Aujourd'hui, j'ai enfin récupéré ma Tesla, et pour être honnête, c'est un peu surréaliste.
En janvier et février de cette année, quand les annonces de licenciements des grandes entreprises tech se succédaient, mon fil d'actualité était rempli d'angoisse : « L'IA va nous remplacer », « Les programmeurs vont perdre leur emploi ».
Moi, j'ai choisi de mettre TOUT SUR OpenClaw. J'ai gagné une Tesla en un mois – pardonnez le titre putaclic, je n'ai versé que l'acompte.
Moi aussi, j'étais paniqué. Mais après la panique, j'ai fait une chose : j'ai cherché « installation OpenClaw » sur Xianyu et Taobao.
Et là, j'ai vu la scène la plus surréaliste de cette époque.
À quel point le marché est surréaliste
Les services d'installation d'OpenClaw coûtaient entre 30 yuans et 5 000 yuans.
Oui, pour la même chose, certains facturent 30, d'autres 5 000.
J'étais abasourdi.
Le plus ridicule, c'était de voir quelqu'un dans un groupe de discussion prendre une commande à 16 000 yuans juste pour aider une entreprise à installer OpenClaw en masse. Un acompte de 3 000 yuans était déjà arrivé.
Ça m'a soufflé.
J'ai cherché attentivement sur Xianyu et Taobao, et il y avait toutes sortes de prix étranges. Les prix d'installation en ligne allaient de quelques dizaines à quelques centaines, la plupart entre 100 et 200. Le moins cher était 30 pour le déploiement. Les frais d'installation sur place étaient plus élevés, environ 500.
Puis j'ai pensé : Puisque tant de gens le font, pourquoi pas moi ?
Semaine 1 : Test du marché + première commande
J'ai d'abord publié quelques tutoriels OpenClaw sur Xiaohongshu pour tester la réaction du marché.
Les titres étaient très directs : « Ce qu'OpenClaw peut faire pour vous », « L'automatisation IA remplace 3 employés », « Un outil IA utilisable sans savoir coder ».
Bien sûr, des gens ont rapidement envoyé des messages privés : « Tu peux m'aider à l'installer ? »
Le premier client était dans la rééducation sportive, il dirigeait son propre studio et formait souvent des étudiants d'autres villes. Son problème était très spécifique :
Chaque fois qu'il préparait une leçon, il devait dicter le contenu à GPT pour l'organiser, puis l'importer dans WPS pour utiliser l'IA et générer un diaporama. Bien que GPT améliorait considérablement l'efficacité, sa mémoire à long terme n'était pas complète. Certaines choses qu'il avait dites plusieurs fois, GPT les répétait encore avec des erreurs.
Il espérait construire un système d'enregistrement plus stable pour accumuler progressivement son expérience professionnelle, ses idées et ses documents, afin de former à terme un « assistant privé pour les thérapeutes en rééducation professionnelle ».
J'étais incertain à ce moment-là, car c'était mon premier projet commercial. Mais j'ai senti que ce besoin était parfait pour OpenClaw. J'ai proposé 3 000 yuans, et l'autre partie a accepté presque sans marchander.
L'opération réelle a pris un après-midi pour toute la configuration :
- Je l'ai aidé à distance à installer l'environnement OpenClaw.
- J'ai configuré un « Agent de gestion des connaissances » spécialement pour enregistrer son contenu de formation, ses cas et son expérience.
- J'ai mis en place une fonction d'organisation automatique : après qu'il a dicté du contenu, l'Agent le catégorisait et l'archivait automatiquement (par exemple, « Rééducation de l'articulation de l'épaule », « Cas de blessures sportives », « Modèles de plans d'entraînement »).
Gagner 3 000 en un après-midi, et le client était très satisfait. Il a dit que ce système était bien meilleur que d'utiliser simplement GPT, car OpenClaw pouvait se souvenir de sa terminologie professionnelle, de ses cas courants et de son style d'enseignement.
Il y avait un élément clé dans la conception : j'ai configuré une « Banque de mémoire à long terme » pour l'Agent. Chaque fois qu'il dictait du contenu, l'Agent non seulement organisait le contenu actuel, mais l'associait automatiquement à l'historique. Par exemple, s'il parlait cette fois de « rééducation de l'épaule », l'Agent extrayait automatiquement les cas et précautions connexes qu'il avait mentionnés auparavant, lui rappelant de les compléter ou de les mettre à jour.
À ce moment-là, j'ai compris : la plupart des gens ne connaissent pas OpenClaw, encore moins ce qu'il peut faire. Mais moi, je le sais, donc je peux transformer cet outil en service.
Semaine 2 : Acquisition de contenu + gros contrat
Après le succès de la première commande, j'ai commencé une production de contenu systématique.
Ma stratégie était de publier sur deux plateformes simultanément :
- X (Twitter) : Articles techniques approfondis, comme « Explication détaillée du mécanisme de mémoire d'OpenClaw » et « Comment utiliser l'orchestration d'Agents pour résoudre des processus métier complexes ». L'objectif était de montrer ma profondeur technique aux personnes qui connaissent le secteur.
