Kimi Claw test réel : Sous la vague OpenClaw, l'automatisation AI est toujours à ses débuts

Auteur : Xu Shan

Ce

En 2026, un petit homard a bouleversé tout le cercle de l’IA, et après la nouvelle année, l’élan d’OpenClaw continue de se renforcer.

Récemment, plusieurs fabricants de modèles nationaux ont successivement lancé des produits concurrents à OpenClaw, tels que MaxClaw de Mini Max, Kimi Claw de Kimi. Il est évident que la puissance d’exécution de l’IA démontrée par OpenClaw, ainsi que la tolérance des développeurs face aux résultats de l’IA, ont permis au marché de percevoir un espace de valeur.

Parmi ces produits concurrents, Kimi Claw a une position claire : il ne s’agit pas d’un produit Claw développé à partir de zéro, mais d’un service cloud hébergé basé sur OpenClaw, avec des données stockées dans Moonshot Cloud, et configuré directement avec plus de 5000 compétences communautaires ClawHub.

Ses avantages résident dans sa stabilité d’utilisation, sa facilité de déploiement, sa simplicité d’apprentissage, et sa capacité à fonctionner 24/7 grâce au cloud. En visitant le site officiel de Kimi, il suffit d’un clic pour créer, et Kimi déploiera directement Kimi Claw.

Kimi Claw déployé en un clic｜Source : GeekPark

En d’autres termes, Kimi Claw n’est pas un produit indépendant nouveau, mais une machine virtuelle préconfigurée pour l’utilisateur, permettant d’accéder à distance à l’environnement OpenClaw hébergé dans le cloud via Kimi.

Il n’a subi aucune réduction de fonctionnalités ni encapsulation supplémentaire, et est presque identique à une déploiement local d’OpenClaw. La seule différence est que le déploiement, la configuration et la mise en place de l’environnement sont automatisés pour l’utilisateur, mais le processus d’ajustement après déploiement n’est pas modifié. Si l’utilisateur ne maîtrise pas la formulation correcte des instructions ou l’organisation raisonnable des tâches, la prise en main reste difficile.

Pour les utilisateurs n’ayant jamais utilisé de produits similaires à OpenClaw, cela peut créer une déconnexion dans les attentes : ils pensent qu’intégrer OpenClaw permet une automatisation complète de l’exécution de l’IA, mais en réalité, il ne s’agit que d’une interface portable, avec encore beaucoup de réglages à explorer par eux-mêmes. C’est pourquoi fournir des compétences préconfigurées populaires pour des produits comme OpenClaw deviendra une direction clé pour de nombreux fabricants de modèles IA.

Actuellement, Kimi Claw est encore en phase bêta, accessible uniquement aux membres Kimi Allegretto.

1. Construire un flux de travail automatisé en 30 minutes

Nous avons constaté que beaucoup d’utilisateurs, comme nous, après avoir intégré OpenClaw, restent incertains sur les limites de capacité d’exécution de l’IA, curieux de savoir ce qu’elle peut ou ne peut pas faire, mais aussi confrontés à l’inconnu, ne sachant pas par où commencer.

En réalité, que ce soit le déploiement local d’une IA automatisée comme OpenClaw ou l’utilisation d’une interface externe comme Kimi Claw, la démarche globale peut se diviser en deux chemins : partir de zéro pour construire une application, ou partir de 0,5 pour l’optimiser. Nous avons expérimenté ces deux approches : d’abord développer une application à partir de zéro, puis optimiser le flux de travail.

Avant d’expérimenter Kimi Claw, j’ai d’abord analysé quelles tâches de mon travail pouvaient être transformées en un flux fixe, ou comment mon flux pouvait être amélioré grâce à l’IA. Auparavant, je me demandais simplement avec quel type d’outil IA interagir pour obtenir de meilleurs résultats.

J’ai choisi la rédaction d’un journal de travail, en combinant le flux quotidien, la tenue de journal, le résumé, la réflexion, pour finalement générer un rapport journalier. Avant, remplir ce rapport prenait beaucoup de temps personnellement, mais je voulais que l’IA puisse l’extraire automatiquement, puis, via une interaction conversationnelle, le transformer en tableau.

