60% des employés chinois utilisent des outils d’IA de façon hebdomadaire, soit près du double du taux américain. Cette adoption massive nourrit un phénomène nouveau qui révèle les tensions du travail à l’ère de l’intelligence artificielle : des employés documentent leurs propres compétences pour créer des agents IA capables de les remplacer.
Colleague Skill, un projet open source viral sur GitHub, a déclenché une vague d’introspection chez les travailleurs chinois de la tech. L’outil promet de transformer n’importe quel collègue en “compétence” réutilisable pour agents IA. Face à cette menace, une contre-offensive créative émerge : l’anti-distillation, ces outils de sabotage qui protègent l’expertise humaine en rendant inutilisables les données extraites.
L’essentiel
- Le projet Colleague Skill a dépassé 8 400 étoiles sur GitHub en une semaine, révélant l’ampleur de l’anxiété professionnelle
- Les employeurs chinois poussent leurs équipes à documenter leurs processus de travail avec des outils comme OpenClaw ou Claude Code
- Une riposte technique émergente : l’outil “anti-distillation” sabote la création de clones IA en rendant les données inexploitables
- Les offres d’emploi pour diplômés ont chuté de 22% au premier semestre 2025 sur une plateforme majeure de recrutement
Distiller un collègue en quelques clics
Colleague Skill a été créé par Tianyi Zhou, ingénieur au Shanghai Artificial Intelligence Laboratory. Développé en moins de quatre heures par cet ingénieur de 24 ans, l’outil était initialement pensé comme un canular, pour transformer les communications de travail, documents et expérience en compétences réutilisables.
Le processus est d’une simplicité inquiétante. Pour utiliser Colleague Skill, un utilisateur nomme le collègue dont il veut répliquer les tâches et ajoute des détails de profil basiques. L’outil importe automatiquement l’historique de chat et les fichiers depuis Lark et DingTalk, deux applications de travail populaires en Chine, et génère des manuels réutilisables décrivant les tâches de ce collègue et même ses particularités uniques pour qu’un agent IA puisse les répliquer.
Amber Li, 27 ans, travailleuse tech à Shanghai, a utilisé l’outil pour recréer un ancien collègue comme expérience personnelle. En quelques minutes, l’outil a créé un fichier détaillant comment cette personne faisait son travail. “C’est étonnamment bon”, dit Li. “Ça capture même les petites habitudes de la personne, comme sa façon de réagir et ses habitudes de ponctuation.” Avec cette compétence, Li peut utiliser un agent IA comme nouveau “collègue” qui l’aide à déboguer son code et répond instantanément.
Quand les entreprises demandent l’auto-documentation
Depuis qu’OpenClaw est devenu une folie nationale, les dirigeants en Chine poussent les travailleurs tech à expérimenter avec les agents. OpenClaw, framework d’agents autonomes open-source, s’est rapidement imposé dans l’écosystème technologique chinois. Alibaba Cloud propose désormais l’hébergement d’OpenClaw dans 19 régions à partir de 4 dollars par mois. Un utilisateur en Chine peut déployer une instance OpenClaw sur Alibaba Cloud, alimentée par Qwen, avec des intégrations de messagerie chinoises - une stack entièrement domestique sans dépendance aux fournisseurs d’IA ou infrastructures étrangères.
Cette infrastructure facilite ce que Hancheng Cao, professeur assistant à l’Université Emory qui étudie l’IA et le travail, décrit comme une stratégie légitime : “demander aux employés de créer des manuels décrivant les minuties de leurs tâches quotidiennes est une façon d’aider à combler cet écart”. Les entreprises gagnent non seulement une expérience interne avec les outils, mais aussi des données plus riches sur le savoir-faire des employés, les flux de travail et les schémas de décision.
Mais cette rationalisation économique masque une réalité plus sombre. Les travailleurs ont forgé un terme pour ce processus : “zhēngliù” (蒸馏) - distillation. Comme dans, faire bouillir une personne jusqu’à son essence reproductible. Un ingénieur logiciel, qui a parlé au MIT Technology Review anonymement par crainte pour sa sécurité d’emploi, a entraîné une IA (pas Colleague Skill) sur son flux de travail et a trouvé que le processus était réducteur - comme si son travail avait été aplati en modules d’une façon qui le rendait plus facile à remplacer.
La contre-offensive de l’anti-distillation
Face à cette menace existentielle, une résistance technique émerge. Irritée par l’idée de réduire une personne à une compétence, Koki Xu, 26 ans, gestionnaire de produit IA à Beijing, a publié une compétence “anti-distillation” sur GitHub le 4 avril. L’outil, qui a pris à Xu environ une heure à construire, est conçu pour saboter le processus de création de flux de travail pour agents. Les utilisateurs peuvent choisir entre des modes de sabotage léger, moyen et lourd selon la proximité de surveillance de leur patron, et l’agent réécrit le matériel en langage générique et non-actionnable qui produirait un substitut IA moins utile.