- Xiaohongshu : Tutoriels pratiques et cas concrets, comme « Construire un système de service client automatisé en 3 heures » et « OpenClaw m'a aidé à économiser 2 employés opérationnels ». L'objectif était de montrer aux personnes ayant des besoins ce que je pouvais faire.
Cette combinaison a très bien fonctionné. En une semaine, mes messages privés sont passés de quelques-uns éparpillés à plus d'une douzaine de demandes par jour.
Mais j'ai vite découvert un problème : la plupart des demandes étaient inefficaces.
Certains demandaient « Tu peux m'aider à l'installer gratuitement », d'autres « Quelle est la différence avec GPT », et d'autres encore voulaient « créer une IA qui peut tout faire » tout de suite.
J'ai passé deux jours à filtrer et j'ai finalement ciblé 5 prospects fiables. Les critères de sélection étaient simples : besoins clairs, budget raisonnable, et capacité à expliquer quel problème ils voulaient résoudre.
Les besoins d'un client ont vraiment attiré mon attention.
Ce qui a véritablement propulsé mes revenus à six chiffres, c'est un projet d'automatisation e-commerce.
Le client travaillait dans le e-commerce transfrontalier avec plus de 20 boutiques et une équipe de 10 personnes. Leurs problèmes étaient : faible efficacité dans la sélection manuelle des produits, coûts élevés pour la sous-traitance des images et vidéos, production lente des pages détaillées qui ne suivait pas le rythme des nouveaux arrivages, et analyse des données opérationnelles pas assez rapide.
Ils m'ont demandé : OpenClaw peut-il résoudre ces problèmes ? J'ai dit oui, mais cela nécessite un développement personnalisé.
J'ai conçu pour eux un système d'automatisation avec 7 Agents : analyse de sélection de produits, génération d'images, génération de vidéos, rédaction, production de pages détaillées, gestion des fiches produits, et analyse de données.
Le devis pour l'ensemble de la solution était de plus de 100 000 yuans. Le client a signé le contrat presque sans hésiter. Après avoir signé, j'ai regretté, j'ai eu l'impression d'avoir sous-évalué. Le e-commerce est vraiment rentable, haha.
Semaine 3-4 : Développement et livraison
Quand j'ai signé le contrat, j'ai dit avec confiance : « Je le termine en une semaine. » Au final, cela m'a pris deux semaines complètes, car j'ai sous-estimé la complexité du développement personnalisé.
Problème 1 : L'intégration API était plus difficile que prévu
Le système e-commerce du client était développé sur mesure, et la documentation API était mal rédigée. Il m'a fallu 2 jours rien que pour comprendre leur structure de données.
Problème 2 : Le contenu généré par IA nécessitait de nombreux réglages
L'Agent de génération d'images fonctionnait mal au début ; les images générées avaient soit des styles incohérents, soit des problèmes de détails. J'ai ajusté les prompts à plusieurs reprises et testé des centaines de fois avant que cela ne se stabilise.
Problème 3 : Les besoins du client changeaient constamment
Au début, ils disaient n'avoir besoin que de 7 Agents, mais ensuite ils ont voulu ajouter des alertes de stock, une surveillance des concurrents... Chaque ajout de besoin nécessitait de repenser le flux de travail.
Problème 4 : OpenClaw lui-même avait des pièges
La documentation d'OpenClaw n'était pas assez détaillée, et de nombreuses fonctionnalités avancées devaient être découvertes par essais et erreurs. J'ai rencontré des problèmes comme des erreurs de transfert de données entre Agents, des tâches planifiées instables et des timeouts API.
Voici quelques détails techniques pointus d'OpenClaw :
1. Orchestration des Agents : Série ou parallèle ?
J'avais initialement conçu les 7 Agents pour exécuter en série : Sélection → Image → Rédaction → Page détaillée. Cela s'est avéré trop lent ; il fallait plus de 30 minutes pour qu'un produit passe de la sélection à la mise en ligne.
J'ai ensuite changé pour un hybride parallèle + série :
- L'Agent de Sélection s'exécute en premier (série)
- Après avoir obtenu les informations du produit, les Agents Image, Vidéo et Rédaction s'exécutent en parallèle
- Enfin, l'Agent de Page détaillée s'exécute après la fin des trois premiers (série)
Ainsi, un produit ne prend que 10 minutes de la sélection à la mise en ligne, soit une augmentation d'efficacité de près de 4 fois.
2. Mécanisme de nouvelle tentative en cas de timeout
Quand OpenClaw appelle des API externes (comme Midjourney), il rencontre souvent des timeouts. J'ai ajouté un mécanisme de nouvelle tentative à chaque Agent :
- 1er échec : Attendre 5 secondes et réessayer
- 2e échec : Attendre 10 secondes et réessayer
- 3e échec : Enregistrer l'erreur et ignorer la tâche
Ce mécanisme a augmenté le taux de réussite global de 70 % à 95 %.
