Agents IA : Grok Bot remplace OpenClaw, Stripe détaille sa méthode

Une utilisatrice avancée a basculé toute sa pile d’agents d’OpenClaw à Grok Bot, en conservant personnalité et routines. Chez Stripe, un agent interne sert plus de 10 000 employés et s’appuie sur des projets, des compétences et une infrastructure pensée pour la gouvernance. Deux terrains, une même leçon : des agents utiles demandent des cadres explicites.

Chez Stripe, 2 000 compétences et une gouvernance outillée encadrent Kai

Stripe exploite Kai, un agent interne qui s'appuie sur une bibliothèque de plus de 2 000 compétences, dont environ 50 sont utilisées quotidiennement. Chaque semaine, Kai prend en charge plus de 10 000 employés et opère dans un environnement organisé associant projets, compétences, politiques d’outils et contrôle humain. Les projets dans Kai font office de couches de paramétrage : un petit groupe d’employés sélectionne le modèle par défaut, valide les outils accessibles et précise les actions requérant une validation humaine, tandis que ces choix s’appliquent automatiquement aux autres utilisateurs. À titre d’exemple, le projet RH utilise une infrastructure backend distincte assortie d’un accès strictement limité, ce qui prévient l’exposition de données sensibles dans des documents publics. Tout employé peut transformer une session réussie en compétence réutilisable, comprenant des consignes d’usage, une spécification pour le système et un éditeur de test. Kai sélectionne ensuite automatiquement la compétence adaptée à la demande. L’accumulation de compétences pose un défi de qualité : plus le corpus s’élargit, plus le risque de contexte non pertinent augmente. Stripe a donc mis en place une télémétrie qui distingue les compétences à large usage, les workflows précieux de petites équipes et les outils inactifs, afin de promouvoir, fusionner ou retirer des éléments tout en préservant les usages de niche.

L’échelle révèle les faiblesses : priorités, charge et couche de requête dédiées

Sharadh Krishnamurthy rapporte que des agents ont failli submerger les systèmes de production chez Stripe. L’entreprise a observé des comportements imprévisibles, des surcharges des systèmes centraux et des échecs lors de la mise en production. L’amélioration des prompts ne suffisait pas à résoudre ces problèmes. Stripe a donc introduit des identités spécifiques pour les agents, des signaux de priorité, des mécanismes de gestion de charge et s’appuie sur une couche de requête capable d’absorber la demande supplémentaire générée par les agents.

Fondations techniques avant les modèles : le pari d’infrastructure de Stripe

Avant que les agents IA ne soient introduits, Stripe avait déjà consacré des ressources à la mise en place d’un catalogue analytique hiérarchisé, d’un moteur Trino robuste et d’une couche de métriques de confiance destinée à ses développeurs. Cette base technique autorise désormais les agents à accéder aux données à grande échelle, de manière sécurisée et fiable. Selon Sharadh Krishnamurthy, la gouvernance prime sur le choix du modèle et il conseille de consolider les équipes dédiées à l’expérience développeur et aux données avant de procéder à des investissements importants dans les agents. Sur la base de cette infrastructure, une petite équipe a pu mettre au point la première version opérationnelle de Kai en deux semaines seulement.

Grok Bot en usage : multi-comptes, conformité active et support avec approbation

Grok Bot offre à Claire la possibilité de relier six comptes Gmail ainsi que plusieurs espaces Slack et Linear, ce qui permet à un seul agent d’accéder à l’ensemble de ces services de façon centralisée, alors que ce mode de configuration n’est proposé que récemment par d’autres plateformes. Pour répondre aux exigences SOC 2, l’agent Lockdown accède au tableau de bord de contrôle, identifie les vulnérabilités, crée une demande de tirage accompagnée d’une solution suggérée, puis en informe Claire, qui examine et valide la modification avant que l’agent ne procède à la correction. Pour le support client, Holly Helpdesk gère les remboursements mais ne peut en émettre un sans l’approbation de Claire : un bouton ouvre la demande Stripe, Claire la confirme, et le remboursement est effectué. Une semaine après le lancement, Holly a reçu des avis cinq étoiles non sollicités. Claire considère que les agents doivent agir seuls sur les tâches à faible risque et solliciter un humain lorsque les conséquences sont importantes.

Donner un rôle clair aux agents et cadrer leur voix écrite

Claire attribue à chaque agent Grok un nom, un emploi et un périmètre précis, ce qui permet au système de déduire le rôle attendu, comme avec un agent nommé Prody McProd. Sur la communication écrite, elle estime que le style par défaut de Grok est trop compressé, tandis que Claude a tendance à écrire de façon trop développée ; Grok Bot raccourcit parfois les phrases à l’excès, rendant le texte difficile à suivre. Claire a résolu ce problème en lui faisant étudier ses propres e-mails envoyés et en créant un profil vocal détaillé, ce qui a permis à l’agent de gérer des communications sortantes à faible enjeu.

Migrer d’OpenClaw vers Grok Bot sans perdre le contexte ni l’autonomie

Claire, utilisatrice avancée, utilise Tailscale, se connecte à un Mac Mini via SSH et a construit un bot de secours pour gérer ses autres agents. Elle a jugé OpenClaw trop difficile à maintenir et a choisi Grok Bot pour ses capacités similaires et sa fiabilité. Avant de fermer ses agents OpenClaw, elle a utilisé Lifeguard pour exporter une archive sans secrets contenant l’identité, les tâches programmées et la configuration de chaque agent. Ces dossiers ont été importés dans Grok Bot, ce que Claire décrit comme une transplantation cérébrale : les agents ont retrouvé leurs personnalités et responsabilités, et la migration a préservé les éléments nécessaires pour revenir en arrière, ce qui a réduit le risque perçu. Sur la proactivité, OpenClaw rendait les agents naturellement actifs grâce à une fonctionnalité de rythme cardiaque, tandis que Grok Bot reste passif sans routines explicites ; chaque action récurrente est visible et facile à auditer, mais l’utilisateur doit décider quand chaque agent agit. Cette migration concerne des usages variés : gestion de six boîtes de réception, coordination familiale, revue de demandes de tirage, conformité SOC 2, support, audit d’abonnements et achats. Claire encadre aussi les permissions d’action, décrit les limites actuelles de Grok Bot, et privilégie pour la maison des agents qui réduisent le temps passé devant un écran, avec un journal de cuisine imprimé et un digest envoyé sur Kindle. Elle pose enfin une règle : autonomie sur les tâches à faible risque, intervention humaine dès que l’enjeu augmente.