Collection de 20 skills personnels pour Claude Code. Chaque skill est un workflow structuré invocable par slash command.
Copier le dossier du skill souhaité dans .claude/skills/ de votre projet ou de votre répertoire personnel ~/.claude/skills/ :
# Un seul skill
cp -r avocat-du-diable ~/.claude/skills/
# Tous les skills
cp -r */ ~/.claude/skills/Redémarrer la session Claude Code pour que les skills soient détectés.
Revue critique qui force le steel-man avant la critique, applique des cadres de questionnement (pré-mortem, inversion, socratique), et rend un verdict actionnable (Livrer / Livrer avec modifications / Repenser).
/avocat-du-diable — révise le plan de migration dans infra/postgres-upgrade.md
3 fichiers de référence : cadres de questionnement (Klein, Munger, de Bono), angles morts ingénierie (11 catégories), angles morts IA (12 schémas de défaillance).
Compresse un texte par injection itérative d'entités manquantes selon la méthode Chain-of-Density (arXiv 2309.04269). Chaque passe identifie les entités absentes de la source et les incorpore en maintenant un nombre de mots identique.
/chain-of-density document.md
/chain-of-density document.md --iterations 5 --mots-cibles 80
Inclut un script text_metrics.py pour mesurer la densité informationnelle et les références complètes du papier.
Résumé itératif via Chain of Summaries (Brach & Kostal 2026, arXiv 2511.15719v2). Raffine un résumé par cycle thèse-antithèse-synthèse guidé par questions synthétiques. Détecte les lacunes factuelles et les comble à chaque passe.
/cos document.md
/cos document.md --langue en
Complémentaire à /chain-of-density (densification) : COS vise la couverture des entités, CoD vise la compression.
Veille, référence et migration Claude Code. 3 modes : veille (changelog filtré par pertinence), référence (fiche sur un sujet précis), migration (impact d'une mise à jour sur le workflow). Grille de pertinence et catalogue de sujets inclus.
/claude-code-veille veille
/claude-code-veille reference hooks
/claude-code-veille migration
Cartographie les certitudes, incertitudes, biais et angles morts d'un projet selon les 4 quadrants : Ancrage (connus connus), Brouillard (connus inconnus), Déni (inconnus connus), Abîme (inconnus inconnus).
/connu-inconnu — Créer un portail de demande de titre de séjour
Verdict : Prêt / Prêt sous conditions / Pas prêt.
Mesure la variance d'un évaluateur stochastique (skill-review par défaut) en lançant N runs parallèles, agrège les scores via un script déterministe et rend un verdict qui distingue bruit de vraie régression. Archivage de baselines pour comparaison.
/eval-robuste pedagogie-neuro --n=5
/eval-robuste mon-skill --compare-to=baseline.json
Inclut 6 scripts Python (agrégation, parsing, hash, rotation) et 42 tests unitaires.
Cristallise des comportements métier en scénarios Gherkin structurés en français. Le LLM EST le processus de spécification comportementale.
/gherkin — spécifie le parcours d'inscription utilisateur
Humanise du texte généré par IA pour le rendre indétectable par 24 détecteurs (GPTZero, ZeroGPT, etc.). Analyse statistique, remplacement de 500+ termes, scoring de détection.
/humanizer — humanise ce paragraphe
Génère des prompts où le LLM EST le concept plutôt qu'un expert DU concept. « Tu es un expert en X » produit du générique. « Tu ES X » produit du structurel.
/meta-prompt-concept — incarne le concept de dette technique
Crée et gère des Product Requirements Documents avec workflow standardisé : numérotation automatique, template structuré (vision, problème, solution, options, décision, plan, métriques, risques), validation croisée optionnelle (connu-inconnu + avocat-du-diable), backlog centralisé.
/prd "système de notifications push"
/prd --list
Applique 26 règles de neuropédagogie pour concevoir ou améliorer un contenu pédagogique. Transforme un contenu informatif en expérience d'apprentissage ancrée.
/pedagogie-neuro — améliore ces slides de formation
Pipeline de raffinement progressif pour prompts de génération d'image. Transforme une idée brute en prompt optimisé, contraint par un style guide et adapté au générateur cible.
