Anthropic déploie « Teach Claude a skill », une fonction de Claude Cowork qui permet d’enregistrer son écran et de commenter une tâche pour que Claude apprenne ce workflow et le réexécute plus tard. Le dispositif vise à réduire les consignes répétitives, notamment sur des travaux récurrents comme des rapports, des tableurs et le classement de fichiers. La fonctionnalité arrive via l’application desktop, pour les abonnés Claude Pro, Max et Team.
Plutôt que d’écrire des instructions toujours plus longues, Anthropic mise sur une démonstration guidée, proche d’une formation sur le poste de travail.
Anthropic mise sur l’enregistrement d’écran pour formaliser un workflow
Le principe de « Teach Claude a skill » repose sur une idée simple, montrer plutôt que décrire. L’utilisateur lance un enregistrement d’écran depuis l’interface Cowork de l’application desktop, exécute la tâche comme il le ferait normalement, puis commente à voix haute les étapes importantes. Claude observe la séquence complète, ce qui inclut les clics, les changements de fenêtres, l’ordre des opérations et les éléments à vérifier avant de passer à l’étape suivante. L’objectif affiché est de transformer une routine de travail en une compétence réutilisable, sans devoir reconstruire le contexte à chaque demande.
Dans de nombreux usages professionnels, la difficulté ne tient pas à l’absence d’instructions, mais à leur variabilité. Une même demande, « fais mon rapport hebdomadaire », peut impliquer de récupérer des chiffres dans un tableur, de vérifier une colonne, d’appliquer un filtre, de copier un tableau dans un document, puis de reformater le tout selon des conventions internes. Une consigne textuelle, même détaillée, laisse de la place à l’interprétation. Avec une démonstration enregistrée, Anthropic cherche à capturer le « comment » et pas seulement le « quoi », avec un enchaînement d’actions visible.
Le produit s’inscrit dans une logique de réduction de la friction. Jusqu’ici, les utilisateurs avancés compensaient les limites de la répétition par des prompts enregistrés, des modèles, ou des documents de procédures. Mais ces solutions demandent de l’entretien, et elles restent sensibles aux oublis, à l’ambiguïté et aux changements d’interface. La promesse de cette nouveauté est de rapprocher l’IA d’un collègue à qui l’on montre une fois une méthode, puis qui la reproduit. Cela ne garantit pas une exécution parfaite dans tous les cas, mais cela vise à stabiliser les résultats sur des tâches régulières.
Ce choix produit implique aussi une contrainte, l’apprentissage est ancré dans ce qui est montré. Si une étape n’est pas explicitée, ou si un contrôle de qualité n’est pas fait lors de l’enregistrement, la « compétence » risque de reproduire une version incomplète du processus. Anthropic met donc en avant la narration, car le commentaire sert à signaler ce qui compte réellement, comme les critères de validation, les exceptions, ou les points où il faut ralentir. Dans ce modèle, l’utilisateur ne se contente pas de travailler, il documente son travail en temps réel.
La fonctionnalité arrive dans un contexte où les éditeurs d’IA cherchent à dépasser l’échange prompt-réponse. L’idée de « skills » réutilisables rapproche Claude d’un outil de productivité, avec des procédures encapsulées, plutôt que d’un simple assistant conversationnel. Les gains potentiels se mesurent en minutes économisées sur des micro-tâches, mais aussi en régularité, quand un même livrable doit respecter une forme constante semaine après semaine.
Claude Cowork cible les tâches répétitives, rapports, tableurs et classement de fichiers
Anthropic présente « Teach Claude a skill » comme une réponse à un problème concret, la répétition des consignes. Dans les entreprises comme chez les indépendants, une partie significative du temps de travail part dans des opérations à faible valeur ajoutée, mais indispensables, compiler un rapport, mettre à jour un suivi, renommer et ranger des fichiers, préparer une synthèse à partir de données. Ces tâches sont rarement complexes, mais elles demandent une exécution fiable et conforme à un standard interne. En résultat, ce sont des candidates naturelles à l’automatisation partielle.
Les exemples mis en avant tournent autour de documents et de données. Un utilisateur peut vouloir apprendre à Claude comment il construit un rapport, quelles sections il conserve, dans quel ordre il copie des chiffres, quels graphiques il exporte, et quel style il applique. Sur des spreadsheets, la routine peut inclure le nettoyage de données, l’application de filtres, l’actualisation de tableaux croisés, puis l’extraction d’un sous-ensemble destiné à une présentation. Le classement de fichiers est un autre cas typique, car les règles sont souvent simples, mais nombreuses, nommage standardisé, dossiers par client, archivage par mois, suppression de doublons.
