Paperclip : l’orchestration open source qui pilote vos agents IA comme une entreprise

À qui cela s’adresse

Paperclip est un outil open source d’orchestration d’agents IA, et sa métaphore est directe : les agents sont des employés que vous avez embauchés, Paperclip est l’entreprise. Il se compose d’un service Node.js et d’une interface React ; les agents, c’est vous qui les apportez. Il convient donc aux responsables techniques ou aux petites équipes qui utilisent déjà des agents de codage et veulent regrouper au même endroit les tâches, les permissions et l’historique de ces agents.

Trois profils typiques : une vingtaine de terminaux Claude Code ouverts en même temps, sans savoir qui fait quoi ; des agents qui tournent 7×24 tout seuls, tandis que vous voulez pouvoir consulter l’avancement à tout moment et intervenir si nécessaire ; des responsables qui veulent fixer un plafond de budget par agent et surveiller les coûts.

Il y a aussi une condition ferme : les agents, c’est vous qui les fournissez. La page d’accueil du dépôt indique explicitement qu’il faut « bring your own agents » ; les modèles et les frameworks d’exécution sont choisis un par un, et la plateforme s’occupe de l’ordonnancement, de la comptabilité et du contrôle du budget.

Ce n’est pas adapté si vous voulez qu’un seul agent termine une tâche et s’arrête : la séquence « définir un objectif, recruter l’équipe, approuver et lancer » devient une charge supplémentaire. Et ne commencez pas si vous n’avez ni comptes d’agents utilisables ni quota de modèles, car les agents comme les modèles sont à votre charge.

Premier essai en 3 minutes

Suivez un seul chemin officiel : la section Quickstart de la page d’accueil du dépôt GitHub.

• https://github.com/paperclipai/paperclip
• https://docs.paperclip.ing/

Ce qui est vérifié s’arrête là : « le point d’entrée officiel est la section Quickstart du dépôt ». Pour les commandes exactes, référez-vous au Quickstart et au site de documentation ; les commandes non vérifiées ne sont pas reproduites ici.

1. Préparez les prérequis : un environnement Node.js, plus au moins un agent qui vous appartient (Codex ou Claude).
2. Lieu d’installation : suivez le Quickstart pour lancer le service et l’interface en local. Les sources ne donnent ni répertoire d’installation global ni nom de paquet : ne reprenez donc pas la méthode d’installation d’ailleurs.
3. Déclenchez une tâche à faible risque : créez un objectif d’analyse en lecture seule (par exemple « analyser la structure d’un dépôt et lister les pistes d’amélioration »), attachez d’abord un seul agent, vérifiez la stratégie qu’il propose, réglez le plafond de budget sur une petite valeur, puis cliquez sur lancer. À ce stade, ne le laissez pas écrire de fichiers, exécuter de commandes ni appeler de services externes.
4. Vérifiez d’abord la limite des effets de bord : une fois lancé, l’agent continue de fonctionner de façon autonome et génère de vrais coûts. Le plafond de budget et la tâche en lecture seule sont les seules garde-fous de cette session : commencez avec un petit budget.
5. Repérez le signal de réussite : l’objectif et ses entrées de tâches apparaissent sur le tableau de bord, vous voyez la progression de chaque agent et la comptabilité des coûts, et le coût cumulé reste sous le plafond.

Ce qu’il ne faut pas faire au premier tour : ne pas attacher une douzaine d’agents d’un coup, et surtout ne pas cliquer sur lancer sans budget défini.

Cas d’usage

Premier cas : plusieurs agents avancent sur le même objectif en parallèle, et la progression ne dépend plus de la mémoire de quelqu’un. Le dépôt liste directement « 20 terminaux Claude Code ouverts en même temps, et perdre la trace de ce que fait chacun » comme scénario d’usage. La méthode consiste à rattacher des agents différents (OpenClaw, Codex, Claude, Cursor…) au même objectif, à laisser chacun choisir son modèle et son framework d’exécution, et à conserver tâches, compétences, permissions et historique au même endroit ; ensuite, on regarde uniquement le tableau de bord pour savoir qui fait quoi et ce que cela a coûté, sans fouiller terminal après terminal, et un seul panneau indique qui avance et jusqu’où.

Deuxième cas : gérer « fixer un objectif, recruter l’équipe, approuver et lancer » comme une boucle d’exploitation. Les trois étapes données par le dépôt sont : d’abord définir l’objectif (par exemple, faire passer une application de notes IA à $1M MRR), puis constituer une équipe d’agents aux rôles de CEO, CTO, ingénieur, designer, marketing (n’importe quel bot, n’importe quel fournisseur), enfin approuver et lancer — vérifier la stratégie, fixer le budget, appuyer sur démarrer, et surveiller en continu depuis le tableau de bord. C’est le flux d’exemple fourni par la source, pas un usage inventé ; la façon de configurer les rôles et de brancher les agents suit le Quickstart et le site de documentation.

Limites d’usage

• Le périmètre vérifié se limite à la page d’accueil du dépôt : le positionnement (orchestration open source pour mettre des agents IA au travail), la forme technique, le flux en trois étapes, et l’ensemble d’exigences « les agents tournent en autonomie 24/7, un humain doit consulter et pouvoir intervenir à tout moment, les coûts doivent être surveillés et le budget imposé ». Les commandes d’installation, l’arborescence et les modes de liaison de compte ne sont pas vérifiés.
• Les agents continuent de tourner seuls et génèrent de vrais coûts : le suivi des coûts et l’application du budget sont à la fois une fonction de la plateforme et une condition de fonctionnement.
• Agents, modèles et frameworks d’exécution sont fournis par vous ; Paperclip ne héberge pas vos comptes d’agents.
• Pour le premier tour, choisissez une tâche d’analyse en lecture seule et réversible ; en cas d’écriture de fichier, d’exécution de commande ou d’appel externe, vérifiez l’impact et le budget avant de laisser passer.
• Si vous ne voulez lancer qu’une seule tâche, ce processus est trop lourd ; ses avantages se font sentir dans les scénarios multi-agents, de longue durée et contraints par un budget.
• La profondeur de support par agent, l’échelle de concurrence et les mécanismes de reprise après incident ne sont pas indiqués sur la page d’accueil : la documentation officielle fait foi.