Skills Webperf & diagnostic
Digitalisation de la méthodologie d'audit en compétences pour agents IA. Pipeline en 4 étapes (collecte, diagnostic causal, scoring sur 112 critères, priorisation) adossé aux données mesurées.
- État
- prototype
- Année
- 2025
- Stack
- Claude Code, Cursor, Skills, Webperf
Pourquoi ce projet
Une méthodologie d’audit webperf éprouvée reste, par défaut, dans la tête de la personne qui la pratique. La digitaliser en compétences (“skills”) exploitables par un agent IA — Claude Code, Cursor — permet de la faire tourner de façon reproductible sur un grand nombre de sites, sans réinventer le diagnostic à chaque mission.
Cas d’usage
- Collecte automatisée des données de performance sur un site cible
- Diagnostic causal : relier un symptôme mesuré (LCP élevé, CLS instable) à sa cause probable
- Scoring sur 112 critères, adossé aux données réellement mesurées plutôt qu’à une check-list déclarative
- Priorisation des correctifs selon leur impact estimé
Comment ça marche
Le pipeline se déroule en 4 étapes : collecte des métriques, diagnostic causal assisté par l’agent, scoring sur les 112 critères de la méthodologie, puis priorisation des actions. Chaque étape est encapsulée dans une compétence dédiée que l’agent charge à la demande, plutôt qu’un unique prompt monolithique — ce qui garde chaque étape testable et corrigeable indépendamment des autres.
Ce que j’en retire
Digitaliser une méthodologie d’audit en compétences structurées, plutôt qu’en prompt générique, force à expliciter le raisonnement diagnostique étape par étape — ce qui profite autant à l’agent qu’à la clarté de la méthodologie elle-même.