Comment Hermes Agent de NousResearch crée un agent IA auto-améliorant en 2026

Les agents IA actuels exécutent des tâches mais n’apprennent rien entre deux sessions. Hermes Agent, publié par NousResearch, introduit une boucle d’apprentissage intégrée : l’agent crée ses propres skills à partir de l’expérience, les améliore pendant l’usage, recherche dans ses conversations passées et construit un modèle de son utilisateur. Le projet dépasse 33 000 étoiles GitHub en avril 2026 et fonctionne sur un VPS à 5 dollars comme sur un cluster GPU.

Temps de lecture : 14 min

Pourquoi les agents IA classiques n’apprennent-ils pas de leurs erreurs ?

Les agents IA classiques suivent un cycle simple : recevoir une instruction, exécuter la tâche, oublier. Chaque session démarre avec le même jeu de compétences.

Le problème de la stagnation

Un agent Claude Code ou Codex exécute la même tâche avec la même qualité qu’il l’ait déjà réalisée dix fois ou zéro. Les erreurs corrigées manuellement ne sont pas mémorisées. Les préférences exprimées disparaissent à la fin de la session. L’agent reste figé au niveau de compétence de son modèle de base.

Cette stagnation représente un coût caché pour les entreprises. Chaque correction manuelle consomme du temps humain. Les équipes passent entre 15 et 30 minutes par session à reconfigurer leur agent IA. Sur 20 sessions par semaine, cela représente 5 à 10 heures perdues en contexte.

Le problème s’amplifie avec les workflows multi-agents. Quand plusieurs agents collaborent, chaque agent apporte sa propre amnésie. L’agent de test ne sait pas ce que l’agent de développement a décidé. La coordination requiert des transferts de contexte manuels qui annulent les gains de productivité.

L’approche NousResearch

NousResearch, collectif de recherche IA connu pour la série de modèles Hermes, a conçu un agent autonome qui tourne sur votre serveur, retient ce qu’il apprend et devient plus capable à chaque utilisation. Ce n’est pas un copilot attaché à un IDE ni un chatbot wrapper autour d’une API unique.

La version 0.8.0 (v2026.4.8), publiée le 8 avril 2026, intègre 209 pull requests fusionnées et 82 issues résolues. Le projet est passé de 23 000 à 33 000 étoiles en deux semaines. Cette dynamique rejoint la tendance des agents IA autonomes qui transforment le marketing digital.

Le Discord du projet rassemble une communauté active. Chaque release intègre des centaines de contributions : v0.2.0 le 12 mars (216 PR, 63 contributeurs), v0.7.0 fin mars, v0.8.0 le 8 avril. Ce rythme de développement soutenu distingue Hermes Agent des projets qui stagnent après le buzz initial.

Comment fonctionne la boucle d’apprentissage d’Hermes Agent ?

La boucle d’apprentissage d’Hermes Agent suit quatre phases : Observer, Planifier, Agir, Apprendre. Après chaque tâche, l’agent analyse le résultat, crée ou met à jour un skill réutilisable, et persiste les connaissances acquises.

Le marché des agents IA se structure rapidement en 2026. Les entreprises recherchent des solutions qui ne se contentent pas d’exécuter des tâches ponctuelles, mais qui capitalisent sur chaque interaction pour devenir plus performantes. Hermes Agent répond à cette demande avec une architecture technique solide, une communauté de 63 contributeurs actifs et un rythme de développement soutenu. Le projet hermes-paperclip-adapter permet même d’utiliser l’agent comme un employé managé dans le système de gestion Paperclip.

Le cycle en quatre phases

Pendant l’observation, l’agent analyse la tâche et son contexte. La planification mobilise les skills existants et identifie les lacunes. L’action exécute le plan avec les outils disponibles (terminal, navigateur, fichiers). L’apprentissage post-action évalue le résultat et encapsule les patterns dans un skill.

Les skills sont au format agentskills.io, un standard ouvert. L’agent charge uniquement le skill pertinent, réduisant la consommation de tokens. Plus de 40 skills sont inclus par défaut. Les skills communautaires du dépôt wondelai/skills (380+ étoiles) étendent les capacités de base.

La génération de trajectoires par lots avec des workers parallèles permet d’utiliser Hermes Agent pour l’entraînement RL (Reinforcement Learning). L’intégration Atropos crée des environnements d’entraînement à partir des trajectoires de l’agent.

La mémoire persistante

Hermes Agent construit un modèle progressif de son utilisateur. Les préférences, conventions de travail et patterns sont capturés dans USER.md et MEMORY.md. L’agent pousse automatiquement les informations à persister, sans attendre une instruction explicite.

