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

tamag0 est une app desktop et une plateforme pour les entreprises qui veulent des compagnons IA persistants, pas des conversations jetables. Chaque compagnon a un nom, un rôle, une mémoire, des outils, et peut collaborer avec les autres compagnons de l’entreprise.

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.

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.

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.