Installez les sept skills clés (GOG, WhatsApp, Tavily, Summarize, Obsidian, Ontology, n8n) via ClawHub pour transformer OpenClaw en agent actionnable : messagerie, recherche, knowledge management et automatisation. Ces choix s’appuient sur popularité, utilité et retours d’usage sur ClawHub.
Quelles skills pour la messagerie et la productivité
La GOG Skill et la WhatsApp CLI Skill couvrent l’essentiel de la messagerie et de la productivité : Gmail, Calendar, Drive, Contacts, Sheets, Docs et l’envoi/notification via WhatsApp.
GOG Skill — cas d’usage, prérequis, limites, bonnes pratiques :
- Cas d’usage : automatisation d’emails (relances, rapports), planification automatique dans Calendar, génération et stockage de documents Docs/Sheets, synchronisation de contacts.
- Prérequis : authentification OAuth (OAuth = protocole d’autorisation standard), accès API Google Cloud, clés OAuth client ou service account selon le workflow, scopes adaptés (Gmail, Calendar, Drive, Sheets, Contacts).
- Limites : scopes limités — demande explicite d’autorisation utilisateur ; quotas Google (ex. 10k requêtes/j selon API) ; certaines actions nécessitent interaction utilisateur si scopes sensibles ; CLI vs chat : le CLI permet scripts/batch, l’intégration chat est plus contrôlée mais moins puissante pour exports massifs.
- Bonnes pratiques : séparer comptes production/test, utiliser IAM et least privilege, stocker secrets dans un secret manager, journaliser toutes les actions (logs), rotation régulière des clés/tokens, demande d’autorisation explicite pour actions sensibles.
WhatsApp CLI Skill — cas d’usage, prérequis, limites, bonnes pratiques :
- Cas d’usage : envoi de notifications transactionnelles, alertes opérationnelles, confirmations de rendez-vous, file d’attente de messages via script.
- Prérequis : token API WhatsApp (ou integration via Meta Business), numéro validé, CLI installée, éventuelle configuration webhook pour les réponses.
- Limites : politique anti-spam de WhatsApp, templates préapprouvés pour messages non-transactionnels, débit limité, pas idéal pour conversation riche en contexte sans gestion d’état côté serveur.
- Bonnes pratiques : séparer numéros/test, logs détaillés, backoff et retry, anonymisation des données sensibles, rotation des tokens, vérifier opt-in des destinataires.
Exemples d’installation & d’usage (vérifiez la doc officielle) :
clawhub install gog-skill
clawhub install whatsapp-cli-skill
# Envoi d'email (exemple générique)
gog send-email --to "user@example.com" --subject "Rapport" --body "Voici le rapport hebdo" --attachments ./report.pdf
# Envoi WhatsApp (CLI générique)
whatsapp send --to "+33612345678" --text "Votre RDV est confirmé le 12/03 à 10h" --template confirm_rdv
| Critère | GOG Skill | WhatsApp CLI |
| Actions possibles | Email, Calendar, Drive, Docs, Sheets, Contacts | Envoi/notification, templates, webhooks |
| Niveau d’intégration | Fort (API Google + Drive/Sheets natifs) | Moyen (API/rest, dépend du provider) |
| Risques | Scopes sensibles, quotas, fuite de données | Blocage anti-spam, token compromis, opt-in |
| Cas prioritaires | Automatisation docs/reporting, envoi d’emails automatisés | Notifications transactionnelles et alertes |
Comment donner à OpenClaw un accès à l’actualité et au web
le Tavily Search Skill apporte à OpenClaw un accès web structuré et temps réel pour compenser la mémoire locale.