Le système hermes-agent-self-evolution utilise DSPy et GEPA (Genetic Evolution of Prompt Architectures) pour optimiser les prompts. Cette couche d’auto-évolution permet à l’agent d’améliorer ses propres instructions, fermant la boucle d’apprentissage au niveau du modèle.

Comment Hermes Agent se connecte-t-il à Telegram, Discord et Slack ?

Le gateway de messagerie unifié connecte l’agent à six plateformes : Telegram, Discord, Slack, WhatsApp, Signal et Email (IMAP/SMTP). Un seul processus gère toutes les connexions avec des sessions unifiées.

Le gateway unifié et les boutons d’approbation

La commande hermes gateway setup lance un assistant interactif. La version 0.8.0 introduit les boutons d’approbation natifs sur Slack et Telegram. Quand l’agent propose une commande dangereuse, l’utilisateur approuve via un bouton natif.

Les timeouts intelligents suivent l’activité réelle des outils. Une tâche active n’est jamais interrompue. Seuls les agents véritablement inactifs sont mis en pause, économisant les ressources serveur.

La gestion des pièces jointes est unifiée. Un utilisateur peut envoyer une capture d’écran via Telegram et l’agent l’analyse avec les mêmes outils que s’il travaillait en local. Les fichiers, images et documents sont traités de manière transparente.

Le support multi-workspace OAuth pour Slack permet de connecter l’agent à plusieurs espaces de travail. Les équipes distribuées partagent le même agent avec des permissions distinctes.

Le routage intelligent des messages garantit que les pièces jointes volumineuses (images haute résolution, PDF de plusieurs Mo) sont traitées sans surcharger le contexte de l’agent. Les médias sont téléchargés localement, analysés par les outils appropriés, et seuls les résultats pertinents entrent dans la fenêtre de contexte.

L’agent accessible partout

L’architecture gateway permet de parler à son agent depuis Telegram pendant qu’il travaille sur un serveur cloud. Un directeur marketing peut demander via Telegram : « Lance l’audit SEO » et recevoir le rapport dans la même conversation.

Le système de profils (multi-instance) permet de faire tourner plusieurs configurations sur le même serveur. Une instance pour le développement, une pour le marketing, une pour le support. Chaque instance possède sa propre mémoire et ses propres skills. Cette flexibilité s’intègre avec les serveurs MCP marketing pour connecter l’agent aux données CRM.

Évaluez votre maturité IA en 5 minutes avec notre Diagnostic IA gratuit.

Comment l’agent crée-t-il et améliore-t-il ses propres skills ?

Hermes Agent crée des skills réutilisables après chaque tâche complexe. L’agent analyse le processus, extrait les patterns et les encapsule dans un nouveau skill au format agentskills.io.

La création automatique

Quand un utilisateur demande « Construis une application todo full-stack avec authentification », l’agent exécute la tâche puis crée un skill réutilisable. La prochaine demande similaire sera traitée plus rapidement et avec moins d’erreurs. L’agent améliore aussi les skills existants quand il rencontre de nouveaux cas.

L’artiste SHL0MS a contribué des skills de création vidéo (p5.js, manim) et de rédaction d’articles de recherche. Ces contributions montrent la polyvalence de la plateforme au-delà du développement logiciel.

Le système de skills suit un cycle de vie complet : création, test, publication, amélioration et dépréciation. Les skills obsolètes sont automatiquement marqués et remplacés par des versions plus récentes. Le registre de skills communautaire ClawHub permet de découvrir et installer des skills créés par d’autres utilisateurs, créant un effet de réseau où chaque nouvel utilisateur enrichit la bibliothèque collective.

Les skills couvrent des domaines variés au-delà du développement logiciel : rédaction de contenu marketing, analyse financière, recherche académique, création de médias visuels, automatisation de workflows métier. Un skill de veille concurrentielle peut surveiller les prix d’un concurrent, un skill de reporting peut générer des tableaux de bord hebdomadaires, un skill de modération peut filtrer les messages entrants selon des critères personnalisés.

MCP et backends de terminal

Hermes Agent supporte le protocole MCP avec les transports stdio et HTTP. L’authentification MCP OAuth 2.1 avec PKCE est intégrée depuis la version 0.8.0, accompagnée d’un scan automatique de malware via la base OSV. Six backends de terminal couvrent tous les scénarios : local, Docker, SSH, Daytona, Singularity et Modal.

Daytona et Modal offrent une persistance serverless. L’agent hiberne quand il est inactif et se réveille à la demande, réduisant les coûts à quasi zéro entre les sessions. L’avertissement de modèle non-agentique prévient quand un modèle Hermes LLM n’est pas conçu pour l’utilisation d’outils.

Comment déployer Hermes Agent sur un VPS ou en serverless ?

L’installation se fait en une commande sur Linux, macOS et WSL2. L’installeur gère Python, Node.js, les dépendances et la commande hermes automatiquement.

