Claude Code vs Gemini CLI : Portabilité des compétences d'agent en 2026

La comparaison entre Claude Code et Gemini CLI a fondamentalement changé. Pendant longtemps, la discussion s'est centrée sur la taille de la fenêtre de contexte et sur quel agent possédait les meilleures capacités natives. Mais deux changements récents ont rendu ce débat obsolète. Premièrement, les deux agents supportent désormais la même norme ouverte pour les compétences. Deuxièmement, Gemini CLI n'est plus un outil destiné aux développeurs individuels.

Cela recadre toute la question de Claude Code vs Gemini CLI. L'accent n'est plus mis sur les fonctionnalités propriétaires de chaque environnement d'exécution, mais sur la portabilité des compétences elles-mêmes. Que faut-il pour qu'une compétence fonctionne de manière fiable sur n'importe quelle plateforme qui supporte la norme ? Et que nous disent nos données de test — issues de l'exécution de 2116 compétences dans un environnement Claude Code — sur les raisons de leurs échecs ?

La base commune : la norme Agent Skills

Avant de comparer les environnements d'exécution, il est essentiel de comprendre ce qu'ils ont en commun. La question « les compétences fonctionnent-elles dans gemini cli » a une réponse simple et directe : oui. C'est parce que Claude Code et Gemini CLI, ainsi qu'une liste croissante d'autres clients comme Codex, Cursor et OpenCode, ont adopté le format ouvert Agent Skills.

Développé à l'origine par Anthropic et maintenant maintenu comme une norme ouverte sur agentskills.io, ce format définit une compétence comme un répertoire autonome. Au cœur se trouve un fichier SKILL.md contenant des métadonnées YAML en en-tête (comme name et description) et un corps en markdown avec des instructions pour l'agent. Ce répertoire peut optionnellement inclure ses propres ressources, telles que des scripts dans un dossier scripts/ ou des documents de référence dans references/.

Cette norme partagée signifie qu'en principe, une compétence écrite pour Claude Code devrait être lisible par Gemini CLI, et vice versa. La compétence elle-même est portable. La divergence se produit dans la manière dont chaque environnement d'exécution la découvre, la charge et l'exécute.

Mécaniques d'exécution : comment Claude et Gemini gèrent les compétences

Bien que le format de compétence soit le même, les mécaniques opérationnelles de Claude Code et Gemini CLI diffèrent sur des points clés. Ces différences affectent la manière dont les compétences sont gérées, comment elles sont chargées dans le contexte et comment elles interagissent avec le modèle de sécurité de l'agent.

Exécution des compétences par Claude Code

Claude Code recherche les compétences dans deux emplacements principaux : un répertoire global à ~/.claude/skills/<name>/SKILL.md pour les compétences personnelles, et un répertoire spécifique au projet à .claude/skills/<name>/SKILL.md. Il découvre également les compétences dans les répertoires .claude/skills/ imbriqués lors de la traversée d'un projet.

Lorsqu'une tâche déclenche une compétence, Claude Code injecte l'intégralité du fichier SKILL.md dans la conversation sous la forme d'un seul message. Ce contexte persiste pour le reste de la session ; le fichier n'est pas relu lors des tours suivants. C'est une approche simple, basée sur les fichiers. L'en-tête YAML dans SKILL.md permet également un certain contrôle sur l'ensemble d'outils de l'agent pendant l'exécution de la compétence. La clé allowed-tools peut pré-approuver des outils spécifiques pour le tour qui invoque la compétence, tandis que disallowed-tools peut temporairement retirer des outils de la portée de l'agent pendant que la compétence est active.

Exécution des compétences par Gemini CLI

Gemini CLI utilise un système de découverte à plusieurs niveaux plus structuré et un processus de chargement en deux étapes. Il recherche les compétences dans un ordre de priorité spécifique : compétences intégrées, compétences d'extension, compétences utilisateur (~/.gemini/skills/ ou l'alias ~/.agents/skills/), et enfin les compétences de l'espace de travail (.gemini/skills/ ou son alias .agents/skills/).

Contrairement à Claude Code, Gemini CLI ne charge pas immédiatement la compétence entière. Au début d'une session, il n'injecte que le name et la description de chaque compétence activée dans le prompt système. Cela maintient le contexte initial léger. C'est seulement lorsque le modèle détermine qu'une tâche correspond à une compétence qu'il appelle l'outil activate_skill. Cela déclenche une demande de consentement à l'utilisateur, détaillant le nom de la compétence, son objectif et le chemin du répertoire auquel elle aura accès. Après approbation de l'utilisateur, le corps complet de SKILL.md et la structure de son dossier sont ajoutés à l'historique de la conversation, et le répertoire de la compétence est ajouté à la liste des chemins de fichiers autorisés de l'agent.

