Temps de lecture : 4 min
Points clés à retenir
- Mémoire persistante : Hermes conserve le contexte entre les sessions et génère des compétences réutilisables.
- Coûts maîtrisés : licence MIT gratuite, mais prévoir l’hébergement et la consommation de modèles.
- Adoption massive : 229 000 étoiles GitHub et une valorisation de 1,5 milliard pour Nous Research en août 2026.
Un agent qui apprend et mémorise : la vraie rupture
Lancé en février 2026 par le laboratoire américain Nous Research, Hernes se positionne d’emblée comme une alternative crédible à OpenClaw. Sa particularité ? Une mémoire persistante qui traverse les sessions. Là où la plupart des frameworks repartent de zéro à chaque exécution, l’agent conserve le contexte et s’appuie sur un index de recherche plein texte, enrichi de résumés produits par un modèle de langage.
Nous Research parle d’une « boucle d’apprentissage fermée ». Concrètement, quand une tâche est accomplie, Hermes en tire un document de compétence réutilisable, qu’il affine au fil des usages. Résultat : plus l’agent travaille, plus il devient efficace. Une promesse séduisante sur le papier, mais qui mérite d’être vérifiée sur la durée.
Fonctionnement et écosystème : ce qui compte vraiment
Hermes est un agent autonome qui fonctionne en continu, sans supervision permanente. Il s’installe sur une machine ou un serveur, et s’exécute dans des environnements sécurisés. Côté outils, le projet embarque une soixantaine de fonctions natatives : recherche web, navigation, génération d’images, synthèse vocale, exécution de code.
L’agent se pilote via une vingtaine de messageries, réunies derrière une passerelle unique : Telegram, Discord, Slack, WhatsApp, Signal ou encore Microsoft Teams. Il gère les tâches planifiées, délègue à des sous-agents isolés et se connecte à des serveurs MCP. Côté modèles, le projet reste agnostique : portail Nous Research, OpenRouter, OpenAI ou tout point d’accès compatible.
Combien coûte réellement Hermes ?
Sans langue de bois : le code est gratuit, sous licence MIT. Mais ce qui compte vraiment, c’est le coût total de possession. Deux voies de déploiement coexistent :
- Auto-hébergement : sur un poste de travail ou un VPS, avec la consommation de modèles à financer séparément.
- Version hébergée : facturée entre 20 et 200 dollars par mois selon les paliers.
En pratique, l’économie dépend de l’usage. Pour une veille quotidienne ou un rapport hebdomadaire automatisé, l’investissement peut être rentabilisé rapidement. Mais il faut ajouter le coût des modèles, qui n’est plus couvert par les abonnements grand public. Anthropic, par exemple, a exclu les frameworks tiers de ses forfaits Claude. Une contrainte à intégrer dès le départ.
OpenClaw a ouvert la voie, Hermes capitalise
Hermes est arrivé quelques semaines après la viralité d’OpenClaw, le framework du développeur autrichien Peter Steinberger. Ce dernier a démocratisé l’idée qu’un agent pouvait agir et pas seulement répondre. Andreessen Horowitz l’a d’ailleurs noté dans son classement des outils IA les plus utilisés. Depuis, les géants s’y mettent : Nvidia a lancé NemoClaw pour sécuriser ce type d’agents. Les vulnérabilités, notamment les injections de prompt, restent le principal frein à un déploiement en entreprise.
Sur le terrain, l’adoption ne fait pas débat. En août 2026, le dépôt GitHub d’Hermes dépassait les 229 000 étoiles et près de 45 000 forks. Nous Research finalisait dans le même temps un tour de table sur une valorisation de 1,5 milliard de dollars. De quoi confirmer l’intérêt du marché pour les agents personnels.
Pour les dirigeants B2B, la question n’est pas de savoir si ces outils sont prometteurs, mais de définir un périmètre d’action clair et d’en mesurer le retour sur investissement. La promesse d’un agent qui s’améliore seul devra se vérifier à l’usage et sur la durée. En attendant, Hermes s’impose comme une option sérieuse, à condition d’en maîtriser les coûts et les risques de sécurité.