Installation et configuration

La commande curl -fsSL https://raw.githubusercontent.com/NousResearch/hermes-agent/main/scripts/install.sh | bash installe tout. L’assistant hermes setup guide le choix du fournisseur : Nous Portal (modèles gratuits), OpenRouter (200+ modèles), Google AI Studio (Gemini), xAI (Grok) ou OpenAI.

La commande hermes model change de modèle à chaud, sans redémarrage. Le sélecteur interactif fonctionne sur Telegram et Discord via des boutons natifs. Le pricing des modèles s’affiche directement dans le sélecteur pour OpenRouter et Nous Portal.

La compatibilité avec les noms de modèles contenant des points (minimax-m2.7, glm-4.5, kimi-k2.5) est assurée sur toutes les plateformes. Le prompt caching via l’en-tête x-grok-conv-id optimise les coûts pour les utilisateurs xAI/Grok.

Pour les équipes qui gèrent plusieurs projets clients, Hermes Agent se configure avec des profils distincts par client. Chaque profil possède sa propre mémoire, ses propres skills et ses propres connexions MCP. Le changement de profil se fait avec une commande, sans redémarrer le gateway. Cette flexibilité fait d’Hermes Agent un outil adapté aux agences digitales qui gèrent plusieurs comptes simultanément.

Le choix du fournisseur d’inférence impacte directement le coût et la qualité. Nous Portal offre un tier gratuit suffisant pour les tests et l’utilisation légère. OpenRouter donne accès à plus de 200 modèles avec un pricing transparent. Google AI Studio intègre Gemini avec détection automatique de la longueur de contexte. L’agent n’est verrouillé sur aucun fournisseur : la commande hermes model change le modèle en temps réel.

Déploiement et coûts

Le déploiement sur Modal ou Daytona offre une infrastructure serverless persistante. L’environnement hiberne quand aucune tâche n’est en cours. Le coût entre les sessions est quasi nul, rendant l’agent viable pour les utilisateurs individuels.

La journalisation centralisée facilite le debugging. Pour les entreprises qui souhaitent déployer un agent IA en production, Hermes Agent offre une infrastructure mature avec 3 289 tests automatisés.

Pourquoi les développeurs migrent-ils d’OpenClaw vers Hermes Agent ?

OpenClaw (210 000 étoiles GitHub) reste un outil puissant. Hermes Agent se positionne comme successeur pour les utilisateurs qui veulent un agent persistant et auto-améliorant.

Les différences architecturales

OpenClaw est un copilot de code attaché au terminal. Hermes Agent est un agent autonome persistant accessible depuis n’importe quelle plateforme de messagerie. La migration automatique détecte ~/.openclaw et propose d’importer paramètres, mémoires, skills et clés API.

La commande hermes claw migrate offre une migration interactive avec prévisualisation (–dry-run), sélection des données (–preset user-data) et gestion des conflits. Le partenariat avec MiniMax AI et l’intégration Google AI Studio élargissent les options d’inférence.

L’intégration avec Paperclip (hermes-paperclip-adapter) permet d’exécuter Hermes Agent comme un employé managé. L’agent se connecte au système de gestion de tâches, recevant des missions et reportant les résultats. Ce modèle préfigure les agents IA en entreprise.

Le pipeline autonovel illustre la polyvalence d’Hermes Agent. Ce système, publié par NousResearch, produit des manuscrits de 100 000+ mots de manière autonome en utilisant la boucle d’apprentissage pour améliorer la qualité narrative au fil des chapitres. L’agent apprend le style de l’auteur, retient les arcs narratifs et maintient la cohérence des personnages sur des centaines de pages. Ce cas d’usage montre que Hermes Agent dépasse largement le cadre du développement logiciel.

L’avenir des agents auto-améliorants

40 % des applications d’entreprise intègreront des agents IA spécialisés d’ici fin 2026 (Gartner, 2026). Hermes Agent se positionne avec une approche open source et auto-hébergée.

Le pipeline autonovel produit des manuscrits de 100 000+ mots de manière autonome. Les entreprises qui investissent dans les agents IA par secteur trouvent une base technique solide. La boucle d’apprentissage garantit une amélioration continue.

La validation de configuration au démarrage détecte les problèmes avant le lancement : clés API manquantes, ports occupés, versions incompatibles. Cette vérification préventive réduit le temps de debugging pour les déploiements en production. La commande hermes doctor affiche un rapport complet de l’état du système.

Les logs structurés (agent.log pour les INFO+, errors.log pour les WARNING+) suivent un format standardisé compatible avec les outils de monitoring comme Grafana et Datadog. La commande hermes logs offre un accès rapide aux derniers événements. Cette observabilité est indispensable pour les équipes qui exécutent l’agent en production sur des tâches critiques.

