SkillMarket a construit une marketplace de compétences pour les agents IA sur FastAPI et Claude Sonnet

SkillMarket a présenté un MVP d'une marketplace de compétences de domaine pour les agents IA, construite sur FastAPI en seulement quelques semaines. Le projet tente de résoudre un vieux problème des modèles génératifs : ils sont utiles pour les tâches générales, mais dans les scénarios professionnels étroits, sans expertise humaine, ils commencent rapidement à faire des erreurs.

D'où vient l'idée

L'équipe du projet décrit un scénario familier pour de nombreuses entreprises : les agents IA se débrouillent bien avec le code, les e-mails modèles et la routine interne, mais échouent quand ils doivent travailler dans un domaine avec beaucoup de nuances. L'article donne des exemples d'arbitrage et d'impôts USN, où un simple « modèle intelligent » ne suffit pas. Il faut une façon séquentielle de penser comme un expert praticien, sinon le LLM commence à halluciner et à produire des réponses dangereusement imprécises.

De là est venue l'hypothèse : au lieu de mettre un spécialiste senior coûteux à côté d'un développeur et d'assembler manuellement des prompts de chaîne de pensée à chaque fois, vous pouvez transformer cette expertise en un produit numérique distinct. Un avocat, un logisticien ou un autre expert sectorialisé décrit son algorithme de travail, et l'entreprise achète ensuite cela comme une compétence prête pour un agent d'entreprise. Essentiellement, SkillMarket propose de déplacer l'ingénierie de prompts du métier de l'équipe de développement vers un marché distinct d'expertise de domaine.

Comment le MVP est structuré

L'architecture du projet est conçue pragmatiquement sans couches inutiles. Ils ont choisi Python et FastAPI pour le backend, PostgreSQL et SQLAlchemy pour le stockage, Celery et Redis pour les tâches asynchrones, et construit l'interface avec Vanilla JS et Vite. L'infrastructure est empaquetée en Docker Compose—l'équipe n'a délibérément pas opté pour les microservices dans le MVP. C'est logique : la valeur principale ici n'est pas dans une plateforme distribuée, mais dans la vitesse de tester l'hypothèse elle-même.

• FastAPI et OpenAPI — pour l'API et les intégrations futures
• PostgreSQL, SQLAlchemy et Alembic — pour les données et les migrations
• Celery et Redis — pour les appels de fond au LLM
• Vanilla JS, Vite, Sortable.js et Marked.js — pour un frontend léger
• Docker Compose — pour le déploiement rapide de tout le système

Le processus de création d'une compétence a aussi été rendu non-technique mais « humain ». Un expert n'a pas besoin de savoir ce que sont le few-shot prompting ou le schéma JSON : il entre simplement dans le constructeur et décrit librement par écrit comment il résout la tâche dans le travail réel. Ensuite, Celery envoie ce brouillon à Claude Sonnet via OpenRouter, et le modèle empaquète le flux de pensée dans un prompt système structuré avec un nom, une description, un objectif, des étiquettes et une estimation du nombre de tokens.

Comment la qualité est filtrée

Le problème suivant est la modération. Si vous ouvrez simplement une marketplace pour vendre des prompts, elle se transformera rapidement en un entrepôt de modèles douteux sans valeur commerciale réelle. C'est pourquoi après la publication d'une compétence, SkillMarket lance des vérifications automatiques immédiatement via Claude Sonnet et GPT-4o. Les deux modèles attribuent des scores selon plusieurs critères, et les cartes faibles vont soit à la révision manuelle, soit sont rejetées d'emblée.

• clarity — à quel point les instructions sont clairement décrites
• completeness — à quel point l'algorithme est entièrement couvert
• domain_accuracy — s'il n'y a pas d'erreurs évidentes dans la logique du domaine
• reusability — si la compétence peut être appliquée dans différentes entreprises
• overall_score — score récapitulatif pour la décision de publication

L'équipe a aussi pensé séparément à la monétisation. Pour les paiements, ils ont intégré YooKassa : l'acheteur recharge son solde, achète une compétence, la plateforme retient une commission de 20 %, et le reste va au compte interne de l'auteur. L'auteur de l'article écrit qu'après la première publication sur le projet, non seulement des spécialistes en informatique, mais aussi des experts d'autres domaines ont commencé à se manifester. Pour un MVP, c'est un signal important : le modèle intéresse non seulement les développeurs, mais aussi les praticiens eux-mêmes qui possèdent une expertise appliquée.

« Louer vos cerveaux »

Ce que cela signifie

Si un modèle similaire décolle, le marché des agents IA pourrait passer de la vente de « bots universels » à la vente de compétences spécialisées vérifiées. Pour les affaires, c'est un scénario pratique : au lieu de cultiver votre propre ingénieur de prompts au sein de chaque équipe, vous achetez des blocs d'expertise prêts presque de la même manière que vous installez des bibliothèques aujourd'hui via npm ou pip.