OpenClaw : comprendre et lancer votre agent IA personnel open source

Pendant des années, l’intelligence artificielle grand public s’est résumée à une fenêtre de discussion : on pose une question, on lit une réponse, on copie-colle. OpenClaw change la donne. C’est un agent IA personnel que vous installez sur votre propre machine, qui vous répond dans les messageries que vous utilisez déjà, et qui surtout agit : il lit et écrit des fichiers, lance des commandes, interroge des API, vous notifie. En quelques mois, le projet est devenu l’un des projets open source à la croissance la plus rapide de l’histoire de GitHub. Ce guide pose les bases — ce qu’est OpenClaw, comment il fonctionne, et par quel chemin le prendre en main — puis vous oriente vers les tutoriels pratiques de cette série.

Sommaire

• Ce que ce parcours vous permettra de faire
• Le parcours d’apprentissage
• Pourquoi OpenClaw fait parler de lui
• Les concepts fondamentaux
• Vue d’ensemble pratique
• Les tutoriels de la série
• OpenClaw face aux autres approches
• Déployer à moindre coût
• A quoi sert un agent personnel
• Ce qu’OpenClaw n’est pas
• Choisir sa messagerie
• Erreurs fréquentes à éviter
• FAQ

🎯 Ce que ce parcours vous permettra de faire

• Installer OpenClaw de zéro sur une machine Linux et le faire tourner en continu.
• Le rendre joignable depuis une messagerie comme Telegram, avec un contrôle d’accès strict.
• Lui brancher le modèle de langage de votre choix et arbitrer entre qualité et coût.
• Lui apprendre des compétences sur mesure en langage naturel.
• Le sécuriser sérieusement et le piloter au quotidien depuis le terminal.

🗺️ Le parcours d’apprentissage

Cette série construit, étape après étape, un assistant personnel auto-hébergé piloté depuis une messagerie. L’ordre conseillé suit la logique de construction : on pose la fondation, puis on équipe l’agent, enfin on le durcit et on le pilote.

1. On commence par installer OpenClaw : Node, paquet npm, passerelle persistante.
2. On le rend joignable en le connectant à Telegram.
3. On lui donne un cerveau en configurant un modèle LLM.
4. On le rend utile en lui écrivant une compétence sur mesure.
5. On le rend défendable en le sécurisant.
6. On en devient maître en apprenant à le piloter en ligne de commande.

Pourquoi OpenClaw fait parler de lui

OpenClaw est né fin 2025 sous le nom de Clawdbot, créé par Peter Steinberger, développeur connu pour avoir fondé PSPDFKit. Le projet a été renommé Moltbot fin janvier 2026 à la suite d’une objection de marque, puis OpenClaw quelques jours plus tard. Sous ces différents noms, son ascension a été fulgurante : début mars 2026, le dépôt dépassait 240 000 étoiles sur GitHub — l’une des ascensions open source les plus rapides jamais observées sur la plateforme. Le logiciel est libre, sous licence MIT, et écrit principalement en TypeScript.

Cet engouement ne tient pas au hasard. OpenClaw incarne un basculement : de l’assistant qui parle à l’assistant qui fait. Trois choix de conception expliquent son adoption. D’abord, il est auto-hébergé : il tourne sur votre matériel, sous vos règles, et vos données restent chez vous. Ensuite, il utilise comme interface les messageries que vous avez déjà — pas une nouvelle application à installer, mais Telegram, WhatsApp, Signal et une vingtaine d’autres canaux. Enfin, il applique le principe du bring your own LLM : il n’embarque aucun modèle et vous laisse brancher celui de votre choix, qu’il s’agisse de Claude, des modèles GPT d’OpenAI, de DeepSeek ou d’un modèle tournant sur votre propre serveur.

Signe de sa maturité, sa gouvernance a évolué : en février 2026, son créateur a rejoint OpenAI et une fondation à but non lucratif a été mise en place pour piloter le projet sur le long terme. Pour vous, cela signifie un outil dont la pérennité ne repose plus sur une seule personne.

Les concepts fondamentaux

Avant de mettre les mains dans le cambouis, quelques notions structurent toute la suite. Les comprendre vous fera gagner un temps précieux quand vous suivrez les tutoriels.

La passerelle (Gateway)

La passerelle est le cœur d’OpenClaw : un processus central qui doit tourner en permanence et qui orchestre tout. Elle gère les sessions, les connexions aux messageries, les outils et les événements. C’est la source unique de vérité : quand un message arrive sur Telegram, c’est elle qui le route vers la bonne conversation et fait appel au modèle. Sans passerelle active, l’agent est muet. Toute la première étape du parcours consiste d’ailleurs à l’installer comme service qui survit aux redémarrages.

