SenseNova-Skills est un dépôt de compétences modulaires pour agents IA, orienté bureautique : analyse Excel, recherche, génération d’images et création de présentations. Je l’ai testé sur un vrai cas DevOps, la génération d’un mini deck de réponse à incident, et mon verdict est simple : ça marche mieux comme brique d’agent que comme produit clé en main.
SenseNova-Skills, c’est quoi ?
SenseNova-Skills n’est pas une application web classique. C’est une collection de dossiers skills/, chacun avec un fichier SKILL.md, des prompts, quelques scripts Python ou Node, et des contrats d’artefacts. L’idée est de brancher ces compétences dans un runtime compatible Agent Skills, comme OpenClaw ou Hermes Agent.
Le dépôt couvre quatre familles utiles au bureau :
| Famille | Ce que ça promet | Exemple de sortie |
|---|---|---|
| Image et visualisation | Générer ou analyser des images | visuels, infographies |
| PPT | Construire une présentation | HTML par slide, PPTX |
| Data analysis | Lire et analyser des tableurs | CSV, Excel, graphiques |
| Deep research | Planifier et synthétiser une recherche | rapport Markdown ou HTML |
Vu avec mes lunettes de freelance sécu et DevOps, le point intéressant n’est pas le marketing autour de SenseNova. C’est la structure : le dépôt fournit des procédures découpées, appelables par un agent, avec des artefacts intermédiaires lisibles. C’est beaucoup plus auditables que les démos IA qui font tout dans une boîte noire.
Installation de SenseNova-Skills
J’ai cloné le dépôt depuis GitHub dans /tmp, puis lu le README, le guide d’installation et les scripts du skill sn-ppt-standard. Le dépôt ne s’installe pas comme une CLI unique. Le chemin normal consiste à copier les skills dans un runtime compatible, puis à laisser l’agent les appeler.
Pour un test contrôlé, j’ai exécuté directement le pipeline du skill PPT standard. J’ai installé les dépendances Python nécessaires dans un environnement temporaire, configuré un endpoint OpenAI compatible via le proxy local, puis lancé les étapes documentées du script run_stage.py.
Les variables de modèle utilisées pointaient vers le proxy local fourni, avec un modèle OpenRouter courant :
export OPENAI_BASE_URL=http://172.17.0.1:8790/v1
export OPENAI_API_KEY=sk-proxy
export OPENAI_API_BASE=http://172.17.0.1:8790/v1
export OPENROUTER_BASE_URL=http://172.17.0.1:8790/v1
export OPENROUTER_API_KEY=sk-proxy
export SN_TEXT_BASE_URL=http://172.17.0.1:8790/v1
export SN_TEXT_API_KEY=sk-proxy
export SN_TEXT_MODEL=openai/gpt-4o-mini
Ensuite, j’ai créé un task_pack.json et un info_pack.json pour un cas concret : préparer une présentation courte destinée à un CEO, un CTO et une équipe DevOps après des alertes de production récurrentes.
SenseNova-Skills à l’usage
Le test réel portait sur sn-ppt-standard, la partie qui transforme une demande en style, plan, assets, pages HTML et export PPTX.
J’ai lancé les étapes suivantes :
python run_stage.py preflight --deck-dir /tmp/sn-test-deck
python run_stage.py style --deck-dir /tmp/sn-test-deck
python run_stage.py outline --deck-dir /tmp/sn-test-deck
python run_stage.py asset-plan --deck-dir /tmp/sn-test-deck
python run_stage.py batch-page-html --deck-dir /tmp/sn-test-deck --concurrency 2
python run_stage.py export --deck-dir /tmp/sn-test-deck
Le pipeline a produit des fichiers concrets :
style_spec.json
outline.json
asset_plan.json
pages/page_001.html
pages/page_002.html
pages/page_003.html
sn-test-deck.pptx
La première étape intéressante est style. Le modèle a choisi un style “Classic Business”, une palette navy blue, un accent orange, et un thème clair. Ce n’est pas juste une réponse texte : le résultat est écrit dans style_spec.json, consommé ensuite par les autres étapes.
La deuxième étape, outline, a généré trois slides : couverture, problèmes identifiés, plan d’action sur 30 jours. Le contenu était cohérent avec le brief DevOps : bruit d’alertes, rôles d’incident flous, postmortems absents, reporting faible, puis KPIs comme MTTA, MTTR et récidive d’incident.
La troisième étape, batch-page-html, a produit une page HTML par slide. J’ai ensuite rendu ces pages dans Chromium headless pour vérifier visuellement le résultat. Les slides ne sont pas magnifiques, mais elles sont exploitables : structure claire, hiérarchie lisible, texte aligné avec le sujet.