Ce positionnement est cohérent avec l’évolution des usages des assistants IA. Beaucoup d’utilisateurs ont dépassé la phase « question-réponse » et attendent des résultats reproductibles. Or la reproductibilité se heurte à un problème, un prompt décrit une intention, pas une exécution. Même un prompt très long peut être fragile si l’outil interprète différemment une consigne, ou si un détail disparaît d’une session à l’autre. L’enregistrement d’écran transforme des habitudes implicites en procédure explicite, ce qui peut réduire l’écart entre ce que l’utilisateur veut et ce que l’IA délivre.
Pour les équipes, l’enjeu peut être la standardisation. Un manager peut vouloir que les comptes rendus suivent un format unique, ou que les fichiers livrés à un client soient organisés de manière identique quel que soit le collaborateur. Une « compétence » apprise dans Cowork peut servir de base commune, tout en restant ajustable si le process change. Cette logique rapproche l’outil d’un référentiel de bonnes pratiques, sauf qu’il est exécutable par l’IA.
La promesse comporte aussi un volet « onboarding ». L’analogie du collègue qu’il faut former revient souvent quand on parle d’IA au travail. Ici, Anthropic tente de rendre cette formation plus naturelle, on fait le travail une fois, on explique, et l’outil mémorise une méthode. Si la fonctionnalité tient ses promesses, elle pourrait réduire le temps passé à reformuler, et déplacer l’effort vers une phase initiale de démonstration plus structurée.
Reste un point clé, la gestion des cas limites. Les tâches administratives et de reporting regorgent d’exceptions, une colonne manquante, un fichier mal nommé, un export qui échoue, un chiffre aberrant. Une compétence enregistrée devra soit intégrer des règles de décision, soit échouer proprement et demander une validation. Dans un usage professionnel, l’automatisation n’a de valeur que si elle s’accompagne de contrôles, ce que l’utilisateur devra probablement intégrer dans sa démonstration.
Le déploiement passe par l’app desktop et les abonnements Pro, Max et Team
Anthropic indique que « Teach Claude a skill » est en cours de déploiement pour les abonnés Claude Pro, Claude Max et Claude Team, via l’application desktop de Claude et son espace Cowork. Ce choix de distribution n’est pas anodin. L’enregistrement d’écran et l’exécution de workflows impliquent un ancrage fort dans l’environnement de travail local, fenêtres, fichiers, applications. Une app desktop est plus adaptée qu’un simple usage web pour orchestrer ce type d’interactions, même si cela pose la question de la compatibilité selon les systèmes et les politiques informatiques des entreprises.
Le fait de réserver la fonctionnalité à des offres payantes correspond à un positionnement productivité. Anthropic vise des utilisateurs qui ont un intérêt direct à automatiser des routines, et qui acceptent de payer pour gagner du temps, réduire les erreurs et homogénéiser la production. Les plans Team suggèrent aussi un usage collectif, où plusieurs personnes peuvent bénéficier de compétences partagées ou d’une bibliothèque interne de procédures.
Dans l’écosystème des assistants IA, la concurrence se joue de plus en plus sur l’intégration au poste de travail. Les utilisateurs attendent des outils capables de passer de la conversation à l’action, avec un minimum de manipulations. Le déploiement via Cowork s’inscrit dans cette tendance, en cherchant à rendre Claude plus « opérationnel » sur des tâches concrètes. La question n’est plus seulement la qualité de la réponse, mais la capacité à suivre un protocole et à livrer un résultat prêt à l’emploi.
Ce type de fonctionnalité soulève aussi des enjeux de sécurité et de confidentialité, car l’enregistrement d’écran peut capturer des informations sensibles, noms de clients, chiffres internes, identifiants, contenus de messagerie. Anthropic ne détaille pas ici les garde-fous, mais, dans un contexte professionnel, l’adoption dépendra de la clarté sur le stockage, la durée de conservation, les accès, et les possibilités de suppression. Les entreprises, notamment dans les secteurs réglementés, exigeront des garanties, et des options de contrôle pour éviter qu’une démonstration ne devienne une fuite involontaire d’informations.
Sur le plan pratique, l’arrivée progressive du produit signifie que tous les abonnés ne le verront pas au même moment. Les déploiements échelonnés sont courants pour limiter les incidents et recueillir des retours. Pour les utilisateurs, cela implique de vérifier la disponibilité dans l’app desktop, et de suivre les mises à jour. Si l’outil devient central dans un flux de travail, la stabilité et la capacité à versionner les compétences, les mettre à jour, les désactiver, seront des critères importants.
