Comment fonctionne Skales et pourquoi exécuter un agent autonome directement sur votre ordinateur portable

La plupart des agents IA actuels nécessitent de bidouiller avec le terminal, un déploiement Docker et une bonne douzaine de dépendances Python. Une fois l'environnement configuré et le processus lancé, il dévore immédiatement 1,5 Go de RAM et reste là à tourner dans la console. Vous voulez une interface simple et conviviale que vous pouvez installer en deux clics, refermer votre ordinateur portable et aller prendre un café pendant que le modèle gère les tâches.

Je suis récemment tombé sur Skales. C'est un agent local pour ordinateur et smartphones qui vit sur votre système, lit des fichiers, contrôle votre navigateur et exécute des chaînes d'actions sans surveillance constante.

Ce que c'est

Skales est conçu comme une application native standard pour macOS, Windows et Linux, avec en plus des clients pour Android et iOS. Le projet a été créé par le développeur autrichien Mario Simic.

L'idée principale est de supprimer la barrière technique entre les utilisateurs et les modèles autonomes. L'application est légère et utilise environ 300 Mo de mémoire, ce qui est étonnamment peu pour une application Electron.

Un détail important concernant l'ouverture : le projet est distribué sous licence BSL 1.1 (après quelques années, il passera à Apache 2.0). Le dépôt GitHub contient un instantané historique de la branche v7, tandis que les builds actuels sont fournis sous forme de binaires prêts à l'emploi via les releases. Si vous cherchez du code entièrement open source à forker, gardez cela à l'esprit.

Fonctionnalités principales

L'interface est divisée en plusieurs espaces de travail clairs. Vous n'avez pas besoin d'écrire de scripts Python pour donner à l'agent accès à un dépôt ou à un calendrier.

Tâches en arrière-plan via la commande goal

Habituellement, les chatbots ne répondent qu'à une seule invite. Si vous leur demandez d'écrire un parser, ils affichent le code et s'arrêtent. Dans Skales, la commande /goal démarre un planificateur :

• Le modèle décompose la tâche en étapes et vérifie le résultat de chaque action.
• Le processus s'exécute en arrière-plan. Vous pouvez minimiser la fenêtre ou fermer l'ordinateur, et l'agent continuera à travailler au réveil.
• Si une action nécessite une confirmation (par exemple, supprimer des fichiers ou exécuter une commande dangereuse), l'agent demandera la permission une seule fois.

Mode de travail avec le code

Il y a un écran Codework séparé pour les développeurs. Vous sélectionnez un dossier local ou collez l'URL d'un dépôt Git.

/code ./my-backend-app

Dans ce mode, l'agent :

• Construit une carte du dépôt et lit les instructions des fichiers CLAUDE.md ou AGENTS.md.
• Affiche les modifications sous forme de diff git ligne par ligne directement dans la fenêtre.
• Vous permet d'annuler n'importe quelle modification d'un seul clic sur le bouton Annuler.
• Génère automatiquement le texte du commit basé sur les modifications préparées.

Mémoire locale et notes Obsidian

Toutes les données utilisateur sont stockées localement dans le répertoire ~/.skales-data sous forme de combinaison de JSON et SQLite.

L'agent peut se connecter à votre coffre-fort de notes Obsidian. Il indexe le graphe des relations via un modèle d'embedding local, donc il trouve les bons documents par sens sans envoyer de données vers des serveurs tiers. Il y a un mécanisme intégré de consolidation de la mémoire : la nuit, l'agent efface le bruit temporaire des dialogues et ne conserve que les faits importants sur vos préférences et vos projets.

Intégration téléphone et navigateur

L'application mobile s'associe au bureau via un code QR avec un chiffrement de bout en bout. Le téléphone obtient accès à tous les outils de l'ordinateur, ou peut fonctionner indépendamment avec les outils mobiles intégrés (calendrier, domotique, recherche web).

L'agent navigateur dans Skales analyse les pages via l'arbre d'accessibilité, clique correctement sur les boutons, contourne les bannières de cookies, et peut enregistrer des scénarios répétitifs sous forme de playbooks.

Connexion des modèles

Skales n'est lié à aucun fournisseur unique. Le schéma de connexion est flexible :

1. Entièrement hors ligne via Ollama, LM Studio ou le moteur Skales Local intégré. Les données de votre ordinateur ne vont nulle part ailleurs.
2. Vos propres clés API (BYOK) pour Anthropic, OpenAI, Groq, DeepSeek, Google Gemini, Mistral et d'autres services. Les requêtes vont directement aux fournisseurs.
3. Accès intégré au test Skales IQ si vous voulez simplement essayer l'application sans configurer de clés.

Le protocole MCP (Model Context Protocol) et le format de compétences SKILL.md sont pris en charge, vous pouvez donc facilement connecter des outils personnalisés de l'écosystème Claude Code ou Cursor à l'agent.

Où cela s'avère utile en pratique

• Développement courant : quand vous devez parcourir une dizaine de fichiers, mettre à jour les imports, réécrire les tests pour une nouvelle API, et immédiatement examiner les diffs avant de commiter.
• Recherche et rapports : vous définissez une tâche pour rechercher la documentation d'une bibliothèque, l'agent télécharge les pages de lui-même, extrait les points clés et enregistre le résultat en Markdown.
• Automatisation admin : le projet dispose d'un plugin WordPress avec une cinquantaine d'outils pour gérer les articles, les fichiers médias et les produits WooCommerce sans fouiller manuellement dans le panneau web.

Qui devrait l'essayer

Si vous êtes fatigué d'assembler manuellement des pipelines d'agents à partir de bibliothèques Python dispersées et voulez un utilitaire prêt à l'emploi pour un usage quotidien, Skales mérite définitivement d'être essayé. Il plaira particulièrement à ceux qui valorisent la vie privée et préfèrent exécuter les modèles localement via Ollama.

Vous pouvez télécharger les paquets d'installation pour n'importe quel système depuis le site officiel du projet ou la section releases du dépôt.