Les canaux (channels)

Un canal est une messagerie connectée. OpenClaw en supporte plus d’une vingtaine — Telegram, WhatsApp, Slack, Discord, Signal, Microsoft Teams, et bien d’autres. La passerelle peut en servir plusieurs en même temps, en gardant le contexte propre à chaque interlocuteur. Telegram est le plus simple à mettre en place, ce qui en fait la porte d’entrée idéale, comme le montre le tutoriel dédié.

Le modèle de langage, apporté par vous

OpenClaw raisonne grâce à un modèle distant que vous choisissez. C’est une force : vous n’êtes pas enfermé chez un fournisseur, vous arbitrez vous-même entre qualité, vitesse et coût, et vous pouvez même utiliser un modèle local pour garder vos données sur votre matériel. Si vous découvrez les API de ces modèles, nos guides sur l’API OpenAI, DeepSeek et l’API Google Gemini vous aideront à obtenir une clé.

Les compétences (skills)

Une compétence est une capacité que l’on apprend à l’agent. Techniquement, c’est un dossier contenant un fichier SKILL.md : un peu de métadonnées et des instructions en langage naturel. L’agent lit la description pour décider quand activer la compétence, puis suit les instructions pour l’exécuter. Des centaines de compétences sont partagées sur ClawHub, le registre public du projet, et vous pouvez écrire les vôtres sans programmer, comme l’explique le tutoriel sur les compétences.

Sessions, mémoire et fichiers d’instructions

Chaque conversation est une session isolée, avec son propre historique : l’agent se souvient des échanges précédents pour rester cohérent. Sa personnalité et ses règles, elles, se définissent dans des fichiers d’instructions de l’espace de travail — notamment AGENTS.md (les règles de travail), SOUL.md (le ton) et TOOLS.md (les notes sur les outils). Modifier le comportement de l’agent passe davantage par ces textes que par du code, ce qui rend l’outil accessible bien au-delà des développeurs.

Vue d’ensemble pratique

Concrètement, mettre OpenClaw en service tient en quelques grandes étapes, chacune approfondie dans un tutoriel. On installe l’agent et sa passerelle ; on connecte une messagerie ; on branche un modèle ; on ajoute des compétences ; on sécurise ; on pilote. L’installation elle-même se résume à deux commandes une fois Node en place — npm install -g openclaw@latest puis openclaw onboard --install-daemon — mais chaque étape suivante mérite qu’on s’y attarde pour faire les bons choix de configuration.

Le fil conducteur de toute la configuration est un fichier unique, ~/.openclaw/openclaw.json, au format JSON5 (qui tolère commentaires et virgules finales). C’est là que se déclarent les canaux, le modèle, les règles de sécurité. À côté, l’espace de travail ~/.openclaw/workspace/ contient les compétences et les fichiers d’instructions. Connaître ces deux emplacements, c’est savoir où agir pour tout réglage. Et un réflexe à adopter dès le départ : après chaque modification de configuration, on relance la passerelle, puis on vérifie son état.

Les tutoriels de la série

Chaque tutoriel ci-dessous construit une brique de l’assistant personnel et peut se suivre seul, mais l’ordre proposé donne la progression la plus naturelle.

• Installer OpenClaw sur Linux — de la machine vierge à la passerelle qui tourne en service.
• Connecter OpenClaw à Telegram — créer le bot, l’appairer, contrôler les accès.
• Configurer un modèle LLM — brancher Claude, GPT ou DeepSeek et changer de cerveau en une commande.
• Écrire une compétence — un SKILL.md de zéro et l’installation depuis ClawHub.
• Sécuriser l’agent — accès fermé, isolation, secrets, audit des compétences, injection de requête.
• Piloter en ligne de commande — passerelle, sessions, messages proactifs, débogage et automatisation.

OpenClaw face aux autres approches

OpenClaw n’est pas un chatbot de plus, et le situer aide à comprendre quand le choisir. Face à un assistant en ligne classique, il se distingue par l’auto-hébergement et la capacité d’agir sur votre environnement : là où un chatbot répond, OpenClaw exécute. Face à un agent que l’on coderait soi-même avec une bibliothèque, il apporte une infrastructure prête à l’emploi — passerelle multi-canaux, gestion des sessions, système de compétences, mécanismes de sécurité — qu’on n’a pas à réécrire.

Sa contrepartie est sa responsabilité : un agent qui peut agir et que l’on héberge soi-même demande de la rigueur de configuration. C’est pourquoi la sécurité occupe une place entière dans cette série. Le bon état d’esprit est celui d’un administrateur système : on déploie un service puissant, donc on le cantonne, on le surveille et on le tient à jour. Pour qui veut un assistant véritablement personnel, qui touche à ses propres fichiers et outils sans envoyer ses données à un service tiers, le compromis est très favorable.

