Les dépôts GitHub des agents IA en marketing, couche par couche

Comment lire ce guide

Dix couches, du plus stable au plus concret. Les standards ouverts d'abord, parce que tout le reste s'appuie dessus ; puis les compétences, les données, les connecteurs, la mémoire, le contrôle, l'orchestration, l'hébergement, les outils marketing que l'agent pilote, et l'amélioration du code. Une section à part couvre la production de pages de site.

L'open source d'abord. Dans chaque tableau, les dépôts open source (MIT, Apache 2.0, GPL, AGPL, et les dépôts « open core », dont le cœur est libre et certains modules payants) sont rangés selon trois critères, dans cet ordre : l'usage marketing (direct, avec appui technique, puis outil technique), la licence (MIT, puis Apache 2.0 et ISC, puis GPL, AGPL et LGPL, puis open core), et enfin l'activité la plus récente. La colonne « Sans développeur » indique si une équipe marketing peut s'en servir seule (« oui »), seule une fois l'outil installé par un technicien (« avec appui »), ou pas (« non ») ; elle n'entre pas dans le classement. Les dépôts qui ne sont pas open source (licence modifiée, licence « fair-code », usage non commercial) ou sans licence commune au niveau du dépôt sont cités en fin de couche, en une ligne.

Les étoiles ne prouvent pas la qualité. Une étoile est un clic d'intérêt. Un dépôt présenté dans un post avec « plus de 40 000 » étoiles en affichait près de dix fois plus à notre relevé, trois jours plus tard. Nous donnons les étoiles, datées, à côté de trois indications plus utiles : la licence, la dernière activité et l'identité de qui maintient le dépôt.

Les fiches partent des sources. Chaque fiche reprend la description donnée par le dépôt, vérifiée dans son README et son fichier de licence.

Couche 1 · Les standards ouverts

Un standard ouvert permet de changer d'outil sans tout réécrire. Une Skill écrite au format Agent Skills se charge dans Claude, ChatGPT ou Vibe (Mistral précise que les Skills de Vibe suivent ce standard ouvert) ; un serveur MCP se branche sur plusieurs assistants. Le 22 octobre 2026, Anthropic a confié le format Agent Skills à l'Agentic AI Foundation, rattachée à la Linux Foundation, qui héberge déjà MCP, A2A et AGENTS.md (communiqué de la Linux Foundation). Un format porté par une fondation neutre ne dépend plus d'un seul éditeur.

Couche 2 · Les compétences : Skills et plugins

Une Skill est une procédure écrite, que l'agent charge quand la tâche s'y prête : préparer une fiche concurrent, relire un texte, construire un brief. Un plugin en regroupe plusieurs, avec des commandes et des connecteurs, pour un métier. Les dépôts ci-dessous en publient des milliers. Le tri compte plus que le nombre : dans le banc d'essai SkillsBench (février 2026), des Skills rédigées par le modèle lui-même n'apportent aucun gain moyen, quand des Skills préparées par des humains augmentent le taux de réussite de 16 points en moyenne.

Sans licence open source au niveau du dépôt, cités pour mémoire : openai/skills (le catalogue de Skills de Codex, plus de 28 000 étoiles ; pas de licence commune, chaque Skill porte la sienne dans son dossier) ; ComposioHQ/awesome-claude-skills (liste de liens, environ 78 000 étoiles ; le README annonce Apache 2.0, sans fichier de licence, et renvoie à la licence de chaque Skill) ; hesreallyhim/awesome-claude-code (liste triée à la main, plus de 56 000 étoiles, licence Creative Commons non commerciale).

Couche 3 · Les données

Un agent sans données récentes répond de mémoire. Deux voies existent : les API, qui livrent des données structurées avec leurs clés et leurs quotas ; les pages web, que des outils transforment en texte lisible par un modèle. Dans les deux cas, les conditions d'usage du service et le RGPD s'appliquent, surtout pour des données personnelles.

Couche 4 · Les connecteurs

Un connecteur, le plus souvent un serveur MCP, donne à l'agent l'accès à un outil : la messagerie, l'agenda, le CRM, un dépôt de code. Chaque connecteur est une permission. Les droits de lecture d'un agent sont en général documentés, ses droits d'écriture beaucoup moins : nous l'avons constaté chez six éditeurs de CRM (document « Ce que votre CRM autorise un agent IA à écrire »). Pour trouver un connecteur, partez du registre officiel (couche 1) et préférez le serveur publié par l'éditeur de l'outil.

Couche 5 · La mémoire et le contexte

Un agent oublie d'une conversation à l'autre, et chaque document qu'on lui fait lire a un coût. Deux réponses existent : écrire une fois les informations utiles à l'agent (votre marque, vos cibles, vos règles), ou outiller sa mémoire. Nous commençons toujours par le document écrit à la main : il se relit, se corrige et se date, une mémoire automatique beaucoup moins.

