Retour aux articles

Hermes Agent : l'assistant IA personnel open source qui apprend vraiment de toi

8 min de lecture
iaagentsopen-sourcehermesopenclawassistant-personnelnous-researchautomatisation

Depuis quelques mois, une catégorie d'outils discrets mais structurants gagne en traction dans les cercles de développeurs et d'early adopters : les assistants IA personnels auto-hébergés. Pas des chatbots. Pas des copilotes d'IDE. Des agents persistants qui tournent sur ton propre serveur, te connaissent vraiment, et peuvent travailler pendant que tu dors.

OpenClaw a largement contribué à rendre cette idée concrète et praticable. Cet assistant — que j'utilise et que je configure depuis plusieurs mois — a posé les bases d'un paradigme : un agent qui vit dans un workspace structuré, avec des fichiers de mémoire, un système de skills, et un accès à tes outils via Telegram, Discord ou WhatsApp.

Mais des limites existent. Des frustrations légitimes : sessions Telegram qui dérapent, skills qui demandent une maintenance manuelle constante, une philosophie très "tu paramètres tout toi-même" qui peut devenir coûteuse en temps. Rien de rédhibitoire — mais suffisamment pour que la question se pose : est-ce que d'autres approches font les mêmes choses différemment, et mieux sur certains points ?

La réponse est oui. Elle s'appelle Hermes Agent, un projet lancé par Nous Research, et elle mérite qu'on en parle sérieusement.

Qui est Nous Research ?

Avant de parler de l'outil, le contexte compte. Nous Research est un lab IA fondé informellement en 2022 sur Discord et Twitter, formalisé en 2023 par Jeff Quesnelle, Karan Malhotra, Teknium et Shivani Mitra. Leur positionnement : open source d'abord, décentralisation, IA contrôlée par l'utilisateur.

Ils sont surtout connus pour les familles de modèles Hermes, Nomos et Psyche — des modèles fine-tunés sur le raisonnement et le suivi d'instructions, souvent utilisés comme base pour des agents locaux. Avec Hermes Agent, ils proposent leur vision d’un assistant personnel autonome, persistant et open source. Le projet évolue vite, avec une activité soutenue sur GitHub, ce qui en fait une piste crédible à surveiller de près.

Ce qu'est Hermes Agent (vraiment)

En une phrase : Hermes Agent est un assistant personnel open source qui tourne sur ta propre infrastructure, garde de la continuité entre les sessions, et peut être utilisé depuis plusieurs interfaces comme le terminal ou certaines messageries.

Ce qui le différencie dès le départ :

Une boucle d'apprentissage fermée

La plupart des agents stockent des faits en mémoire. Hermes va plus loin : après une tâche complexe réussie, il crée automatiquement un skill — une procédure réutilisable qu'il pourra rappeler lors d'une prochaine tâche similaire. Ces skills s'améliorent ensuite à chaque utilisation.

Ce n'est pas de la magie. C'est une architecture spécifique : l'agent dispose d'un mécanisme de nudge périodique qui l'invite à persister ce qu'il vient d'apprendre. Le résultat : un agent qui devient plus utile à mesure qu'il accumule de l'usage — sans que tu aies à écrire de fichier de configuration.

Un système de mémoire en couches

Hermes ne fait pas que "noter des infos". Il empile :

  • Mémoire persistante — notes longue durée, faits sur l'utilisateur
  • Rappel cross-session — recherche plein texte (FTS5) sur l'historique des conversations avec résumés LLM
  • Modélisation utilisateur — via Honcho, un système "dialectique" qui affine progressivement son modèle de qui tu es
  • Mémoire procédurale — les skills eux-mêmes, comme des routines que l'agent sait exécuter sans qu'on les lui réécrive

C'est l'ambition la plus intéressante : ne pas juste mémoriser ce que tu fais, mais comprendre comment tu fonctionnes.

Agnostique modèle, sans lock-in

Hermes se connecte à n'importe quel endpoint OpenAI-compatible : Nous Portal, OpenRouter (200+ modèles), OpenAI, Anthropic, GLM, Kimi, ou un modèle local. On change de modèle avec hermes model — aucun changement de code. Tu peux faire tourner un Llama local un jour, GPT-4o le lendemain, sans toucher à tes skills ni à ta configuration.

Multi-plateforme et extensibilité via MCP

Hermes pousse aussi une logique assez large d’intégrations et de déploiement : plusieurs canaux d’accès, plusieurs backends d’exécution, et un support MCP qui le rend potentiellement extensible à beaucoup d’outils externes.

Autrement dit, l’assistant n’est pas pensé uniquement comme un agent local dans un terminal. Il est pensé comme une couche de continuité qui peut rester disponible au-delà de ton laptop.

