Plus solide que ChatGPT ? OpenHuman et ses Skills locaux font le buzz

Printemps 2026 : sur Twitter dev et les fils tech, un nom revient — OpenHuman. De 0 à 17 000+ étoiles GitHub en moins de trois mois ; des centaines de commentaires sur Product Hunt et Hacker News. Première réaction : « encore un wrapper ChatGPT ? » Après lecture du code et de la doc : pas tout à fait — le différenciateur est « Skills locaux + Memory Tree + wiki lisible », pas le modèle seul.

Cet article couvre le système Skill : extension d'agent, comparaison GPT ChatGPT, état beta et migration runtime, et pourquoi les devs Apple Silicon déploient la stack sur Mac mini M4 Cloud Mac.

Pourquoi OpenHuman fait parler la Silicon Valley

ChatGPT excelle en conversation ; trois douleurs persistent chez les devs :

• Cold start : nouvelle session = zéro contexte projet, mail, Slack ;
• Vendor lock-in : Custom GPT liés au compte OpenAI cloud ;
• Opacité : impossible d'auditer la « mémoire » comme du code.

OpenHuman (GPL-3.0, Rust + Tauri) combine :

• Memory Tree : Auto-fetch Gmail/Slack/Notion → wiki local (Memory OS) ;
• Skills locaux : installables, désinstallables, instructions en clair ;
• UI-first : onboarding en minutes, pas YAML terminal.

Narratif qui accroche : « le modèle peut changer ; workflows et extensions restent sur la machine. » Complète contexte personnel vs Memory ChatGPT — Memory = se souvenir ; Skill = agir.

Qu'est-ce qu'un Skill OpenHuman

Pas un « plugin ChatGPT de plus » — paquet d'extension dans le workspace agent :

• manifest : nom, description, tags, version — catalog et matching ;
• SKILL.md : procédures en clair injectées au prompt.

Registre officiel : tinyhumansai/openhuman-skills. Découverte → install → uninstall ; ouvrez SKILL.md dans un éditeur pour auditer les limites.

Injection dans le « cerveau » de l'agent

Selon le PR Skill injection (mai 2026) :

Message utilisateur
    ↓
Skill matcher (@ explicite + heuristiques mots-clés/tags)
    ↓
read_body() → SKILL.md du Skill matché
    ↓
render_injection (plafond 8 KiB, troncature si dépassement)
    ↓
Agent::turn — LLM + instructions Skill + Memory Tree
    ↓
Toolchain (filesystem / git / web / API intégrations …)

Le paragraphe ## Available Skills liste les Skills ; le travail réel vient du corps SKILL.md — SOP versionnable pour le modèle.

État actuel : migration du runtime Skill

Mai 2026 = période de transition.

• Versions early : sandbox QuickJS pour JS dans les paquets Skill ;
• GitBook et retours : couche QuickJS/rquickjs retirée ;
• Aujourd'hui : catalog metadata + injection SKILL.md, pas runtime plugin tiers complet ;
• Runtime en reconstruction — traiter en beta.

Installer un Skill aujourd'hui = surtout instructions structurées + templates avec la toolchain intégrée — pas binaire fermé arbitraire. Avantage sécurité pour équipes sensibles ; ajustez les attentes si vous voulez « un clic = n'importe quelle API ».

Skill OpenHuman vs Custom GPT ChatGPT

« Plus solide que ChatGPT » pour des workflows agent composables, auditable, offline-capable — oui en architecture. Pour IQ conversation pure ou multimodal cutting-edge, les modèles cloud mènent souvent. OpenHuman vend une infra agent, pas un LLM plus gros.

Skill + Memory Tree : 1 + 1 > 2

• Skill : « comment traiter une escalade client » ;
• Memory Tree : « résumé Slack/mail client 30 derniers jours » ;
• Model Routing : raisonnement fort → cloud, embedding → Ollama local ;
• Coder toolset exécute les étapes engineering du Skill.

Un Custom GPT peut avoir des Instructions, mais ingérer automatiquement vos fils Slack en wiki local — avantage structurel OpenHuman pour agents perso/petite équipe.

openhuman-skills : porte d'entrée communautaire

• src/core/ — Skills shipped (TypeScript + manifest) ;
• docs/SKILL_SPEC.md — spec d'écriture ;
• Pipeline : compile TS → esbuild → registre ;
• Catalog par défaut = ce repo GitHub (VITE_SKILLS_GITHUB_REPO overridable).

Fork, SKILL.md selon SPEC, catalog self-hosted — écosystème Skill hébergeable, pas attente du store officiel. Différent d'OpenClaw (gateway vs agent desktop) ; les deux peuvent coexister sur un Cloud Mac — isolez les workspaces.

Local AI : option privacy pour workflows Skill

Settings → AI & Skills → Local AI — trois presets :

• Embeddings only : all-minilm etc. pour Memory Tree ;
• Embeddings + learning : partie des jobs background local ;
• Everything local : embedding, summary, heartbeat, learning, subconscious via Ollama.

Local-first = surtout Memory et metadata Skill — chat, vision, web search, proxy OAuth peuvent rester cloud. Ollama Metal sur M4 = compromis courant — voir M4 et IA.

Stack Skill sur Mac mini M4 Cloud Mac

• Skills + SKILL.md + manifest ;
• Memory Tree (chunks.db + wiki/) ;
• Caches Ollama ;
• Auto-fetch 7×24 = machine awake.

1. Windows/Linux principal : macOS distant pour OpenHuman + catalog ;
2. Nœud agent équipe : SSH/VNC fixe, OPENHUMAN_WORKSPACE persistant ;
3. CI iOS même machine : Skills + Xcode sur M4 — FAQ stockage.

Check-list déploiement Skill

• Release OpenHuman, Settings → AI & Skills browse catalog ;
• Installer 1–2 Skills, tester @skill-name ;
• Connecter une source Auto-fetch ;
• Backup OPENHUMAN_WORKSPACE (skills + wiki/) ;
• Suivre release notes v0.55+ sur rebuild runtime Skill.

FAQ

Remplace les GPT ChatGPT ? Souvent mieux pour workflows locaux auditable + mémoire perso ; ChatGPT reste plus simple pour multimodal cloud zero-config.

Écrire ses Skills ? Oui — SKILL_SPEC, manifest, install local ou PR au catalog.

QuickJS encore ? Retiré ; injection SKILL.md, runtime en reconstruction.

Vs plugins OpenClaw ? OpenClaw = gateway multi-canal ; OpenHuman = agent desktop + Memory + Skill. Coexistence possible, isolez ressources.

Mac obligatoire ? macOS/Windows/Linux ; 7×24 + Ollama Metal → Cloud Mac fréquent.

Conclusion

OpenHuman buzz grâce à « Skills locaux + Memory Tree + wiki lisible », pas un modèle plus grand. Il déplace la logique d'extension du GPT Store cloud vers des SKILL.md installables, auditable, cohabitant avec vos données — runtime beta, direction claire : les capacités agent doivent vivre sur votre machine comme du code. Sur Mac mini M4 Cloud Mac : OpenHuman + catalog + Ollama optionnel — chemin agent perso 2026 à tester.