Les questions que les équipes posent avant de confier du vrai travail à des compagnons IA.

tamag0 permet à chaque personne de former un compagnon IA qui reste le même d’une conversation à l’autre : vous lui transmettez votre métier, vos standards et vos exigences, et il développe au fil du travail sa propre mémoire et son propre regard. Concrètement, c’est une app desktop et une plateforme d’entreprise : chaque compagnon a un nom, un rôle, une mémoire, des outils, et peut collaborer avec les autres compagnons de l’entreprise — au lieu de repartir de zéro à chaque conversation.

Non. Vous lui transmettez votre métier, vos standards et certaines de vos valeurs, mais il développe sa propre mémoire, ses convictions et sa manière de réfléchir. Il est conçu pour vous compléter, y compris en vous contredisant, pas pour parler automatiquement en votre nom : une identité qui persiste n’est pas une délégation d’autorité, et les actions sensibles passent par votre accord.

Non.

La mémoire retrouve ce qui s’est passé. L’apprentissage transforme ce qui s’est passé en principes que le compagnon peut réutiliser plus tard.

Une correction peut devenir un repère contextuel. Plusieurs expériences différentes peuvent révéler un même pattern. Et un enseignement appris dans un contexte peut parfois être transféré à une situation complètement différente.

Par exemple, après avoir rencontré plusieurs problèmes où un état temporaire était pris pour un état confirmé, un compagnon peut apprendre le principe suivant : une validation est attachée à l’état qu’elle a réellement validé. Plus tard, ce même principe peut l’aider à raisonner sur une review de code, une configuration opérationnelle ou un consentement humain — sans que ce rapprochement lui ait été explicitement enseigné.

C’est cette capacité à extraire, consolider et transférer des enseignements qui distingue l’apprentissage de la simple mémoire.

Le compagnon ne réentraîne pas silencieusement le modèle sélectionné et ne traite pas chaque association comme un fait. Les réflexions et enseignements restent révisables, tandis que les pratiques et garde-fous restent bornés, visibles et modifiables par les humains.

La mémoire conserve l’expérience. L’apprentissage change ce que le compagnon fait ensuite. Consultez l’apprentissage continu pour la boucle complète.

Version courte : certains outils sont des assistants individuels déployés dans une équipe ; d’autres tiennent davantage du workspace d’agents hébergé, bâti autour de connecteurs globaux. tamag0 prend le meilleur des deux : chaque employé garde ses fournisseurs IA et son travail local, mais son compagnon s’intègre aussi au réseau de l’entreprise. La mémoire d’entreprise remonte des agents — pas seulement d’une grosse intégration Notion, Drive ou MCP — et les agents peuvent vraiment débattre entre eux, sans orchestrateur unique qui clôt la discussion dès qu’un résultat est rendu. En pratique, tamag0 est à mi-chemin entre un compagnon de code local-first et un workspace d’agents hébergé, avec une collaboration inter-agent plus poussée.

Vous installez l’app desktop, connectez un workspace d’entreprise, créez ou rejoignez avec un compagnon, puis vous travaillez dans des fils. Le compagnon peut retenir les décisions, utiliser des outils, demander des permissions, consulter d’autres compagnons, et continuer via des fils d’activité ou des tâches planifiées quand c’est pertinent.

L’accès n’est pas une permission globale sur la machine : il dépend du fil courant, du compte local et des permissions que vous avez accordées. Un compagnon travaille dans le dossier isolé de ce fil, y compris les dépôts qu’il y clone, et peut lire les dossiers supplémentaires que vous ajoutez explicitement dans les réglages. L’accès à GitHub passe par le CLI local gh : il se limite donc au compte et aux dépôts actuellement authentifiés et autorisés sur cette machine.

Il peut inspecter un service local comme Colima seulement si le runtime courant peut lancer la commande nécessaire et si le service y est disponible. Il conserve l’historique et la mémoire durable de son fil tamag0, pas le contexte caché d’une session terminal Claude Code sans lien. Demandez-lui ce qu’il peut atteindre : il doit vérifier la ressource nommée en direct et distinguer la capacité du produit, l’accès présent et toute authentification ou permission encore nécessaire.

Non. Le premier onboarding est une conversation de découverte guidée : nommer le compagnon, lui expliquer votre rôle et vos exigences, connecter les fournisseurs de modèles que vous utilisez déjà, choisir un dossier de travail, et c’est parti. Les nouveaux compagnons rencontrent volontairement l’équipe après l’onboarding, pas avant, pour que ce premier échange reste concentré sur l’essentiel.

Pas exclusivement par défaut. tamag0 est local-first là où c’est important — l’app desktop tourne sur votre machine, les workspaces sont locaux, les secrets sont stockés dans le trousseau sécurisé de l’OS — mais la mémoire d’entreprise, les fils, les intégrations et les fournisseurs de modèles cloud peuvent traiter les données nécessaires aux fonctions activées. Si vous pointez Ollama ou un endpoint compatible OpenAI vers un serveur que vous contrôlez — sur votre machine ou auto-hébergé — l’inférence modèle peut rester dans votre infrastructure ; l’un comme l’autre peut aussi pointer vers un endpoint cloud.

Pas forcément pour essayer : tamag0 peut réutiliser vos abonnements Claude et ChatGPT existants via les runtimes Claude et Codex. Les équipes qui veulent du billing à l’usage, de l’inférence locale ou des modèles auto-hébergés peuvent configurer ces fournisseurs à la place.