Ce système est géré via un ensemble de commandes dédiées, comme gemini skills install <git-url-or-dir> --consent et /skills link <path> --scope user|workspace.

Voici un résumé des différences clés :

Fonctionnalité	Claude Code	Gemini CLI
Chemin de la compétence	~/.claude/skills/, .claude/skills/	~/.gemini/skills/, .gemini/skills/ (plus l'alias .agents/skills/)
Invocation	Injection du SKILL.md complet à la première utilisation, persiste	Nom/Description dans le prompt système ; SKILL.md injecté à l'activation
Consentement utilisateur	Implicite à l'installation/placement	Demande explicite à la première activation par session
Gestion	Opérations sur le système de fichiers	Commandes CLI (gemini skills ..., /skills ...)

La vraie situation en 2026 : Gemini CLI n'est plus un outil grand public

La comparaison technique est désormais largement théorique pour la plupart des développeurs. Le 19 mai 2026, Google a annoncé la transition de Gemini CLI vers un nouvel outil appelé Antigravity CLI. Depuis le 18 juin 2026, Gemini CLI et les extensions IDE Gemini Code Assist associées ont cessé de servir les requêtes pour les abonnés individuels Google AI Pro et Ultra, ainsi que pour le niveau gratuit (qui était auparavant de 60 requêtes/minute et 1 000/jour).

Le service continue pour les clients d'entreprise avec des licences Gemini Code Assist Standard et Enterprise et pour ceux qui utilisent l'API Gemini via une facturation directe. Le dépôt gemini-cli reste public sous une licence Apache-2.0 et est toujours en développement actif.

Point crucial, Google a déclaré que les technologies d'agent de base — Agent Skills, Hooks, Subagents et Extensions — seront reportées sur Antigravity CLI, qui est décrit comme une réécriture en Go pour des raisons de performance. L'annonce n'a pas abordé la licence pour Antigravity CLI. Ce changement modifie la signification même du choix entre Claude Code ou Gemini CLI en 2026. Pour un développeur individuel sans licence d'entreprise ou facturation directe via l'API, ce n'est plus un choix entre deux outils grand public. La préoccupation pratique est de savoir si l'investissement dans la création d'une bibliothèque personnelle de compétences sera portable vers les futurs environnements d'exécution d'agents.

Fenêtre de contexte vs Profondeur de compétence

On a beaucoup parlé de la fenêtre de contexte de 1M de tokens annoncée par Gemini. Bien que des configurations à grand contexte existent des deux côtés, se focaliser sur le nombre de tokens passe à côté de l'essentiel. La taille du contexte et la profondeur des compétences résolvent différentes classes de problèmes.

Une fenêtre de contexte massive est puissante pour les tâches qui nécessitent une compréhension globale d'une grande base de code. Elle permet à l'agent de conserver une plus grande partie de votre dépôt dans son attention immédiate, ce qui peut être inestimable pour des refactorisations ou des analyses complexes. Cependant, cela ne résout pas le problème de l'action.

Une fenêtre de 1M de tokens ne peut pas installer un binaire manquant. Elle ne peut pas provisionner une clé d'API. Elle ne peut pas corriger un fichier SKILL.md qui est écrit de manière trop vague pour se déclencher de manière fiable. Ce sont des problèmes de profondeur de compétence — la capacité d'un agent à exécuter une tâche précise, répétable et consciente de son environnement. C'est le domaine d'une compétence bien écrite, et son succès dépend souvent moins de la taille de la fenêtre de contexte que de l'environnement dans lequel elle s'exécute.

Ce que nos données révèlent sur l'échec des compétences (sur toute plateforme)

Cela nous amène au cœur du problème : pourquoi les compétences échouent-elles ? Chez SkillProof, nous installons et exécutons des compétences pour publier un verdict honnête. Sur les 2116 compétences que nous avons testées, 1307 (62 %) réussissent, 704 sont marquées « Fonctionne avec configuration » — elles font le travail, mais seulement après une configuration que la fiche doit détailler — et 105 reçoivent un verdict d'échec : certaines se sont exécutées et vous ont laissé dans une situation pire qu'avec aucune compétence, d'autres n'ont pas pu s'exécuter du tout.

Pour être parfaitement clair : nous effectuons ces tests exclusivement dans un environnement d'exécution Claude Code. Nous n'avons jamais exécuté de compétence sur Gemini CLI ou Antigravity CLI, et nous ne faisons aucune affirmation sur leurs taux de réussite. Notre processus complet est détaillé dans notre méthodologie.