Comparaison avec OpenClaw : nuances utiles

Je précise d'entrée : cet article n'est pas un réquisitoire contre OpenClaw. C'est un outil que j'utilise, que je respecte, et qui a des avantages réels. Mais la comparaison est utile.

| | Hermes Agent | OpenClaw | |---|---|---| | Paradigme | Agent auto-améliorant, boucle d'apprentissage fermée | Workspace-native, skills authoriés manuellement | | Mémoire | FTS5 + LLM summarization + modélisation user (Honcho) | Fichiers Markdown (MEMORY.md, USER.md) | | Skills | Auto-créés à partir de l'expérience + community hub | Authoriés manuellement par l'utilisateur | | Modèles | Agnostique (200+ via OpenRouter) | Claude-centré, OpenRouter possible | | Extensibilité outils | Intégrations natives + MCP | Skills et outils configurés manuellement | | Migration OpenClaw → Hermes | hermes claw migrate (automatique) | — | | Contrôle utilisateur | Plus autonome (confiance requise) | Plus manuel, plus prédictible | | Research loop | Atropos RL + batch trajectories | Non |

Ce que Hermes fait mieux :

  • Mémoire structurée et recherchable nativement (pas juste des fichiers Markdown)
  • Skills qui émergent de l'usage plutôt que d'être écrits à la main
  • Support nativement multi-backend pour le déploiement
  • Pas de lock-in modèle
  • MCP intégré = extensibilité potentiellement très large

Ce qu'OpenClaw fait différemment (et parfois mieux) :

  • Contrôle total sur ce que l'agent sait faire (skills humains = auditables, versionnables)
  • Workspace-native : tout est dans des fichiers lisibles et versionnables
  • Intégration Claude très profonde (excellent modèle de raisonnement)
  • Philosophie "toi d'abord" : l'agent ne fait pas de choses qu'il n'a pas été explicitement configuré pour faire

Le vrai choix :

Si tu privilégies un assistant qui capitalise davantage sur l'usage et l'historique, Hermes peut être particulièrement intéressant. Si tu préfères garder la main très explicitement sur chaque comportement de l'agent, OpenClaw reste plus rassurant sur certains workflows.

Pour des automatisations critiques, le contrôle explicite d'OpenClaw peut être un avantage. Pour un assistant personnel qui s'enrichit dans la durée, Hermes propose une architecture qui mérite clairement d'être testée.

Les limites honnêtes de Hermes

La confiance dans l'auto-amélioration

Le fait qu'un agent puisse modifier ses propres procédures est la fonctionnalité la plus ambitieuse — et celle qui demande le plus de confiance. Hermes peut créer et mettre à jour des skills sans intervention humaine. C'est puissant. C'est aussi le genre de chose qui peut dériver si tu ne vérifies pas ce qui est créé.

Le projet a un système d'approbation pour les commandes risquées, mais la vigilance reste de mise sur ce que l'agent décide de persister comme comportement.

La maturité du projet

Hermes reste un projet jeune. La dynamique est bonne, la documentation progresse, mais il faut garder en tête que certaines briques sont encore en phase de stabilisation. La migration depuis OpenClaw est documentée, mais elle mérite encore d'être abordée avec prudence sur des usages réels complexes.

Le learning loop dépend de l'usage

L'auto-amélioration n'est pas magique. Si tu poses des questions simples et répétitives, l'agent ne va pas créer beaucoup de skills utiles. La boucle d'apprentissage est proportionnelle à la complexité et à la diversité de ce que tu lui demandes. Pour que ça marche, il faut l'utiliser sérieusement.

Ce que ça change pour les builders

Si tu construis des automatisations, des pipelines, ou si tu veux un assistant qui gère vraiment des tâches récurrentes complexes, Hermes ouvre des possibilités intéressantes :

  • Les skills deviennent plus portables via agentskills.io, avec une logique de partage et de réutilisation communautaire.
  • L’agent peut déléguer ou paralléliser certaines tâches, ce qui ouvre des usages plus ambitieux que le simple assistant conversationnel.
  • MCP intégré = possibilité de brancher plus facilement des outils externes dans un cadre standardisé.
  • L’intégration Atropos intéressera surtout les profils très orientés recherche ou fine-tuning.

Ce n’est pas seulement un assistant conversationnel. C’est une tentative de construire une vraie infrastructure d’agent personnel.

En pratique : installation en 60 secondes

curl -fsSL https://raw.githubusercontent.com/NousResearch/hermes-agent/main/scripts/install.sh | bash
source ~/.bashrc
hermes setup  # wizard interactif : modèle, plateforme, migration OpenClaw si besoin
hermes gateway start  # Telegram/Discord/Slack/Signal...

Si tu viens d'OpenClaw :

hermes claw migrate  # importe SOUL.md, mémoires, skills, clés API
hermes claw migrate --dry-run  # preview avant

Fonctionne sur Linux, macOS, WSL2, et Android via Termux.

Conclusion

Hermes Agent n'est pas là pour remplacer OpenClaw. C'est une réponse différente à la même question : comment construire un assistant IA qui dure, qui grandit, et qui reste sous ton contrôle ?

La différence fondamentale est philosophique. OpenClaw mise sur l'authoring humain et la prédictibilité. Hermes mise sur l'autonomie et l'accumulation — un agent qui devient plus compétent avec le temps, sans que tu aies à le réécrire.

Pour un usage personnel sérieux, les deux peuvent coexister. Pour qui s'intéresse sérieusement aux assistants personnels IA persistants et open source, Hermes mérite clairement un test attentif.

Et toi, tu préfères un agent que tu paramètres toi-même ligne par ligne, ou un agent qui apprend progressivement de ton usage et s’adapte avec le temps ? C’est peut-être la vraie question derrière ce choix.

Références