Enfin, l’export PPTX a fini par fonctionner après installation des dépendances Node et du navigateur Playwright attendu par le convertisseur. La sortie observée était nette :
{"status": "ok", "pages": 3, "converted": 3, "failed": 0}
Donc oui, sur ce cas précis, SenseNova-Skills a vraiment produit un deck PPTX, pas seulement une promesse dans un README.
Ce que SenseNova-Skills fait bien
Le premier bon point, c’est la séparation des étapes. Style, plan, assets, HTML et export sont des phases distinctes. En pratique, ça permet de relire les décisions du modèle avant de générer la suite. Pour un usage pro, c’est rassurant.
Deuxième point positif : les artefacts sont simples. Du JSON, du HTML, du Markdown, un PPTX final. On peut versionner, inspecter, corriger et relancer une étape. C’est exactement ce que j’attends d’une brique d’automatisation fiable.
Troisième point : le dépôt assume le monde réel des agents. Les skills ne sont pas seulement des prompts jetés dans un coin. Ils décrivent des déclencheurs, des prérequis, des sorties attendues, des reprises possibles. Pour intégrer ça dans un assistant autonome, c’est une meilleure base qu’un notebook expérimental.
J’aime aussi le fait que le pipeline PPT puisse générer d’abord du HTML. Pour une équipe DevOps ou contenu, c’est pratique : on peut prévisualiser dans un navigateur, capturer, valider, puis exporter.
Les limites de SenseNova-Skills
La première limite, c’est l’installation. Pour un lecteur grand public, ce n’est pas un produit “je clone, je lance”. Il faut comprendre le modèle Agent Skills, choisir un runtime, configurer un endpoint LLM, puis parfois installer des dépendances Python et Node à la main.
La deuxième limite, c’est la fragilité opérationnelle. Pendant mon test, l’export PPTX a d’abord échoué parce que Playwright cherchait un Chromium dans un cache différent. Ce n’est pas grave pour un DevOps, mais c’est typiquement le genre de détail qui bloque un utilisateur pressé.
La troisième limite, c’est la qualité visuelle. Le deck généré est lisible et cohérent, mais il ne remplace pas un vrai designer. Les slides sont propres, pas premium. Pour un brouillon interne, ça passe. Pour une présentation client importante, je repasserais derrière.
Enfin, tout dépend fortement du runtime d’agent. Le dépôt fournit les compétences, pas l’expérience complète. Sans OpenClaw, Hermes ou un orchestrateur maison, une partie de la valeur reste théorique.
Est-ce que SenseNova-Skills marche vraiment ?
Oui, pour le scénario testé. J’ai obtenu un style JSON, un plan structuré, trois pages HTML et un PPTX exporté. Le contenu correspondait au brief sécurité et DevOps donné au départ.
Mais il faut nuancer : je n’ai pas validé tout le dépôt. Je n’ai pas exécuté l’intégralité des workflows image, deep research et Excel de bout en bout. Mon test sérieux porte sur le pipeline PPT standard, avec un vrai appel LLM et un vrai rendu navigateur.
Pour moi, c’est suffisant pour dire que le dépôt contient du code utilisable, pas seulement des exemples marketing. Ce n’est pas suffisant pour dire que toute la suite est mature en production.
Faut-il adopter SenseNova-Skills ?
Mon verdict : essayer, pas adopter les yeux fermés.
Si vous construisez un assistant interne, SenseNova-Skills est une bonne source de briques. Le découpage en skills, les prompts spécialisés et les scripts d’export donnent une base concrète pour produire des rapports, des decks ou des analyses semi-automatisées.
Si vous cherchez un outil final pour vos équipes métier, je serais plus prudent. Il manque une couche produit, une installation plus lisse, et des garde-fous d’exploitation.
Pour une équipe technique qui veut bâtir un agent bureautique, je le mets dans la catégorie “à prototyper”. Pour une PME qui veut juste générer des slides demain matin, je conseillerais plutôt un outil déjà packagé.
FAQ
SenseNova-Skills nécessite-t-il une clé SenseNova ?
Pas forcément si votre runtime accepte un endpoint OpenAI compatible. Dans mon test, j’ai utilisé un proxy local avec openai/gpt-4o-mini, et le pipeline PPT a fonctionné.
Peut-on utiliser SenseNova-Skills sans OpenClaw ou Hermes ?
Oui pour certains scripts, comme je l’ai fait avec run_stage.py. Mais l’usage normal reste un runtime Agent Skills, sinon vous devez fabriquer vous-même les fichiers d’entrée et orchestrer les étapes.
Le PPT généré est-il prêt à envoyer à un client ?
Pas directement. Il est utile comme premier brouillon structuré, surtout pour clarifier un sujet et gagner du temps, mais je recommande une relecture humaine et une passe design avant diffusion externe.