Leçons pratiques tirées du déploiement d'OpenClaw pour cinq entreprises

Un développeur avec cinq instances OpenClaw en production sur un VPS Hetzner partage des leçons concrètes tirées de déploiements réels en entreprise.

Décisions d'infrastructure

Le développeur a essayé le déploiement local (le plus simple mais non évolutif) et AWS (cher), puis a opté pour Hetzner CPX22 à 13€/mois (3 vCPU, 4 Go de RAM) pour son rapport qualité-prix, sa rapidité et sa stabilité. Une découverte clé : WhatsApp ne fonctionne pas sur les IP de centre de données car Meta les bloque, ce qui a entraîné deux jours perdus à obtenir l'approbation de l'application développeur Meta. Telegram est devenu la solution par défaut car son API est plus tolérante que celle de WhatsApp.

Chaque client dispose de son propre VPS. Le multi-locataire a été testé tôt mais abandonné car un processus incontrôlé d'un client ne devrait pas arrêter l'agent d'un autre client. L'isolation est considérée comme valant 13€/mois et non négociable.

Intégration et personnalisation

Les premiers agents étaient génériques mais peu efficaces. Le développeur a créé un formulaire d'admission de 26 questions qui alimente un flux de travail n8n générant automatiquement un SOUL.md et un USER.md pour chaque déploiement. Le formulaire couvre le type d'entreprise, les préférences de ton, ce que l'agent doit gérer ou escalader, les outils utilisés, l'emploi du temps quotidien et le style de communication. Un utilisateur a rapporté que l'agent était "si utile et spécifique dès le départ".

Le développeur note : "Un agent générique est un produit. Un agent personnalisé est un membre de l'équipe. Encore plus — plus ils l'utilisent, plus il s'intègre."

Approche de facturation

Ce qui ne fonctionne pas : facturer la configuration et espérer qu'ils restent. Ce qui fonctionne : un essai gratuit de 7 jours sur la clé API Anthropic du développeur (coûtant 5 à 15 $), puis les clients obtiennent leur propre clé. Le développeur les guide lors de la configuration en direct sur Zoom en environ 10 minutes. Les clients voient la transparence et gèrent leurs coûts. Un client est passé de Claude à OpenAI en 3 minutes car il avait déjà un abonnement.

Stratégie de hiérarchisation des modèles

La pile par défaut par déploiement :

• Haiku : Battements de cœur, réponses simples, vérifications de routine (90 % du volume)
• Sonnet : Tâches complexes, flux de travail multi-étapes, tout ce qui nécessite du jugement (9 %)
• Opus : Réflexion stratégique, décisions à enjeux élevés (1 %)

Le développeur compare cela à une structure typique de petite entreprise : "Le visionnaire/fondateur au sommet, puis des personnes viennent exécuter la vision."

Conseil important : épingler les modèles sur chaque tâche cron. Oublier d'en épingler un a entraîné l'exécution des battements de cœur sur Sonnet pendant une semaine avec une facture de 40 $.

Optimisation technique

Utiliser le système d'exploitation, et non le LLM, pour les tâches mécaniques comme la rotation des journaux, le redémarrage des services ou la sauvegarde des fichiers. Le LLM est invoqué pour les décisions tandis que le système d'exploitation gère la mécanique. Cela a réduit l'utilisation de jetons d'environ 30 % sur tous les déploiements.

Cas d'utilisation réels

• Agence de soins : Rappels de conformité CQC, conflits de planning du personnel, consultation des politiques (économise ~5 heures/semaine)
• Entreprise événementielle : Capture de leads, séquences de suivi, génération de devis intégrée au CRM
• Consultant SEN : Suivi des délais EHCP, modèles de communication parentale, planification des liaisons scolaires
• Détaillant automobile (Floride) : Réservation de rendez-vous, suivi des avis, organisation des photos
• Agent du développeur lui-même : Planification stratégique, rédaction de contenu, mémoire sur 4 000+ fichiers d'espace de travail

Le développeur note : "Aucun d'entre eux ne voulait un chatbot. Ils voulaient un système d'exploitation d'entreprise qui utilise l'IA."