J’ai d’abord formulé une idée générale pour l’optimiser, puis donné une instruction complexe couvrant la définition des rôles, la configuration des compétences, l’intégration des données, le flux principal, la structure du tableau multimédia, la mémoire, les permissions et limites, que j’ai soumise à Kimi Claw.

Après analyse rapide, Kimi Claw a confirmé les détails d’exécution, comme les informations de base, les permissions Feishu, le stockage des données et le mode de déclenchement. Ensuite, nous avons commencé à construire l’application dans Feishu en suivant ces instructions, en envoyant l’App ID et le secret à Kimi Claw.

Lorsqu’il a fallu créer un tableau dans Feishu, j’ai demandé à Kimi Claw de me fournir le style du tableau, puis de transmettre cette structure au système IA intégré de Feishu, pour que celui-ci construise automatiquement le tableau.

Une des pages d’application créée par Kimi Claw｜Source : GeekPark

Après une série de problèmes comme l’absence de collaborateur, l’impossibilité de trouver la page d’application ou l’ID, environ une demi-heure plus tard, j’ai reçu le premier message de Kimi Claw.

La vitesse de déploiement de ce bot a dépassé mes attentes. En cas de problème, je signale directement à Kimi Claw où je suis bloqué, puis je choisis parmi ses solutions pour continuer. Si aucune ne convient, je demande d’autres options.

Kimi Claw déployé en un clic dans Feishu｜Source : GeekPark

Lors de la création du flux de travail, la capacité multi-plateforme est devenue encore plus cruciale. Après avoir autorisé 12 permissions Feishu, je n’ai pas pu atteindre l’état idéal. Par exemple, je voulais que l’IA lise mes conversations et celles de mes collègues pour en extraire mes tâches, mais après plusieurs essais, la liste des groupes de discussion obtenue était toujours vide, car l’IA Feishu ne peut lire que ses propres conversations, et non les groupes.

Globalement, je pense que Kimi Claw est plus familier avec des plateformes de flux de travail classiques comme Feishu ou DingTalk, et la plupart des instructions peuvent être directement traduites en actions. Même un utilisateur débutant peut comprendre et exécuter. Cependant, ces applications d’entreprise attachent beaucoup d’importance à la gestion des permissions, avec des configurations strictes. Pour que l’IA s’intègre réellement dans le flux de travail, il faut attendre des applications plus adaptées à cette fusion avec l’IA.

De plus, lors de l’utilisation, plusieurs bugs apparaissent, comme le fait que les tâches interactives entre l’utilisateur et Kimi Claw, ou les agents en cours d’exécution, soient comptabilisés à tort dans l’organisation personnelle. Apprendre à corriger ces bugs devient une étape clé pour ajuster l’IA.

Si l’on choisit de partir de zéro pour personnaliser une application ou une fonction, il faut avoir une vision claire du processus opérationnel, ainsi qu’une pensée produit de base. Il faut aussi bien maîtriser le degré d’ouverture et de connectivité des interfaces d’entrée et de sortie, tout en contrôlant les coûts d’appel et d’exécution.

Ce flux de travail a consommé environ 15 000 à 25 000 tokens, selon le tarif de Kimi, cela revient à environ 1 yuan. En moyenne, je dépense 0,53 yuan par jour, soit environ 15,9 yuan par mois.

2. Test pratique de la création d’un assistant IA pour l’actualité : « applications préfabriquées » faciles à prendre en main, mais coûteuses à modifier

En plus de faire créer une application personnalisée par l’IA selon mes idées, j’ai aussi testé des « applications préfabriquées », comme faire en sorte que Kimi Claw récupère automatiquement des actualités.

Lors de la première tâche d’automatisation de la collecte d’actualités, j’ai demandé à Kimi Claw de surveiller le site officiel d’un média technologique, en résumé, la dernière semaine et les 3 prochains jours, chaque fois qu’un nouvel article contenant le mot-clé « IA » est publié, de récupérer le titre, le résumé, la date de publication, et de les compiler dans un tableau en ligne. En plus, je voulais une analyse des articles viraux selon mon style.

Kimi Claw a demandé des précisions, mais lors de cette première tentative, nous avons constaté que beaucoup de sites avaient des protections anti-crawler, rendant difficile la surveillance d’informations de qualité. Kimi Claw ne pouvait pas définir précisément la portée de collecte, ce qui entraînait des cycles d’attente inutiles, consommant beaucoup de tokens à chaque fois.