Déployer à moindre coût

Bonne nouvelle pour les budgets serrés : OpenClaw lui-même est gratuit, et il tourne sur une machine modeste. Un VPS d’entrée de gamme à un ou deux gigaoctets de mémoire, facturé quelques milliers de FCFA par mois, suffit largement, puisque le calcul lourd est délégué au modèle distant. Beaucoup d’hébergeurs acceptent un règlement par mobile money, ce qui évite d’avoir une carte internationale. Piloter l’agent par Telegram n’exige ni nom de domaine, ni certificat, ni port ouvert : la passerelle se connecte en sortie, donc même un serveur sans adresse publique dédiée reste joignable.

Le vrai poste de dépense n’est donc pas l’infrastructure mais l’API du modèle, facturée à l’usage et payable en devises. Trois leviers le maîtrisent : choisir un modèle économique par défaut et ne monter en gamme que pour les tâches complexes ; surveiller la consommation de jetons avec la commande intégrée /usage ; et, surtout, fixer un plafond de dépense côté fournisseur, le garde-fou le plus efficace contre une boucle d’agent qui consommerait sans contrôle. Pour qui héberge l’agent sur un petit serveur, l’usage « notifications intelligentes » — un message quand une sauvegarde réussit, quand un site tombe, quand l’espace disque baisse — coûte une poignée de centimes par jour tout en rendant l’assistant indispensable.

À quoi sert vraiment un agent personnel

La théorie séduit, mais c’est l’usage qui convainc. Voici des scénarios concrets que la série vous rend capable de mettre en place, sans rien d’autre que les briques décrites.

La surveillance d’infrastructure. Vous gérez un site ou un petit serveur. Une compétence de vérification, déclenchée par une tâche planifiée, teste chaque matin que le site répond et vous envoie le verdict sur Telegram. Si le site tombe la nuit, l’agent vous prévient au lieu de vous laisser l’apprendre par un client mécontent. C’est exactement la compétence que construit le tutoriel sur les compétences, prolongée par l’automatisation du tutoriel en ligne de commande.

L’assistant de triage. Branché sur votre messagerie, l’agent peut résumer un long fil de discussion, extraire les points d’action d’une réunion notée à la volée, ou reformuler un message technique pour un client non technique. Le modèle fait le travail de langage ; l’agent l’amène là où vous êtes déjà.

Le mémo opérationnel. Plutôt que de chercher dans votre historique « quelle était la commande pour redémarrer tel service ? », vous demandez à l’agent, qui connaît votre environnement via ses fichiers d’instructions. Il devient une mémoire externe de vos procédures, accessible depuis votre téléphone.

Le pont entre outils. Parce qu’il appelle des API et lance des commandes, l’agent relie des outils qui ne se parlent pas : déclencher une sauvegarde, interroger une base, formater une sortie, envoyer le résultat. Vous décrivez la procédure une fois dans une compétence, et elle devient une commande en langage naturel.

Le dénominateur commun de ces usages : un assistant qui vit là où vous travaillez, qui agit sur votre propre environnement, et dont vous gardez le contrôle complet. C’est ce que ni un chatbot en ligne, ni une automatisation rigide ne savent offrir aussi simplement.

Le système de compétences, clé de la personnalisation

Si un seul concept mérite qu’on s’y attarde, c’est celui des compétences, car c’est lui qui transforme un agent générique en votre outil. Une compétence est volontairement modeste : un dossier, un fichier SKILL.md, deux champs obligatoires (un nom et une description), puis des instructions en français clair. Rien à compiler, rien à déployer au sens classique. Vous décrivez une procédure comme vous l’expliqueriez à un collègue compétent, et l’agent sait la suivre.

Cette simplicité a une conséquence stratégique : la personnalisation d’OpenClaw n’est pas réservée aux développeurs. Un responsable support peut écrire une compétence qui formate les réponses selon une charte ; un administrateur peut en écrire une qui applique une procédure de diagnostic. Et parce qu’une compétence n’est que du texte, elle se versionne dans un dépôt, se partage avec une équipe, et s’améliore au fil du temps. Le revers, traité dans le tutoriel de sécurité, est qu’une compétence s’exécute avec les droits de l’agent : on lit toujours ce qu’une compétence tierce demande avant de l’installer. Le registre ClawHub, qui rassemble des centaines de compétences communautaires, est une mine — à condition de l’aborder comme on aborde du code tiers : utile, mais à relire.