Pas open source, cité pour mémoire : thedaviddias/llms-txt-hub, l'annuaire des sites qui publient un fichier llms.txt pour les modèles (aucun fichier de licence).

Couche 6 · Le contrôle et la sécurité

Contrôler un agent, c'est vérifier ses pages publiées et ses livrables, puis limiter la portée d'une erreur. Pour une page, un agent peut ouvrir un navigateur et vérifier un formulaire ou un affichage sur téléphone. Pour un livrable, une Skill se teste sur des cas réels et un cas tordu, en comparant avec et sans la Skill. Pour la portée d'une erreur, un environnement isolé sépare l'agent de vos systèmes.

Couche 7 · L'orchestration et les agents

Orchestrer, c'est décider quand l'agent travaille, dans quel ordre et avec quelle étape humaine. Trois familles existent : les outils d'automatisation sans code, où l'on assemble un flux à la souris ; les agents prêts à l'emploi ; les cadres de développement, pour les équipes qui codent. Avant de choisir, décidez à quelle étape une personne valide. Sans cette étape, une erreur part à chaque exécution du flux.

Sans code et prêts à l'emploi

Si votre équipe code

Pas open source, cités pour mémoire : n8n-io/n8n, l'outil d'automatisation le plus connu (plus de 200 000 étoiles), sous « Sustainable Use License » : une licence dite « fair-code », qui ne répond pas à la définition de l'open source ; l'usage interne est permis, la revente comme service ne l'est pas. langgenius/dify, flux agentiques et recherche dans des documents (RAG), sous une licence Apache 2.0 modifiée (pas d'exploitation pour plusieurs clients sur une même installation sans accord, logo à conserver dans l'interface).

Couche 8 · Héberger soi-même le modèle et l'interface

Héberger soi-même, c'est faire tourner un modèle ouvert sur sa machine ou son serveur, et lui donner une interface de discussion que l'on contrôle. Les données ne quittent plus votre infrastructure ; en contrepartie, la qualité dépend du modèle choisi et de la machine qui le fait tourner. Pour choisir entre héberger soi-même et passer par un fournisseur, notre article « IA souveraine en marketing : les questions à se poser » aide à décider.

Quel modèle faire tourner ? Le bon critère est le rapport coût sur performance de votre tâche. Les trois modèles ci-dessous sont des « mélanges d'experts » : beaucoup de paramètres au total, dont une petite partie travaille à chaque mot. Le calcul baisse, la mémoire nécessaire reste celle du modèle entier. Trois repères, relevés le 25 octobre 2026 chez les éditeurs :

• Mistral Small 4 (Mistral AI, mars 2026) : Apache 2.0, 119 milliards de paramètres dont 6 actifs, contexte de 256 000 jetons (les unités de texte que traite et facture un modèle). Une version compressée communautaire (4 bits) pèse environ 74 Go : à la portée d'une station de travail bien dotée en mémoire.
• DeepSeek V4 Flash (DeepSeek, avril 2026) : MIT, 284 milliards de paramètres dont 13 actifs, contexte d'un million de jetons. Il faut un serveur. La version 4.1 Flash, plus récente, n'est proposée sur Ollama qu'en mode cloud : les données quittent alors votre machine.
• Mistral Large 4 (Mistral, poids publiés le 29 octobre 2026) : environ mille milliards de paramètres dont 52 actifs, contexte d'un million de jetons. Sa licence, « Mistral Ecosystem Open-Weight », est un MIT modifié : l'usage interne est libre, même commercial ; une entreprise qui donne à des tiers l'accès au modèle, par une API par exemple, doit signer une licence commerciale avec Mistral. Il faut un serveur à plusieurs cartes graphiques : les exemples de déploiement de Mistral en utilisent huit.

Trois façons de les faire tourner, de la plus simple à la plus maîtrisée (le coût dépend de votre volume) : l'API de l'éditeur (DeepSeek facture V4.1 Flash 0,30 $ le million de jetons en entrée et 1,20 $ en sortie aux heures pleines, moitié prix aux heures creuses ; les données partent chez l'éditeur) ; un serveur loué chez un hébergeur, européen car la souveraineté compte ou, enfin, votre propre machine (les limites techniques sont vites atteintes).

Repères de prix (relevé non exhaustif du 28 octobre 2026, hors taxes ; deux hébergeurs européens pris en exemple). Un serveur avec une carte graphique L4 (24 Go de mémoire) coûte 0,75 € de l'heure chez OVHcloud comme chez Scaleway, soit 540 € et 547,50 € par mois. Une carte H100 (80 Go), qui peut porter la version compressée de Mistral Small 4, coûte 2,80 € de l'heure chez OVHcloud, soit 1 940 € par mois. Pour un outil comme Matomo ou listmonk (couche 9), un petit serveur de 2 Go de mémoire coûte environ 6 € par mois : 5,71 € chez OVHcloud, environ 6,42 € chez Scaleway, stockage et adresse IPv4 en sus. La maintenance s'ajoute et n'est pas chiffrée ici. Notre article « IA souveraine en marketing : les questions à se poser » compare, lui, des prix d'inférence louée, au million de jetons.