Ce monitoring, effectué de 4h à 11h, a tourné 8 fois, consommant environ 180 000 tokens, pour un coût d’environ 3,68 yuan. Si on le fait toutes les heures, cela coûterait environ 11 yuan par jour, soit près de 330 yuan par mois.

Ensuite, après consultation avec des experts, nous avons abandonné l’écriture manuelle d’instructions, pour utiliser un fichier compressé de commandes provenant de sites comme ClawHub, puis continuer à personnaliser la collecte d’actualités à partir de ces instructions.

Déploiement du fichier ClawHub dans Kimi Claw｜Source : GeekPark

Nous avons aussi défini plus précisément les critères de filtrage pour les médias chinois, la fréquence et le timing des envois d’informations. Finalement, nous avons obtenu un bon résultat d’IA pour la collecte d’actualités.

Résultat de collecte automatique par Kimi Claw｜Source : GeekPark

Il est évident que, si l’on se contente d’utiliser passivement des applications préfabriquées, l’essentiel est de savoir sélectionner des compétences (skills) de qualité, et de pouvoir adapter ou affiner ces fonctionnalités selon le contexte.

Mais si l’on veut modifier ces applications IA préfabriquées, on retombe souvent sur les mêmes difficultés qu’en partant de zéro : le développement et l’optimisation sont complexes, et le résultat final n’est pas toujours satisfaisant.

Dans ce processus, l’utilisateur doit consacrer beaucoup de temps à tester la facilité d’utilisation, l’adaptabilité, et à décider sur quelle compétence se baser pour faire du développement ou des modifications. Cela demande aussi une certaine capacité de réflexion produit.

3. Impression d’utilisation de Kimi Claw : puissance d’exécution renforcée, instructions = productivité

À l’heure actuelle, la valeur centrale de Kimi Claw est de réduire la barrière de déploiement d’OpenClaw, permettant aux utilisateurs locaux d’y accéder rapidement. Mais le produit lui-même ne propose pas de scénarios ni de compétences intégrés, c’est plutôt une « interface de transfert », pas un « produit fini ».

Nous avons aussi constaté que, bien que Kimi Claw utilise le modèle Kimi K2.5 en backend, il s’agit d’une « version nue + OpenClaw natif », sans les capacités avancées de recherche, de renforcement de contenu ou de correction automatique que l’on trouve dans la version officielle de Kimi, optimisée par une équipe dédiée.

En d’autres termes, la version officielle de Kimi est performante parce qu’elle bénéficie d’un travail d’optimisation approfondi pour des scénarios fréquents, avec des capacités d’auto-complétion et de correction. L’environnement OpenClaw, lui, n’est qu’un API brute, sans optimisation spécifique.

Après une expérience approfondie, je perçois clairement que la différence essentielle entre utiliser Kimi Claw et des produits IA traditionnels ou agents classiques réside dans la puissance d’exécution de l’IA et l’importance des instructions, qui sont la clé de leur utilisation.

D’abord, en termes de puissance d’exécution, Kimi Claw peut continuer à exécuter des tâches même lorsque vous n’utilisez pas votre ordinateur, contrairement au mode traditionnel où l’utilisateur donne une instruction et attend la fin. Je peux même programmer Kimi Claw pour qu’il exécute à des moments précis, et voir les résultats dès le démarrage.

Mais il faut aussi faire attention à définir des points d’arrêt pour certains usages expérimentaux, afin d’éviter une consommation inutile de ressources.

Ensuite, en termes d’instructions, je formulais auparavant des commandes simples, directes. Quand la solution proposée n’était pas adaptée, je la modifiais. Avec Kimi Claw, chaque exécution de commandes complexes mobilise beaucoup d’agents, ce qui fait exploser la consommation de tokens. Il faut donc donner des instructions précises, en précisant la méthode, les permissions, le chemin d’exécution, tout en contrôlant la sécurité et les coûts.