Ce qu’OpenClaw n’est pas

Présenter honnêtement un outil, c’est aussi dire ses limites. OpenClaw n’est pas un modèle de langage : il ne « pense » pas tout seul et dépend entièrement de la qualité du modèle que vous lui branchez. Une réponse médiocre vient le plus souvent du modèle choisi ou d’instructions floues, pas de l’agent. Ce n’est pas non plus une solution « zéro configuration » : sa puissance vient précisément de ce qu’il agit, donc il faut accepter d’en être l’administrateur, avec la rigueur que cela suppose. Enfin, ce n’est pas un coffre-fort magique : un agent capable d’agir sur des contenus externes est exposé à l’injection de requête, un risque réel qui se gère par la configuration et la prudence, jamais par l’insouciance.

Le voir clairement aide à en tirer le meilleur : on lui donne un bon modèle, des instructions précises, un périmètre d’action maîtrisé, et on le surveille. À ces conditions, il tient ses promesses ; sans elles, il déçoit ou inquiète. Cette série est construite pour vous installer du bon côté de cette ligne.

Une trajectoire qui en dit long

L’histoire mouvementée du projet — trois noms en deux mois, une explosion de popularité, un créateur recruté par un grand acteur de l’IA et une fondation pour prendre le relais — n’est pas qu’une anecdote. Elle illustre la vitesse à laquelle le terrain des agents IA évolue, et pourquoi miser sur un projet libre, sous licence permissive et porté par une communauté, est un choix prudent : vous n’êtes pas captif d’un produit qui pourrait disparaître ou changer de modèle économique du jour au lendemain. Le code est ouvert, les compétences sont du texte, vos données restent chez vous. Si l’écosystème bascule demain, vous gardez la main sur votre installation. C’est une assurance que peu d’outils propriétaires comparables peuvent offrir.

Au-delà de Telegram : choisir sa messagerie

Telegram est le point d’entrée recommandé parce qu’il se configure en quelques minutes avec un simple jeton de bot, sans validation d’entreprise. Mais OpenClaw ne s’y limite pas, et le choix du canal a des conséquences pratiques qu’il vaut mieux connaître avant de s’engager. Signal séduit ceux qui placent la confidentialité au premier plan, au prix d’une mise en place un peu plus technique. Slack et Microsoft Teams brillent en contexte professionnel, où l’agent rejoint les espaces de travail existants de l’équipe. WhatsApp, de loin la messagerie la plus répandue dans de nombreux pays, est connectable mais nettement plus contraignant à mettre en œuvre que Telegram, ce qui explique qu’on conseille rarement de débuter par lui.

La bonne stratégie est progressive : maîtrisez l’agent sur Telegram, puis ajoutez un second canal quand un besoin précis le justifie — par exemple Slack pour partager l’assistant avec une équipe, ou Signal pour des échanges sensibles. La passerelle gère plusieurs canaux simultanément et conserve un contexte propre à chaque interlocuteur, si bien que vous n’avez pas à choisir une fois pour toutes. Quel que soit le canal, le principe de sécurité reste le même : fermer l’accès par défaut et n’autoriser que les comptes que vous connaissez, comme détaillé dans le tutoriel de sécurisation.

Erreurs fréquentes à éviter

FAQ

Qu’est-ce qui distingue OpenClaw d’un simple chatbot ?
Un chatbot répond ; OpenClaw agit. Il s’exécute sur votre machine, lit et écrit des fichiers, lance des commandes et vous répond dans vos messageries habituelles, tout en gardant vos données chez vous.

Faut-il être développeur pour l’utiliser ?
Non pour l’usage courant. L’installation et la sécurisation demandent un peu d’aisance en ligne de commande, mais écrire une compétence ou ajuster la personnalité de l’agent se fait en langage naturel.

OpenClaw est-il payant ?
Le logiciel est libre et gratuit (licence MIT). Le coût réel vient de l’API du modèle de langage que vous y branchez, facturée à l’usage — sauf si vous utilisez un modèle local, auquel cas vous ne payez que votre matériel.

Quel modèle de langage choisir ?
Celui dont vous avez déjà une clé, en privilégiant le modèle phare actuel du fournisseur pour la qualité, ou un modèle économique pour les tâches volumineuses. Le format unifié d’OpenClaw permet d’en changer en une commande.

Est-ce risqué d’héberger un tel agent ?
Comme tout service capable d’agir, il demande de la rigueur. Bien isolé, fermé par défaut et tenu à jour, il est raisonnablement sûr. Les risques spécifiques — injection de requête, compétences tierces — sont traités en détail dans le tutoriel de sécurisation.

Par où commencer ?
Par l’installation, puis suivez l’ordre du parcours. En une session, vous pouvez avoir un assistant qui vous répond sur Telegram.

Pour aller plus loin

• Documentation et code officiels : github.com/openclaw/openclaw et docs.openclaw.ai.
• Registre des compétences : clawhub.ai.
• Pour situer OpenClaw dans l’écosystème des modèles, voir nos guides sur l’API OpenAI, DeepSeek et l’API Google Gemini.