Un search skill pour agents attendus doit produire : indexation rapide (capacité à récupérer et structurer le contenu en quelques secondes), sources fiables (métadonnées source, date, autorité), snippets pertinents (extraits courts contextualisés) et citations explicites (URL + fragment). Indexation = récupération + mise en cache légère ; snippet = résumé de 1–3 phrases extraites automatiquement ; citation = provenance vérifiable. Ces principes sont ceux recommandés par les pratiques de qualité des moteurs et évaluateurs (voir Google Search Quality Rater Guidelines).
Bénéfices : mise à jour des faits en temps réel (corrige la dérive de modèle), possibilité de recherche de preuves (liens primaires), amélioration des décisions basées sur données fraîches. Risques : biais de source, information non vérifiée, hallucinations si le skill résume mal ou retire le contexte.
Méthodologie d’intégration, concise et opérationnelle :
- Configurer sources prioritaires : liste blanche (journaux, bases publiques), blacklist des sites peu fiables.
- Parser résultats : extraire titre, snippet, url, date, auteur, domaine.
- Vérifier fraîcheur : comparer date source vs now; rejeter >X jours selon le sujet.
- Pondérer la confiance : score combinant autorité du domaine, fraîcheur, concordance multi-sources.
Exemple de réponse du skill (format JSON) :
{
"results": [
{
"title": "Inflation baisse en février",
"url": "https://exemple.news/article123",
"snippet": "L'inflation est passée de 3.1% à 2.8% en février selon l'INSEE.",
"date": "2026-02-28",
"source_score": 0.92
}
]
}Intégration dans une action (email) : insérer le title comme lien, le snippet en paraphrase et ajouter la source entre parenthèses pour traçabilité. Exemple de phrase générée : « Selon Exemple.news (28/02/2026) : L’inflation est passée de 3.1% à 2.8% — voir l’article ». Ainsi, vous gardez trace et vérifiabilité.
| Contrôles qualité | Action |
| Validation humaine | Revue manuelle pour résultats critiques |
| Seuil de confiance | Rejeter résultats <0.6 ou signaler |
| Whitelisting | Sources autorisées selon politique |
Comment traiter et synthétiser les contenus longs
La Summarize Skill convertit documents longs en résumés actionnables et structurés, utile pour gagner du temps et alimenter la mémoire de l’agent. Elle transforme pages, PDFs ou threads en synthèses exploitables.
Types de contenus pris en charge
- Articles et billets de blog — extraction des arguments et preuves.
- Emails et threads — synthèse des décisions, demandes et suivis.
- PDFs et rapports — extraction par section (méthode, résultats, conclusion).
- Transcriptions audio/vidéo (si texte disponible) — points clés et timestamps.
Formats de sortie recommandés (choisir selon objectif) :
- Points clés — pour lecture rapide.
- TL;DR (très court) — une phrase ou deux pour décideurs.
- Bullets détaillés — pour partage et onboarding.
- Actions recommandées — liste priorisée pour exécution.
Stratégie combinée : utiliser Tavily pour chercher et rassembler les sources pertinentes, puis lancer Summarize Skill pour condenser. Sauvegarder automatiquement les résumés dans Obsidian (outil de prise de notes basé sur fichiers Markdown) pour construire une mémoire consultable et reliée.
Exemples de prompts (adaptez le ton) :
Pour décision : "Résume ce rapport en 5 bullets et propose 3 options décisionnelles avec risques associés."Pour briefing : "Donne un TL;DR (2 phrases) puis 8 bullets structurés par thèmes pour un briefing de 5 minutes."Pour partage : "Crée un résumé public facile à lire : intro (1 ligne), 6 bullets, 3 actions concrètes."
Contraintes : perte d’information fine possible, nécessité de vérification humaine pour décisions critiques, limites techniques sur la longueur d’entrée (chunking requis au-delà de ~100–200k tokens selon l’outil).
| Entrée | Format résumé | Cas d’usage | Action finale |
| Rapport 50p | Bullets + actions | Réunion de décision | Choix d’option + plan 2 semaines |
| Thread Slack | TL;DR + points suivis | Onboarding | Assignation des tâches |
| Article scientifique | Points clés + limites | Revue lit. | Préciser hypothèse de recherche |
Comment organiser et exploiter une base de connaissances personnelle
l’Obsidian Skill transforme OpenClaw en gestionnaire de vault Markdown, permettant création, mise à jour et recherche dans vos notes.
