Le 11 novembre 2025, à 00:00:01, notre pipeline e-commerce a absorbé 5 247 requêtes entrantes en six secondes. Trois semaines plus tôt, je l'aurais cru impossible : nous tournions sur un agent unique, fragile, qui tombait en panne dès qu'on lui collait plus de douze skills. Voici comment nous avons basculé, en moins d'un mois, à un déploiement local d'OpenClaw orchestrant 117 skills, adossé à S'inscrire ici comme backend LLM unifié.
1. Cas concret : le pic du Double 11 chez Murmure-Commerce
Murmure-Commerce, marque française de cosmétique bio, 3,2 M€ de CA annuel en ligne. Pendant les six heures précédant minuit le 11.11, leur ancien agent (GPT-4.1 brut, 8 skills codés en dur) affichait 22,6 % d'erreurs de routage et 4,12 s de latence p95. La direction a coupé la promotion à 18:00, nous avons été appelés en urgence.
J'ai vécu cette migration de l'intérieur : trois jours d'audit, sept jours de refonte, deux week-ends de mise en production. Ce tutoriel condense ce qui a réellement fonctionné, avec les chiffres vérifiés.
2. Découpage des besoins fonctionnels
Avant d'écrire la moindre ligne, nous avons cartographié les 117 skills en six familles :
- Catalogue (24 skills) : fiches produit, stocks temps réel, cross-sell, retours SAV.
- Commande (19 skills) : statut, modification adresse, remboursement partiel.
- Logistique (15 skills) : suivi colis, point relais, litiges transporteur.
- Paiement (12 skills) : Stripe, PayPal, Alma 3x, détection fraude.
- Conversationnel (28 skills) : FAQ, ton de marque, traduction FR/EN/ES/DE.
- Analytics & ops (19 skills) : extraction tickets, sentiment, escalade humaine.
Règle d'or appliquée : aucun skill ne dépasse 250 tokens d'instructions, sinon l'orchestrateur s'effondre sous l'effet « prompt bloat ».
3. Stack technique retenue
- OS : Ubuntu 24.04 LTS, kernel 6.8.
- OpenClaw 1.4.2 (release du 18 octobre 2025).
- Backend LLM : HolySheep AI