Ce lancement marque une étape, Claude n’est plus seulement un système qui répond à une demande, mais un outil qui peut être entraîné à reproduire une manière de faire. Pour Anthropic, le succès dépendra de la facilité de création des compétences, de leur robustesse face aux changements d’interface, et de la capacité des utilisateurs à faire confiance à une exécution semi-automatisée sur des documents qui comptent.
Un tableau pour comparer prompts, modèles et apprentissage par démonstration
Le débat sur la meilleure façon de « piloter » une IA au travail oppose souvent plusieurs approches, le prompt détaillé, le modèle de document, la checklist, ou l’automatisation via scripts. « Teach Claude a skill » introduit une méthode supplémentaire, la démonstration enregistrée. Pour comprendre ce que cela change, il faut comparer les coûts, le temps de mise en place, et la fiabilité attendue. Les utilisateurs qui font du reporting, de la préparation de données ou de la gestion documentaire arbitrent généralement entre rapidité et contrôle.
Le prompt est rapide à écrire, mais il est fragile si la tâche comporte des exceptions. Le modèle de document stabilise la forme, mais pas le processus. Les scripts sont robustes, mais ils demandent des compétences techniques et une maintenance. La démonstration vise une voie médiane, peu technique, mais plus structurée qu’un simple texte. Elle capte l’ordre des actions et les points de contrôle, à condition qu’ils soient explicités à l’enregistrement.
Dans un contexte d’équipe, la question devient aussi celle du partage. Un prompt peut se copier-coller, un modèle peut se mettre dans un dossier partagé, un script se versionne, et une compétence Cowork devra être administrée, avec des droits et des mises à jour. L’intérêt pour une organisation dépendra de la gouvernance, qui peut créer, qui valide, qui modifie, qui audite. Sans ce cadre, l’outil risque de produire des variantes concurrentes d’un même process.
Le tableau ci-dessous synthétise les différences de manière opérationnelle, avec des critères concrets, temps de création, reproductibilité, gestion des exceptions, maintenance. Il ne s’agit pas d’un classement absolu, car chaque méthode répond à un besoin différent. Mais il montre pourquoi Anthropic mise sur l’apprentissage par observation, pour réduire l’écart entre la routine réelle et sa description.
| Méthode | Temps de mise en place | Reproductibilité | Gestion des exceptions | Maintenance |
|---|---|---|---|---|
| Prompt détaillé | Faible à moyen | Moyenne | Faible à moyenne | Moyenne, réécriture fréquente |
| Modèle (template) | Faible | Élevée sur la forme | Faible | Faible, mise à jour ponctuelle |
| Checklist / procédure écrite | Moyen | Moyenne à élevée | Moyenne | Moyenne, dépend des outils |
| Script / automatisation | Élevé | Élevée | Élevée si bien conçu | Élevée, dépendances techniques |
| « Teach Claude a skill » (démonstration) | Moyen | Élevée sur le processus montré | Moyenne, dépend de la narration | Moyenne, réenregistrement si interfaces changent |
Cette comparaison met en lumière un point, la démonstration est particulièrement adaptée aux tâches où l’ordre et les vérifications comptent autant que le résultat final. Un rapport hebdomadaire, par exemple, n’est pas qu’un texte, c’est une chaîne d’opérations, extraction, contrôle, mise en forme, diffusion. Si l’outil de Cowork parvient à conserver cette chaîne dans une compétence stable, il peut réduire le temps perdu à rappeler les étapes et à corriger des variations.
Mais cette approche dépend de la qualité de la capture. Une démonstration faite trop vite, sans expliciter les critères, risque de produire une compétence qui « fait » sans « comprendre » les contrôles attendus. Dans le monde du travail, la valeur se trouve souvent dans ces contrôles, vérifier une anomalie, confirmer un total, repérer un doublon. La réussite de la fonctionnalité se jouera donc sur la capacité des utilisateurs à enseigner ces réflexes, et sur la capacité de Claude à les appliquer de façon constante quand les données varient.
Le lancement de « Teach Claude a skill » place Anthropic sur un terrain très observé, celui de l’IA qui apprend des pratiques réelles, plutôt que des consignes abstraites. Si l’adoption suit, les prochaines évolutions attendues concerneront la gestion de versions, les tests avant exécution, et les mécanismes de validation humaine, des éléments décisifs pour faire de ces compétences des outils de production au quotidien.
Crédit image : Internet Archive Book Images / Wikimedia Commons (No restrictions)