Court aperçu : vous obtenez un PKM (personal knowledge management — gestion personnelle du savoir) intégré à OpenClaw avec historisation et traçabilité. Le résultat : capture rapide, enrichissement structuré, recherches full‑text et liens sémantiques exploitables par d’autres skills.
- Bénéfices : PKM pour retrouver et réutiliser le savoir ; audit trail = journal des actions (qui, quoi, quand) ; historisation des versions pour revenir en arrière.
- Configuration requise : Obsidian CLI installé (ou binaire obsidian-cli), chemin absolu du vault (/home/user/Vault ou C:\Users\you\Vault), permissions de lecture/écriture pour l’utilisateur OpenClaw et accès réseau si votre vault est sur un cloud.
- Sécurité : chiffrez le disque ou le dossier si contenus sensibles ; limitez les permissions.
Workflows types — rapides, reproductibles :
- Capturer une note depuis un résumé : extraire titre, résumé et source, puis créer un fichier Markdown horodaté.
- Enrichir avec métadonnées : frontmatter YAML (auteur, source, date, confiance) pour filtrer et pipeline automatisés.
- Lier via backlinks : utiliser [[Nom de note]] pour créer la toile de liens et faire émerger des hubs.
- Tagger pour ontologie : #concept / #projet pour construire une ontologie plate exploitable par l’Ontology Skill.
Interaction Obsidian ↔ Ontology Skill : l’Obsidian Skill gère les fichiers ; l’Ontology Skill consomme les tags/frontmatter et crée des relations (is_a, related_to) entre concepts, permettant génération automatique de graphes et requêtes sémantiques.
Exemples de commandes et snippets :
openclaw obsidian create --vault "/home/alex/Vault" \
--file "2026-03-06 - Résumé IA.md" \
--title "Résumé: Modèles efficaces" \
--tags "#IA #recherche" \
--link "[[Système de références]]" \
--content "Résumé court..."---
title: "Résumé: Modèles efficaces"
date: 2026-03-06
source: "paper://doi/10.1000/xyz"
confidence: 0.8
tags: ["IA","recherche"]
---
Résumé synthétique ici.
Voir aussi: [[Système de références]]
| Structure de dossier | Notes/, Projects/, References/ ; séparer source brute et notes interprétées. |
| Conventions de nommage | YYYY-MM-DD – Titre court.md pour captures ; Project – Sujet.md pour hubs. |
| Fréquence de synchronisation | Auto-sync toutes les 5–30 min selon volume ; commits locaux fréquents. |
| Sauvegarde | Backup quotidien + versioning Git ou snapshot cloud, conserver 30 jours au minimum. |
Comment automatiser et orchestrer des workflows métiers
la n8n Workflow Automation Skill relie OpenClaw aux applications et APIs pour exécuter workflows métier (notifications, ETL, intégrations CRM). Je décris ci‑dessous l’architecture, un cas concret, contraintes, sécurité, tests et déploiement.
Architecture d’intégration
- Déclencheurs depuis OpenClaw : webhooks ou événements push (ex. nouvel enregistrement, alerte).
- Noeuds n8n principaux : HTTP Request (APIs REST), Webhook (réception d’événements), Google (Sheets/GMail), SMTP (emails), Twilio/WhatsApp (notifications), Function/Code (transformation ETL).
- Gestion des erreurs : retries exponentiels, dead‑letter queue (Kafka/SQS) et notifications d’alerte.
- Monitoring : logs structurés, métriques Prometheus + Grafana, alerting sur latence/échecs.