La suite de tests automatisés (3 289 tests) couvre les modules agent, gateway, outils, cron et CLI. La parallélisation via pytest-xdist accélère l’exécution des tests. Les contributeurs communautaires ont ajouté des tests unitaires par lots couvrant 8 modules centraux à chaque cycle, garantissant la stabilité des releases successives.

L’avenir de la plateforme s’oriente vers l’interopérabilité entre agents. Le protocole MCP, les skills portables et la mémoire exportable permettent à Hermes Agent de communiquer avec d’autres systèmes d’agents. Un Hermes Agent spécialisé en analyse SEO peut transmettre ses résultats à un Hermes Agent spécialisé en rédaction de contenu, chacun capitalisant sur ses propres skills et sa propre mémoire.

• Hermes Agent intègre une boucle d’apprentissage en quatre phases : Observer, Planifier, Agir, Apprendre
• Le gateway unifié connecte l’agent à Telegram, Discord, Slack, WhatsApp, Signal et Email
• Plus de 200 modèles accessibles via OpenRouter, Nous Portal, Google AI Studio, xAI et OpenAI
• Six backends de terminal couvrent tous les scénarios de déploiement
• Migration automatisée depuis OpenClaw avec import des paramètres et skills
• 33 000 étoiles GitHub, 209 pull requests dans la version 0.8.0

Questions fréquentes sur Hermes Agent

Hermes Agent est-il gratuit ?

Hermes Agent est open source sous licence MIT. Le coût se limite au fournisseur d’inférence (Nous Portal offre un tier gratuit) et à l’hébergement (VPS à 5 dollars par mois ou serverless). Le code est disponible sur GitHub avec plus de 33 000 étoiles et 63 contributeurs actifs.

Quelle différence entre Hermes Agent et OpenClaw ?

OpenClaw est un copilot de code attaché au terminal. Hermes Agent est un agent autonome persistant accessible via Telegram, Discord, Slack. Hermes Agent intègre une boucle d’apprentissage qui crée et améliore ses skills automatiquement, ce qu’OpenClaw ne propose pas nativement.

Comment Hermes Agent apprend-il ?

Après chaque tâche, Hermes Agent analyse le résultat, identifie les patterns réutilisables et les encapsule dans un skill au format agentskills.io. Les erreurs corrigées sont intégrées dans le skill pour éviter leur répétition. Le système hermes-agent-self-evolution optimise les prompts via des algorithmes génétiques.

Peut-on l’utiliser sans compétences techniques ?

L’installation en une commande et l’accès via Telegram ou Discord ne nécessitent aucune compétence technique. La configuration avancée (backends de terminal, MCP, cron) requiert des connaissances en administration système. La documentation complète est sur hermes-agent.nousresearch.com.

Fonctionne-t-il avec Gemini et GPT ?

Hermes Agent supporte nativement Google AI Studio (Gemini), xAI (Grok), OpenAI, Nous Portal, OpenRouter (200+ modèles) et MiniMax M2.7. La commande hermes model change de modèle en temps réel sans modification de code ni redémarrage de l’agent.

Les données sont-elles sécurisées ?

L’agent tourne sur votre infrastructure. USER.md et MEMORY.md restent sur votre serveur. L’authentification MCP OAuth 2.1 PKCE est intégrée, et le scan automatique de malware via la base OSV vérifie les extensions MCP. La journalisation centralisée facilite l’audit de sécurité.

Combien de skills par défaut ?

Plus de 40 skills par défaut couvrent le MLOps, les workflows GitHub, la recherche et la rédaction. Les skills communautaires sont installables depuis ClawHub, LobeHub et GitHub. L’agent crée automatiquement de nouveaux skills, et le nombre augmente avec chaque session d’utilisation.

Comment migrer depuis OpenClaw ?

La commande hermes claw migrate détecte automatiquement ~/.openclaw et importe paramètres, mémoires, skills et clés API. Mode preview (–dry-run), sélection des données et gestion des conflits inclus. Un skill openclaw-migration guide la migration interactive.

Peut-il fonctionner 24/7 ?

Hermes Agent est conçu pour un fonctionnement continu avec reconnexion automatique du gateway. Le système de cron intégré programme des tâches récurrentes. Le déploiement serverless (Daytona, Modal) hiberne l’agent quand il est inactif pour réduire les coûts à quasi zéro.

Est-il adapté au RGPD ?

Hermes Agent s’auto-héberge sur l’infrastructure de l’entreprise. Les données de mémoire et les skills restent sur les serveurs de l’organisation. Le choix du fournisseur d’inférence est libre : les entreprises peuvent utiliser un endpoint local Ollama pour garder les données en UE.

Diag IA gratuitNous contacterParler à Eric