation à l'autre (sauf en utilisant un projet avec des instructions persistantes).
• Claude Code fonctionne différemment : il tourne dans votre environnement de travail, peut lire vos fichiers et exécuter des commandes dans votre terminal, et surtout : il peut déléguer des tâches à d'autres instances de lui-même. C'est ce dernier point qu'on va creuser aujourd'hui, parce que c'est la vraie différence de fond entre les deux outils.

La règle reste celle que j'ai donnée dans le Tuto #9 :

• Tâche ponctuelle, fichier unique, workflow standard → Claude Chat
• Projet multi-fichiers, scripts Python, volumes de données importants, automatisation → Claude Code

2. Skills, commands, agents : qui fait quoi

Le point que je n'avais pas assez creusé dans le Tuto #9 : une Skill ou une command, même bien écrite, reste dans ta conversation principale.

Concrètement : si on uploade un export Screaming Frog de 50 000 URLs, mon Skill screaming-frog-crawl-analysis se déclenche (voir tuto#6 analyse de crawl SEO) et Claude traite le fichier. Même si Claude est intelligent et n'affiche pas les 50 000 lignes brutes, tout le traitement (lectures, calculs intermédiaires, agrégations) consomme de la mémoire dans la conversation. La fenêtre de contexte se remplit et les prochaines réponses seront plus lentes.

Un agent, lui, démarre une fenêtre de contexte à part. Il ne voit rien de votre précédente conversation

Quand utiliser quoi ?

• Skill : pour une méthode réutilisable, qu’on souhaite disponible automatiquement quand le besoin apparaît (analyse SERP, brief SEO, audit GEO). Rien à taper de spécial,Claude détecte que c'est pertinent et applique la méthode.
• Command : pour un workflow qu’on lance manuellement à un moment précis, avec parfois des arguments (/gsc-analyse fichier.csv). Comme une macro Excel : on sait quand tu veux la déclencher.
• Agent : pour une tâche qui consomme beaucoup de contexte, qu’on veut vraiment isoler (par exemple parce qu'elle utilise un modèle différent, ou des outils restreints).

On peut d'ailleurs combiner les trois. Un agent peut précharger une Skill (on y vient en section 5), et le Skill peut être appelée depuis une command.

3. Un exemple d’agent pour analyser un crawl Screaming Frog

Le besoin : après un crawl Screaming Frog (voir le Tuto #12 si tu n'as pas encore connecté le MCP), j'ai souvent un export de plusieurs dizaines de milliers de lignes à analyser : cannibalisation, cohérence du maillage, budget crawl. Le traiter dans ma conversation principale la noierait littéralement.

Voici le fichier de l'agent, stocké dans ~/.claude/agents/crawl-analyst.md :

Le bloc entre les deux --- en haut du fichier, c'est la carte d'identité de l'agent. Quatre champs à connaître :

• “name” : l'identifiant de l'agent, en minuscules avec des tirets. Sert à l'invoquer manuellement l’agent en question
• “description” : le champ le plus important. Claude le lit pour décider quand déléguer automatiquement. Plus elle est précise (mots-clés concrets, cas d'usage typiques), mieux l'agent se déclenche au bon moment. Ajouter "Use proactively" pousse Claude à déléguer sans même que tu le demandes.
• “tools” : la liste des outils autorisés. Tout ce qui n'est pas listé est interdit. Pour cet agent j'ai omis “Write” volontairement : il analyse mais ne modifie jamais rien.
• “model” : quel modèle utiliser :
• haiku (rapide, économique, pour les tâches simples),
• sonnet (par défaut),
• opus (les tâches complexes).

Le texte sous le frontmatter, lui, c'est juste les instructions permanentes de l'agent — son rôle, sa procédure, le format de réponse attendu. Plus c'est concret, plus l'agent est fiable.

4. Précharger une skill dans un agent

C'est ici que la combinaison Skills + Agents devient vraiment puissante.

4.1 Le problème sans préchargement

Imaginons que l’agent crawl-analyst se déclenche sans préchargement de skill. Quand Claude lui délègue une tâche, l'agent démarre avec un contexte presque vide.

S'il a besoin d'utiliser ta Skill screaming-frog-crawl-analysis (qui contient toute ta méthodologie d'analyse), il doit :

1. Réaliser qu'elle existe
2. L'appeler explicitement via l'outil Skill
3. Attendre qu'elle se charge
4. Seulement ensuite, commencer le vrai travail

Ça marche, mais ça suppose qu'il pense à le faire. Et dans la pratique, ce n’est pas toujours le cas.

4.2 Ce que change le préchargement

Avec le champ skills: dans le frontmatter, tu rends cet appel automatique et systématique :

---
name: serp-researcher
description: Analyse une SERP Google — concurrents, intentions, content gap.
tools: Read, Grep, Glob
model: haiku
skills:
  - serp-analysis
---

A savoir : on peut empiler plusieurs skills pour un même agent. C'est utile pour un agent polyvalent a qui on va demander de faire des choses assez large. Plusieurs skills sont injectées dans son contexte ; l'agent choisit le bon selon la nature de la demande.

Attention quand même : chaque skill préchargée prend de la place dans le contexte de l'agent. Précharger 5 skills sur un seul agent finit par le ralentir et le rendre moins efficace.

5. Quand créer un agent vs garder une skill seule

Alors faut-il systématiquement transformer mes Skills en Agents ?

Non. La majorité de mes Skills SEO restent des Skills, sans agent associé. Voici les critères concrets que j'applique pour décider.

5.1 Garder une skill seule si...

• La tâche est légère en données : générer un brief SEO (Skill seo-brief-creation) ne traite pas de gros fichiers, juste du texte. Aucun besoin d'isoler ça dans un contexte séparé.
• Tu veux pouvoir poser des questions de suivi naturellement : par exemple après une analyse SERP, tu veux pouvoir dire "et maintenant compare avec ce que fait tel ou tel domaine". Si l'analyse est dans une fenêtre isolée, ta question de suivi devra repartir à zéro.

5.2 Créer un agent si...

• Tu traites du gros volume : crawl de plusieurs dizaines de milliers d'URLs, exports DataForSEO avec des milliers de mots-clés, analyses de logs serveur. Tout ce qui pourrait saturer ta conversation.
• Tu veux restreindre les outils : un agent en lecture seule (crawl-analyst sans Write) est plus sûr qu'une Skill qui hériterait de tous tes outils.
• Tu veux un modèle moins cher pour les tâches simples : un agent serp-researcher sur haiku au lieu de sonnet divise tes coûts sur cette tâche par 3 à 5.
• Tu enchaînes plusieurs tâches en parallèle : tu peux lancer un agent crawl-analyst et un agent competitive-gap-analyst en même temps, chacun dans son contexte. Avec des Skills, ça serait séquentiel et tout dans la même fenêtre.

FOUCAULD HENIN

Senior SEO consultant et fondateur de 30A  

Je vous accompagne dans conception et la mise en place de vos chantiers SEO.

Après plusieurs expériences chez des retaillers, clients grand comptes et scale up, j’apporte une vision rationnelle et data driven dans les stratégies SEO.

Références : Oscaro, Total Energie, Intermarché, Oreegami

#bigquery #Looker #data analyse