Cependant, nos données sur les raisons de l'échec des compétences restent très pertinentes pour n'importe quel environnement d'exécution. Nous avons analysé les notes de test pour chaque compétence qui n'a pas réussi sans accroc. Les résultats sont révélateurs.

Sur les 704 compétences nécessitant une configuration :

• 195 mentionnaient un CLI ou un binaire manquant.
• 99 dépendaient d'un serveur MCP distinct, configuré et en cours d'exécution.
• 92 nécessitaient une clé d'API ou un autre identifiant.
• 64 exigeaient un compte payant ou un abonnement.

Sur les 105 compétences ayant reçu un verdict d'échec :

• 27 impliquaient un CLI ou un binaire manquant.
• 12 dépendaient d'un serveur MCP.
• 10 nécessitaient un compte payant.
• 7 exigeaient une clé d'API.

Il s'agit de décomptes issus d'une analyse par mots-clés de nos propres notes de test, et non d'une taxonomie exhaustive des causes, et les catégories se chevauchent : une seule compétence peut nécessiter à la fois un CLI et une clé. Mais la tendance est difficile à ignorer. La raison prédominante pour laquelle une compétence ne tient pas ses promesses est une dépendance à l'environnement externe. Une compétence qui requiert un binaire que vous n'avez pas installé échouera, que vous l'exécutiez via Claude Code ou Gemini CLI. Une compétence qui a besoin d'une clé d'API ne fonctionnera pas sans elle, quelle que soit la taille de la fenêtre de contexte de l'agent.

Études de cas : où les compétences réussissent et échouent

L'examen d'exemples spécifiques clarifie ce point. La différence entre une compétence qui réussit et une qui nécessite une configuration n'a souvent rien à voir avec l'environnement d'exécution de l'agent.

• Sync Agent Instructions : Cette compétence de coding a réussi nos tests. Son but est de synchroniser les instructions entre les fichiers CLAUDE.md, GEMINI.md et AGENTS.md. Elle fonctionne car elle n'a aucune dépendance externe ; elle n'utilise que des commandes shell de base comme cp, git diff et git add. Sa logique est entièrement portable. La valeur qu'elle a apportée par rapport à une approche naïve était sa précision — elle a correctement indexé les fichiers de destination via git add tout en laissant le fichier source non indexé.

• AI Multimodal : Cette compétence de data a obtenu la mention « Fonctionne avec configuration ». Ses scripts sont propres et utilisent le SDK Python officiel google-genai. Cependant, elle requiert que ce SDK soit installé et, plus important encore, une clé GEMINI_API_KEY active dans l'environnement. Nous n'avons pas pu provisionner de clé pour le test, donc son résultat n'a jamais été mesuré. C'est une compétence alimentée par Gemini qui échoue pour une raison qui la bloquerait tout aussi efficacement à l'intérieur de Gemini CLI lui-même.

• Amazon Alexa QA : Un autre exemple de « Fonctionne avec configuration », cette compétence de seo illustre le problème des dépendances cachées. Ses instructions ne mentionnent jamais qu'elle requiert silencieusement un outil distinct browser-act-cli, qui doit être installé via uv tool install browser-act-cli. Elle nécessite également un compte Amazon actif et connecté. Ce schéma d'échec est entièrement indépendant de l'agent.

• AI Search Hub : Cette compétence de data qui a réussi est un exemple d'outil qui fonctionne simplement. Nous avons exécuté sa commande documentée, et elle a retourné une réponse correcte du premier coup. La référence — le même modèle sans la compétence — a nécessité trois tentatives et n'a produit aucun résultat.

Comparer Gemini CLI vs Claude Code pour le développement est donc moins une question sur les deux outils que sur les compétences que vous exécutez avec eux. Une norme partagée est un réel pas en avant, mais comme le montrent nos données, la portabilité dépend de la transparence d'une compétence quant à ce qu'elle attend de la machine sous-jacente.

Lectures associées : nous avons posé la même question de portabilité à l'agent d'OpenAI dans Claude Code vs Codex CLI, et avons expliqué en quoi les fichiers d'instructions diffèrent des compétences dans AGENTS.md vs Claude Skills.

C'est le problème que SkillProof a été conçu pour résoudre. Nous installons chaque compétence, l'exécutons sur un travail réel et publions le verdict — y compris les échecs. Le catalogue complet des 2116 compétences testées est consultable gratuitement ; si vous préférez commencer par une sélection, nous vendons également des packs de dix compétences basés sur des rôles pour 10 $ chacun.