SkillMarket construit une place de marché de compétences pour agents IA avec FastAPI et Claude Sonnet

SkillMarket a présenté le MVP d'une place de marché de compétences métier pour agents IA, construit avec FastAPI en quelques semaines seulement. Le projet s'attaque à un vieux problème des modèles génératifs : utiles pour les tâches générales, ils se mettent vite à se tromper dans les scénarios professionnels pointus sans expertise humaine.

D'où vient l'idée

L'équipe décrit un scénario familier à de nombreuses entreprises : les agents IA se débrouillent plutôt bien avec le code, les courriels types et la routine interne, mais s'effondrent dès qu'il faut travailler dans un domaine plein de nuances. L'article donne des exemples tirés de l'arbitrage et de la fiscalité au régime USN (le système fiscal simplifié russe), où un simple « modèle intelligent » ne suffit pas. Il faut la manière de raisonner cohérente d'un expert en activité ; sinon, le LLM se met à halluciner et à fournir des réponses dangereusement inexactes.

D'où l'hypothèse : plutôt que d'asseoir à chaque fois un spécialiste senior coûteux à côté du développeur et d'assembler à la main des prompts chain-of-thought, on peut transformer cette expérience en produit numérique à part entière. Un juriste, un logisticien ou un autre expert sectoriel décrit son algorithme de travail, puis l'entreprise l'achète comme compétence prête à l'emploi pour son agent d'entreprise. En somme, SkillMarket propose de sortir le prompt engineering du métier de l'équipe de développement pour en faire un marché distinct de l'expertise métier.

Comment le MVP est construit

L'architecture du projet est résolument pragmatique, sans couches superflues. Pour le backend, l'équipe a choisi Python et FastAPI ; pour le stockage, PostgreSQL et SQLAlchemy ; les tâches asynchrones sont confiées à Celery et Redis, et l'interface est en Vanilla JS avec Vite. L'infrastructure est empaquetée dans Docker Compose : l'équipe a donc délibérément renoncé aux microservices pour le MVP. C'est logique : la valeur principale ne réside pas dans une plateforme distribuée, mais dans la vitesse de validation de l'hypothèse.

• FastAPI et OpenAPI : pour l'API et les futures intégrations
• PostgreSQL, SQLAlchemy et Alembic : pour les données et les migrations
• Celery et Redis : pour les appels LLM en arrière-plan
• Vanilla JS, Vite, Sortable.js et Marked.js : pour un frontend léger
• Docker Compose : pour déployer rapidement tout le système

Le processus de création d'une compétence a lui aussi été pensé comme « humain » plutôt que technique. L'expert n'a pas besoin de savoir ce que sont le few-shot prompting ou un schéma JSON : il ouvre le constructeur et décrit en texte libre comment il résout la tâche dans son travail réel. Celery envoie ensuite ce brouillon à Claude Sonnet via OpenRouter, et le modèle met en forme ce flux de pensée dans un prompt système structuré, avec titre, description, finalité, tags et estimation du volume de tokens.

Comment la qualité est filtrée

Le problème suivant, c'est la modération. Si l'on ouvre simplement la vitrine à la vente de prompts, elle deviendra vite un entrepôt de modèles douteux, sans valeur réelle pour les entreprises. Après la publication d'une compétence, SkillMarket lance donc une vérification automatique à la fois via Claude Sonnet et GPT-4o. Les deux modèles notent selon plusieurs critères, et les fiches faibles partent en revue manuelle ou sont écartées dès le départ.

• clarity : la clarté des instructions
• completeness : l'exhaustivité de la couverture de l'algorithme
• domain_accuracy : l'absence d'erreurs manifestes dans la logique métier
• reusability : la possibilité d'appliquer la compétence dans différentes entreprises
• overall_score : la note globale servant à décider de la publication

L'équipe a aussi réfléchi à la monétisation. Les paiements passent par YooKassa : l'acheteur recharge son solde et acquiert une compétence, la plateforme prélève une commission de 20 %, et le reste est versé sur le compte interne de l'auteur. L'auteur de l'article écrit qu'après la première publication sur le projet, ce ne sont pas seulement des spécialistes IT qui se sont manifestés, mais aussi des experts d'autres domaines. Pour un MVP, c'est un signal important : le modèle intéresse non seulement les développeurs, mais aussi les détenteurs de l'expertise appliquée.

« Louer son cerveau »

Ce que cela signifie

Si un tel modèle décolle, le marché des agents IA pourrait passer de la vente de « bots universels » à celle de compétences éprouvées et très spécialisées. Pour les entreprises, le scénario est commode : plutôt que de former un ingénieur de prompts dans chaque équipe, elles achètent des blocs d'expertise prêts à l'emploi, presque comme on installe aujourd'hui des bibliothèques via npm ou pip.