Couche 9 · Les outils marketing libres que l'agent peut piloter

Un agent peut piloter les outils que vous avez déjà. Mesure d'audience, newsletters, automatisation, réseaux sociaux, CRM : chacun a un équivalent libre, auto-hébergeable, qu'un agent peut lire et alimenter par son API. Ces outils sont sous GPL ou AGPL, sauf twenty (open core) : l'usage est libre, mais modifier l'outil et le mettre à disposition d'autres personnes, en ligne en particulier pour l'AGPL, oblige à partager le code modifié. Lisez la licence avant de personnaliser un de ces outils.

Couche 10 · Améliorer, moderniser et sécuriser du code

Un site, des scripts, des outils internes : une équipe marketing a du code, même sans développeur. Cette couche s'adresse d'abord à qui maintient ce code, en interne ou chez un prestataire. Un agent peut comprendre ce code, le moderniser et le contrôler, à une condition : prouver que le code modifié fait la même chose que l'ancien. Un plugin d'Anthropic, code-modernization, publié dans le catalogue officiel des plugins de Claude Code, en donne une méthode écrite. Le plugin ne modifie jamais le code d'origine, fait trancher une personne à six moments (dont l'approbation du plan et la signature de la preuve), compare l'ancien et le nouveau code sur les mêmes entrées et ajoute un test « canari » : une erreur volontaire d'une ligne doit faire échouer les tests, sinon les tests ne prouvent rien. Le plugin est sous Apache 2.0 ; il fonctionne dans Claude Code, avec un abonnement ou l'API, et certaines étapes lancent beaucoup d'agents à la fois : son README conseille de commencer par un seul module.

La méthode, et les outils à règles écrites

Les outils à règles écrites font une partie du travail sans IA, de façon reproductible. Ils forment la base ; l'agent intervient quand il faut comprendre le code.

Les agents de développement

Le contrôle de la qualité et de la sécurité

Pas entièrement open source, cité pour mémoire : github/codeql, les requêtes d'analyse de sécurité de GitHub. Les requêtes sont sous MIT ; l'outil CodeQL qui les exécute a sa propre licence GitHub, à lire avant un usage sur du code privé.

Produire plus vite les pages d'un site

Des dépôts promettent un site en quelques heures : des composants prêts à l'emploi, une Skill de design, une capture d'écran qui devient du code. Ils accélèrent la mise en page. Le contenu, le référencement, l'accessibilité, les données structurées et la maintenance restent à faire. La qualité d'un site se joue sur ces cinq points, et nous les contrôlons avant chaque mise en ligne.

La Skill frontend-design, dans le dépôt anthropics/skills (couche 2), joue le même rôle que UI UX Pro Max, sans dépendance supplémentaire.

Trois exemples qui font parler d'eux

• abi/screenshot-to-code MIT

  Transforme une capture d'écran en code HTML, Tailwind ou React : l'effet est réel, le résultat reste une maquette.

• morluto/rea MIT

  Va plus loin et promet de reconstituer une application entière à partir de son comportement ; les commentaires que nous avons lus en marquent la limite (l'interface se reconstitue, la logique côté serveur non) et le coût en jetons.

• firecrawl/open-lovable MIT

  Promet de cloner n'importe quel site.

Avant d'installer un dépôt

Six vérifications, dans cet ordre, avant toute installation. Pour un dépôt simple, les cinq premières demandent d'ouvrir trois ou quatre pages (l'accueil du dépôt, le fichier de licence, la documentation des droits), soit environ 10 minutes selon nos estimations ; un catalogue demande une page de plus par Skill utilisée. L'essai à l'écart se compte à part.

1. La licence, lue dans son fichier. Le badge affiché sur la page d'accueil du dépôt ne suffit pas : plusieurs dépôts de ce guide ont une licence modifiée, ou une partie sous licence commerciale. Un dépôt sans fichier de licence n'est pas libre de droits.
2. La dernière activité, et l'archivage. Un dépôt archivé ne reçoit plus de correctifs ; un dépôt inactif depuis plusieurs mois, peut-être plus.
3. Qui le publie. L'éditeur de l'outil, une fondation, une entreprise, une personne seule : la confiance et la durée de vie ne sont pas les mêmes. Pour un connecteur, préférez le serveur publié par l'éditeur de l'outil.
4. Les droits demandés. Une clé d'API, un accès à la messagerie, au CRM, au disque : chaque droit accordé est une porte. Accordez la lecture d'abord, l'écriture ensuite.
5. Son contenu. Une Skill est un texte que l'agent suit : lisez-la avant de l'installer, comme vous liriez une procédure confiée à un nouveau venu. Une instruction cachée dans une Skill ou une page lue par l'agent peut le détourner.
6. Un essai à l'écart. Sur une copie, un compte de test ou une tâche sans enjeu, avec une version figée du dépôt. La mise en production vient après.