Cas d’usage concret — réception email -> extraction -> création ticket -> envoi WhatsApp.
- Webhook (n8n) : reçoit événement email depuis OpenClaw ou SMTP relay.
- Function/Code : parse du corps, extraction entités (client, urgence).
- HTTP Request (CRM API) : création du ticket avec payload structuré.
- Twilio/WhatsApp node : envoi de confirmation au client.
- Set / Error workflow : envoie un message à l’équipe en cas d’échec.
Exemple minimal pour tester le webhook
curl -X POST https://xxxx.ngrok.io/webhook/123 \
-H "Content-Type: application/json" \
-d '{"from":"client@example.com","subject":"PB urgent","body":"..."}'Contraintes & sécurité : authentification OAuth/API keys, quotas d’API, latence réseau (SLA). Je recommande séparation dev/stage/prod, gestion des secrets via HashiCorp Vault ou AWS Secrets Manager, TLS obligatoire, RBAC pour n8n et rotation des clés.
Tests & déploiement : testez local avec docker-compose et ngrok pour webhooks, utilisez Mailtrap pour emails. En prod : déployer en Kubernetes avec PVC pour DB, réplication, backups, et monitoring Prometheus + alerting.
| Scénario prioritaire | KPI |
| Création tickets depuis emails | Taux réussite, temps moyen de traitement |
| Notifications clients (WhatsApp/Email) | Latence d’envoi, taux de délivrabilité |
| ETL quotidien vers BI | Durée job, erreurs/parsing |
Prêt à équiper OpenClaw pour agir sur votre business ?
Ces sept skills forment une base pragmatique pour transformer OpenClaw d’un agent passif en une plateforme actionnable : GOG et WhatsApp pour la messagerie, Tavily et Summarize pour l’accès à l’information, Obsidian et Ontology pour structurer la connaissance, n8n pour automatiser les workflows. Installez-les via ClawHub, suivez les bonnes pratiques de sécurité et vérification humaine. Résultat attendu : gains de productivité réels, meilleure traçabilité des décisions et automatisations opérationnelles au service de votre business.
FAQ
Comment installer une skill OpenClaw via ClawHub ?
Quels risques de sécurité pour ces skills ?
Quelle skill pour la recherche d’informations à jour ?
Peut-on intégrer Obsidian et Ontology pour créer un graphe de connaissances ?
Quel est le meilleur point de départ pour un déploiement rapide ?
A propos de l’auteur
Franck Scandolera — fort de projets concrets en tracking server-side, Analytics Engineering et automatisation no/low-code (n8n), j’accompagne la mise en place d’agents et workflows actionnables pour des clients tels que Logis Hôtel, Yelloh Village, BazarChic, Fédération Française de Football et Texdecor. Responsable de l’agence webAnalyste et de l’organisme Formations Analytics, je forme et déploie des solutions pratiques de collecte, structuration et orchestration des données. Dispo pour aider les entreprises => contactez moi.
⭐ Analytics engineer, Data Analyst et Automatisation IA indépendant ⭐
- Ref clients : Logis Hôtel, Yelloh Village, BazarChic, Fédération Football Français, Texdecor…
Mon terrain de jeu :
- Data Analyst & Analytics engineering : tracking avancé (GTM server, e-commerce, CAPI, RGPD), entrepôt de données (BigQuery, Snowflake, PostgreSQL, ClickHouse), modèles (Airflow, dbt, Dataform), dashboards décisionnels (Looker, Power BI, Metabase, SQL, Python).
- Automatisation IA des taches Data, Marketing, RH, compta etc : conception de workflows intelligents robustes (n8n, App Script, scraping) connectés aux API de vos outils et LLM (OpenAI, Mistral, Claude…).
- Engineering IA pour créer des applications et agent IA sur mesure : intégration de LLM (OpenAI, Mistral…), RAG, assistants métier, génération de documents complexes, APIs, backends Node.js/Python.