Tencent Cloud TeamAI a été officiellement publié en open source le 10 octobre 2026. Cet outil de collaboration IA d'équipe, utilisé en interne chez Tencent, rassemble skills, règles de travail, configurations d'outils et connaissances projet dans un seul dépôt Git, où ils sont relus, mis à jour et versionnés comme du code, puis synchronisés vers l'agent de chaque membre. Il fonctionne déjà avec 16 agents, dont WorkBuddy, CodeBuddy, Claude Code, Codex et Cursor, et son dépôt officiel se trouve sur GitHub, sous l'organisation Tencent, au nom de teamai-cli.
Pourquoi Git, plutôt qu'une console d'administration de plus
Le premier problème des équipes avec les agents n'est généralement pas la qualité du modèle, mais la dispersion des réglages : l'un met à jour une règle, l'autre utilise encore l'ancienne version, et un skill utile dort sur la machine d'un seul collègue. TeamAI traite ces actifs comme du code. Quand un membre propose un nouveau skill ou modifie une règle, le système crée automatiquement une branche et une demande de fusion pour relecture par l'équipe ; une fois fusionnée, les agents compatibles avec les hooks de démarrage récupèrent la mise à jour au début d'une nouvelle conversation. Les administrateurs peuvent aussi diffuser les configurations de modèles de manière centralisée et réserver les tâches touchant aux données internes à des services de modèles validés.
Transformer l'expérience en actif d'équipe consultable
Son traitement des échecs mérite aussi l'attention. Quand un membre corrige un agent à répétition, ou que les appels d'outils échouent sans cesse, TeamAI propose en fin de session de partager cette expérience ; l'agent rédige alors un document décrivant le problème et la solution, rangé dans le dépôt d'équipe et réutilisable à la tâche similaire suivante. TeamAI est également intégré à ClawPro, la plateforme de gestion d'agents de Tencent Cloud, où les administrateurs gèrent centralement skills et configurations MCP avant de les distribuer aux agents connectés.
Lire les chiffres internes avec leur périmètre
Tencent Cloud a partagé un test interne : sur 13 tâches de développement, un modèle moins coûteux ayant accès aux connaissances d'équipe a obtenu un score global supérieur de 6,1 % à celui d'un modèle plus haut de gamme sans cet accès, pour un coût d'appel inférieur de 76 %. Treize tâches forment un petit échantillon communiqué par l'éditeur, pas une loi générale. Mais la direction est concrète : quand les connaissances d'équipe sont structurées et distribuées de façon fiable, ajouter du savoir peut rapporter davantage que payer un modèle plus cher. Pour les équipes qui codent déjà ensemble avec des agents, TeamAI répond moins à la question de savoir si les agents fonctionnent qu'à celle de savoir si l'expérience acquise reste dans l'équipe.