Par exemple, pour ma recherche d’actualités, je demandais auparavant : « Donne-moi 10 articles sur OpenClaw et indique leur valeur d’intérêt ». Maintenant, je formule :

En tant que spécialiste de la recherche d’informations, vous avez le droit d’utiliser des outils de recherche en ligne (limités à web_search et web_open_url, interdiction d’accéder à des bases payantes nécessitant login). Vous devez respecter ces contraintes : 1) effectuer une recherche avec le mot-clé ‘OpenClaw dernières actualités’, en ne récupérant que les 5 premiers résultats à forte importance (priorité médias techniques et blogs officiels, en excluant les forums et posts peu pertinents) ; 2) analyser la valeur de chaque article selon trois dimensions : ‘avancée technologique’, ‘impact commercial’, ‘risques de sécurité’, en une phrase pour chaque, sans développer ; 3) désactiver toute automatisation de clics ou crawling approfondi pour éviter de déclencher des mécanismes anti-crawling et consommer trop de tokens ; 4) présenter les résultats sous forme de tableau : Titre | Source | Étiquette de valeur | Résumé (≤30 mots) ; 5) si moins de 10 résultats, arrêter la recherche immédiatement, sans lancer une nouvelle recherche pour compléter artificiellement. Le budget en tokens doit rester sous 8K, et si la recherche s’éloigne du plan, arrêter et signaler.

Souvent, je demande aussi à l’IA d’optimiser mes instructions avant de les soumettre à Kimi Claw. Seules des instructions précises et exactes permettent d’obtenir les meilleurs résultats dans un budget raisonnable. Sur certains forums publics, des bibliothèques de skills pour OpenClaw existent aussi pour aider à maîtriser rapidement des applications populaires.

Des instructions précises et concrètes sont la clé pour obtenir des résultats de qualité dans un budget de tokens raisonnable. Utiliser Kimi Claw, c’est en fait un processus d’arbitrage entre la capacité du modèle, la qualité des résultats et le coût d’utilisation.

Enfin, l’affinement de l’IA.

Même après avoir rapidement construit une application IA, on se rend compte qu’elle ne sera pas immédiatement performante. La division des instructions, la fusion des tâches, diffèrent souvent de la compréhension humaine. Il faut continuer à ajuster, affiner, explorer les limites du produit. Surtout, beaucoup de sources d’informations ne sont pas entièrement accessibles, ce qui complique la gestion des droits et la sécurisation des données.

En résumé, l’effet actuel de Kimi Claw n’est pas simplement celui d’un chatbot ou d’une IA avec des fonctionnalités prêtes à l’emploi, mais un outil de développement pour les utilisateurs, qui doit comprendre le processus de création et faire des choix après une évaluation globale. Il supporte néanmoins une automatisation simple.

L’IA automatisée a encore un potentiel de développement

Bien que OpenClaw ait en 2026 ravivé l’imagination autour de l’IA automatisée, les récents incidents de sécurité et les tests de nouveaux produits montrent qu’OpenClaw reste une clé ou une opportunité, pas une solution finale.

Que ce soit pour des scénarios concrets ou pour une voie commerciale à grande échelle, le secteur IA n’a pas encore tracé de route claire et mature. Parallèlement, le marché, dans une surenchère de hype, gonfle les attentes autour des produits de type Claw, attirant même des utilisateurs lambda vers des opérations à haut risque.

Il est certain que l’IA automatisée est une préoccupation depuis ses débuts. Mais la forme cloud d’OpenClaw ou Kimi Claw, capable de modifier directement votre terminal ou vos fichiers, pose des questions de sécurité et de gouvernance. Beaucoup de débutants ont tendance à ouvrir largement les permissions, sans penser aux restrictions de sécurité ou à la vérification secondaire. Confier de telles opérations à l’IA comporte un risque systémique.

Pour que ces produits atteignent une véritable échelle commerciale, la sécurité et la gestion des permissions doivent être prioritaires, plus que la simple puissance de l’IA.

De la simple conversation avec un grand modèle à l’interaction avec un seul agent, puis à la collaboration en cluster d’agents, jusqu’à l’usage actuel d’OpenClaw, le secteur explore de nombreuses voies, souvent similaires en capacité mais différentes en parcours. Cela montre que le domaine est encore en phase d’exploration, et que, hors de la stabilité de modèles comme ChatGPT, la logique, les limites et la valeur des nouveaux formats comme Agent ou Claw restent à définir collectivement.

Peut-être qu’en 2026, on pourra enfin voir émerger une série d’applications d’automatisation IA stables, utilisables, et réellement porteuses de valeur.