3. KPIs de recette : Temps de réponse et taux d'intervention humaine
Pour les critères de recette de l'Agent de service client, j'ai défini deux KPIs :
- Temps de première réponse : L'IA doit répondre dans les 3 secondes après qu'un utilisateur a envoyé un message. Au-delà de 3 secondes, c'est considéré comme un timeout.
- Taux d'intervention humaine : La proportion de problèmes que l'IA ne peut pas résoudre et qui sont transférés à un humain. L'objectif était de le maintenir en dessous de 15 %.
Ces deux KPIs sont cruciaux et déterminent directement la satisfaction du client.
4. Un cas d'échec et sa correction
Une fois, l'Agent de service client s'est soudainement mis à dire n'importe quoi. Un utilisateur a demandé « Ce produit est-il en stock ? » et il a répondu « Notre entreprise a été fondée en 1998. »
Après avoir cherché un moment, j'ai découvert que c'était parce que j'avais ajouté la présentation de l'entreprise dans le prompt système, ce qui faisait que l'Agent mélangeait les informations de l'entreprise avec celles du produit.
Correction : J'ai divisé le prompt système en deux couches : une pour les règles globales (ex. style de réponse, éléments interdits) et une pour les informations contextuelles (ex. stock produit, historique utilisateur). Ainsi, l'Agent ne se trompe plus.
5. Gestion de la mémoire : Mémoire à court terme vs mémoire à long terme
Le mécanisme de mémoire d'OpenClaw a un piège : si vous ne la nettoyez pas, la mémoire s'accumule, ce qui finit par dépasser les limites de Tokens.
Ma solution :
- Mémoire à court terme : Conserver seulement les 10 derniers tours de conversation ; au-delà de 10 tours, effacement automatique.
- Mémoire à long terme : Stocker les informations importantes (ex. préférences utilisateur, historiques de commandes) dans un fichier externe et les appeler quand nécessaire.
Cela assure la continuité de la conversation tout en évitant les explosions de Tokens.
La partie la plus chronophage de tout le projet n'a pas été d'écrire du code, mais de comprendre ce que le client voulait réellement. Le client a dit au début : « Je veux un système d'assistant e-commerce automatisé. » J'ai demandé : « Concrètement, qu'est-ce que tu veux automatiser ? » Le client a dit : « Le genre qui m'aide à économiser de la main-d'œuvre. »
Ce genre de demande est trop vague. J'ai dû creuser petit à petit : Quelles sont vos tâches actuelles qui prennent le plus de temps ? Quelles tâches sont répétitives ? Dans quelle mesure voulez-vous que l'IA vous aide ? Quel taux d'erreur pouvez-vous accepter ?
Après avoir posé toutes ces questions, j'ai enfin compris leurs véritables difficultés. C'est pourquoi maintenant, avant de prendre une commande, je dois mener un entretien sur les besoins, rédiger un document de spécifications clair, et le faire signer par les deux parties. Sinon, il est impossible de régler les litiges plus tard.
Bilan : Ce que j'ai retenu de cette expérience
En près d'un mois, j'ai pris 3 projets et développé plus de 20 Agents. Chaque jour après le travail, j'ai travaillé jusqu'à 2 ou 3 heures du matin. Pourquoi j'ai acheté une voiture immédiatement, c'est une autre histoire.
En plus des grosses commandes, j'ai aussi pris quelques petites : services d'installation à distance (500-3 000 yuans/commande, fait en 2 heures ; c'est maintenant saturé, donc j'ai abandonné), personnalisation simple (ex. service client automatisé, publication de contenu, extraction de données, 5 000-10 000 yuans/commande), et services de conseil (certains clients veulent juste savoir si OpenClaw peut résoudre leurs problèmes ; je facture à l'heure, 500 yuans/heure).
Bien que ces petites commandes aient des prix unitaires bas, elles s'accumulent. La commande e-commerce était une grosse commande convertie à partir d'une recommandation de client.
En repensant à cette période, j'ai résumé quelques leçons :
Revue du calendrier
- Semaine 1 : Test du marché, première commande, validation du modèle.
- Semaine 2 : Acquisition de contenu, signature d'un gros contrat, définition des critères de recette.
- Semaine 3-4 : Développement et livraison, correction des pièges, renouvellement du contrat par le client.
Expérience clé
- X construit la professionnalité, Xiaohongshu acquiert des clients ; plusieurs clients m'ont contacté de manière proactive.
- Les critères de recette, le nombre de révisions et les limites de responsabilité doivent être clairement écrits.
- Apprendre en faisant est le plus rapide ; quand j'ai pris la première commande, ma compréhension d'OpenClaw n'était qu'à environ 60 %, mais je n'ai pas attendu d'être à 100 % pour commencer.
Enfin, un message pour tout le monde : les gens ordinaires n'ont pas le choix.
C'était le pire des moments, c'était le meilleur des moments.
ALL IN AI, JUST DO IT