Le principe est simple : téléchargez votre fichier de compétence, l’outil scanne tout ce qui est réellement utile et l’épure en charabia corporatif vague comme “gérer les problèmes en analysant d’abord le contexte”. Vous pouvez même choisir combien diluer (doux, modéré, ou sévère) selon la minutie avec laquelle votre entreprise vérifie. La version aseptisée va à votre patron. Les vraies tactiques restent dans une sauvegarde privée, ce que le créateur appelle votre “compétitivité centrale”.
Le 3 avril 2026, une créatrice utilisant le nom Deng Xiaoxian a posté une vidéo annonçant sa réponse : la compétence anti-distillation. Son argumentaire était direct : “Nous travaillons tous ici comme du bétail. Personne ne veut être transformé en fichier de compétence et perdre son travail. Alors j’ai inventé ceci.” L’outil fonctionne en prenant votre fichier de compétence existant et en le traitant à travers une couche de “nettoyage”.
Le contexte économique de la peur
Cette guerre technologique souterraine s’inscrit dans un environnement économique tendu. Les offres d’emploi dans les fonctions susceptibles à l’IA - programmation, comptabilité, édition, ventes - ont décliné fortement en Chine depuis 2018, selon une analyse de plus d’un million d’offres d’emploi par l’Université de Pékin. Le chômage des jeunes dans la tranche 16-24 ans a oscillé entre 15% et 19%.
Un travailleur de Shanghai, cité par OfficeChai, a comparé l’atmosphère de bureau à Squid Game. Quand l’anxiété de base est aussi élevée, un outil qui vous permet d’empaqueter discrètement le travail de quelqu’un d’autre dans un fichier texte va trouver rapidement des utilisateurs. Cette comparaison à la série sud-coréenne où les participants s’éliminent mutuellement résonne dans un marché du travail où l’automatisation par l’IA se déploie en vagues graduelles plutôt qu’en tsunami économique, créant une pression constante sur les employés.
L’anti-distillation est un pari que l’écart entre connaissance documentée et jugement réel est assez large pour compter. Étant donné où se situent actuellement les capacités IA, c’est probablement un bon pari - pour l’instant. La question à plus long terme est combien de temps cet écart se maintient. Au fur et à mesure que l’IA devient meilleure pour lire entre les lignes de ce que les employés soumettent, les outils de nettoyage devront devenir plus sophistiqués.
Les enjeux juridiques et éthiques
Cette bataille révèle des zones grises juridiques majeures. Alors qu’une entreprise peut arguer que les historiques de chat de travail et les matériels créés sur un ordinateur portable de travail sont propriété corporative, une compétence comme celle-ci peut aussi capturer des éléments de personnalité, de ton et de jugement, rendant la propriété beaucoup moins claire.
Chen Tianhao, professeur à l’École de politique publique et de gestion de l’Université Tsinghua, a dit au 21st Century Business Herald que le projet touche un nerf parce qu’il soulève une question non résolue : si l’expérience de travail et les schémas comportementaux de quelqu’un peuvent être modularisés, à qui cela appartient-il ? La Loi chinoise de protection des informations personnelles couvre les données des employés dans les systèmes d’entreprise, mais utiliser les traces comportementales pour générer un avatar numérique pour des modèles IA externes se situe en territoire plus trouble.
Cette dimension juridique s’articule avec des préoccupations plus larges sur la dignité au travail. Koki Xu espère que Colleague Skill provoque plus de discussion sur comment protéger la dignité et l’identité des travailleurs à l’ère de l’IA. “Je crois qu’il est important de rester au courant de ces tendances pour que nous (les employés) puissions participer à façonner comment elles sont utilisées”.
L’escalade technologique en cours
Et ainsi cela continue : chaque nouvelle capacité d’un côté génère une contre-mesure de l’autre. Les travailleurs chinois, naviguant l’un des environnements d’adoption d’IA les plus intenses au monde, ont simplement rendu cette dynamique visible - et lui ont donné un nom.
En quelques jours après que le projet soit devenu viral, un créateur utilisant le nom Deng Xiaoxian a posté une réponse : anti-distill, une compétence qui prend votre fichier colleague.skill et le passe par une couche de désinfection. La sortie semble complète et professionnelle mais la connaissance centrale a été vidée. Une sauvegarde privée garde la vraie expertise pour vous.
Cette course aux armements technologique illustre une nouvelle forme d’aliénation numérique. Contrairement à l’aliénation marxiste classique où les ouvriers étaient séparés du produit de leur travail, ici les employés sont forcés de documenter leur propre processus de remplacement tout en développant secrètement des outils pour préserver leur valeur. Cette dynamique rappelle comment la Chine forme 1,5 million d’ingénieurs par an pour maintenir son avantage technologique, créant paradoxalement une main-d’œuvre massive qui doit constamment se réinventer pour échapper à l’automatisation.
Le phénomène Colleague Skill et sa contre-partie anti-distillation révèlent les contours d’un futur du travail où la survie professionnelle dépendra autant de la capacité à protéger son expertise que de sa capacité à l’exercer. Dans cette nouvelle économie de la connaissance, la résistance créative devient un réflexe de survie face aux algorithmes qui transforment progressivement les humains en données entraînables.