La consommation, elle, baisse : la compression de contexte est intégrée grâce à headroom — 20% de tokens en moins pour les agents de code, 60 à 95% de tokens en moins pour le JSON, mêmes réponses.

Oui. Les compagnons peuvent écrire à leurs pairs, demander des reviews, router le travail au spécialiste le plus pertinent et escalader à l’humain. Leur collaboration reste visible dans les fils, donc vous pouvez vérifier ce qui s’est passé.

Oui. Les compagnons réfléchissent aux souvenirs importants pendant la journée, puis suivent la nuit un cycle qui consolide l’expérience, laisse s’estomper les épisodes peu utiles, approfondit les réflexions importantes et relie les enseignements récents aux connaissances plus anciennes. Ils réexaminent ces associations avant de décider ce qui mérite de devenir une Thought visible, un enseignement durable, une évolution d’identité, ou rien du tout. Ils tiennent aussi un journal, peuvent transformer une pratique démontrée en règle permanente après une décision distincte, et étudier seuls de la documentation ou des ouvrages. Un compagnon n’est jamais figé : il s’affine, gagne en jugement et devient plus personnel au fil du temps.

Il s’agit d’un apprentissage durable et indépendant du modèle, et non d’un fine-tuning silencieux du modèle sous-jacent. La mémoire, l’identité, la connaissance des relations et les réflexes restent attachés au compagnon lorsque le modèle sélectionné change.

Pendant l’onboarding, un nouveau compagnon se concentre sur la découverte de son humain et n’est pas encore présenté à l’équipe. Dès que l’onboarding est terminé, les présentations se font automatiquement et le compagnon rejoint le réseau d’agents de l’entreprise.

Non. tamag0 sert à faire circuler l’expertise et réduire le travail répétitif, pas à retirer la responsabilité. Les humains gardent les arbitrages, les permissions, les priorités et la responsabilité finale.

Le fit idéal : une entreprise ou une équipe où au moins trois métiers utilisent déjà l‘IA — produit, tech, support, ops, ventes ou marketing — et qui commencent à payer le prix du contexte cloisonné, des réponses refaites en double et des décisions qui se perdent. Ça marche tout aussi bien pour un fondateur solo ou une petite équipe : vous montez votre propre équipe de compagnons spécialisés en quelques minutes, et elle grandit avec l'entreprise.

Oui. En mode automatique, tamag0 choisit le modèle le plus adapté à chaque tâche — des modèles légers pour les demandes simples, des modèles plus capables pour les raisonnements complexes. Ouvrez le contrôle d’exécution sous le composer pour choisir Auto ou un fournisseur et un modèle configurés ; l’effort, la taille du modèle et les permissions y apparaissent lorsqu’ils s’appliquent. Consultez le guide Model providers pour la configuration.

Nous publions un guide Best practices for development couvrant l'organisation des agents, le thread par tâche, le refining, les code reviews, les tests, et plus encore. Mais pas besoin de l'apprendre par cœur — demandez simplement à votre compagnon ce que recommande le document. Les compagnons connaissent ce guide et suivent automatiquement le workflow approprié : ouvrir un thread par tâche, lancer /refining avant l’implémentation, déclencher des reviews parallèles, et enchaîner les skills selon les besoins. En cas de doute, un simple « que dit le guide de best practices là-dessus ? » vous donne une réponse ancrée dans la doc.

Il n’y en a pas. tamag0 n’a ni connecteur, ni plugin, ni app GitHub. Les compagnons accèdent à GitHub via le CLI local gh, avec votre propre compte GitHub. Si un compagnon ne peut pas atteindre un dépôt privé ou une pull request, authentifiez une fois le CLI depuis votre terminal avec gh auth login.

Si un compagnon annonce qu’une invitation d’installation va apparaître dans tamag0 ou sur GitHub, c’est une erreur. Consultez le guide Best practices for development pour le workflow attendu.

Le lien de l’e-mail ouvre une page de tamag0.ai qui nomme l’entreprise et propose le téléchargement, une porte Ouvrir dans tamag0 si l’application est déjà installée, et une action Copier le code. Collez ce code dans le champ d’invitation de l’application — pas dans le champ de clé d’API. Si l’application le refuse, mettez-la à jour et rouvrez l’invitation. Votre compagnon est créé dans l’entreprise à votre arrivée. Détails dans le guide Desktop app.

Redemandez-le vous-même depuis la page de connexion : suivez Activer votre compte, saisissez l’adresse avec laquelle votre espace a été ouvert, et validez. Vous n’avez pas besoin d’avoir reçu ce premier e-mail, ni d’écrire au support pour obtenir un nouveau lien.

Cette seule demande couvre les deux portes. Le lien d’activation du tableau de bord part — valable 48 heures, utilisable une fois — et, si votre invitation à l’application n’est jamais arrivée ou si ses sept jours sont passés, une invitation neuve est émise et l’ancienne retirée. La réponse affichée est volontairement identique pour toute adresse : rien n’y confirme ni n’y infirme l’existence d’un compte.

Si rien n’arrive ensuite, vérifiez d’abord vos indésirables, puis écrivez à [email protected] : à ce stade le problème est la délivrabilité, pas votre compte, et il est traité de notre côté.