/prompt-image — un paysage de montagne enneigé au coucher du soleil
Transforme un mot vague en palette de graines sémantiques multilingues. 3 mouvements : cartographie des registres (courant, soutenu, technique, étranger, savant), pépites rares, graines de prompts actionnables. Chaque terme est classé [attesté] ou [construction proposée].
/lexique-precis "analyser"
/lexique-precis "prendre de la hauteur"
Dictionnaires archivés dans dictionnaires/ pour calibrer les futures explorations (boucle cumulative).
Vérifie la conformité structurelle d'un SKILL.md par parsing déterministe (pas de LLM) : frontmatter, nommage, liens, critères SkillsBench. Score max 65 pts (50 Anthropic + 15 SkillsBench).
/skill-conformity-checker pedagogie-neuro
Guide de création de skills avec templates, design patterns et scripts d'initialisation. Génère un squelette SKILL.md conforme aux conventions du workspace.
/skill-creator mon-nouveau-skill
Orchestre le cycle de vie d'un skill : création, validation structurelle (conformity-checker /65), évaluation sémantique (skill-review /100), pressure testing. Pipeline complet ou phases individuelles.
/skill-pipeline mon-skill --create
/skill-pipeline mon-skill --review
/skill-pipeline mon-skill --full
Évalue un skill contre une grille structurée /100 : frontmatter, déclencheurs, workflow, contraintes, checklist, cohérence, conformité Anthropic (Q01-Q07). Produit un rapport détaillé avec score et actions correctives.
/skill-review pedagogie-neuro
3 fichiers de référence : grilles de notation (skill, rule, agent), scénarios de pressure testing, classification des skills.
Applique un arbre de décision à 13 points avant toute création de skill. Verdict : Go / Reformuler / Pas de skill. Si verdict négatif, propose une alternative concrète (rule, instruction, guide, runbook, rien) avec squelette.
/to-skill-or-not-to-skill "détection automatique de code mort"
Revue de code basée sur le papier Meta « Agentic Code Reasoning » (arXiv 2603.01896v2, 2026). 3 modes : patch (vérification de correctif), bug (localisation de cause racine), qa (question sur le comportement du code). Chaque affirmation cite fichier:ligne.
/raisonnement-code patch — vérifie le diff de auth.py
/raisonnement-code bug — test_export échoue avec KeyError
/raisonnement-code qa — est-ce que delete_user supprime les fichiers S3 ?
3 templates de référence alignés sur les appendices A, B et D du papier : prémisses numérotées, claims formels, format d'exploration agentic.
Génère un README en 4 mouvements qui documente le POURQUOI d'un projet, pas seulement le QUOI/COMMENT. Fouille git log, README existant et structure de fichiers pour reconstituer la chaîne causale qui a rendu le projet inévitable.
/readme-causal
/readme-causal /chemin/vers/projet/
4 mouvements : Anamèse (histoire du problème), Étiologie (kairos + nécessitation), Ossature causale (architecture liée aux contraintes), Résidu (exclusions assumées et dettes tracées). Chaque assertion porte un marqueur de confiance [IC]/[IE]/[FA]/[INC].
2 fichiers de référence : lexique causal, exemples annotés (json-normalizer, voice-transcript).
Chaque skill suit la même structure :
nom-du-skill/
├── SKILL.md # Le skill (frontmatter YAML + instructions)
└── references/ # Fichiers de référence chargés à la demande
├── template-*.md
└── ...
Le SKILL.md contient le frontmatter (name, description, triggers, allowed-tools) et les instructions. Les fichiers dans references/ sont chargés via Read pendant l'exécution — pas au démarrage.
- Langue : français (accents obligatoires)
- Nommage : kebab-case
- Concept incarné : chaque skill commence par « Tu ES... » pas « Tu es un expert en... »
- Garde-fous : règles JAMAIS/TOUJOURS pour encadrer le comportement du LLM
- Checklist finale : points de vérification en fin de skill
Usage personnel. Ces skills sont conçus pour le workflow d'Alex et peuvent nécessiter une adaptation pour d'autres contextes.
Auteur : Alex — avril 2026