La plupart des agents IA open source ont un problème fondamental : ils sont statiques. Vous les configurez, vous les utilisez, ils font ce qu'on leur demande — et c'est tout. Ils ne s'améliorent pas, ils n'apprennent pas de vos habitudes, ils ne retiennent rien d'une session à l'autre. Hermes Agent, publié par NousResearch sur GitHub en février 2026, attaque directement ce problème. C'est un agent IA open source avec une boucle d'apprentissage intégrée — il crée des skills depuis son expérience, les améliore en cours d'utilisation, construit un modèle de qui vous êtes au fil des sessions. 48 000 étoiles en quelques semaines. L'écosystème a rarement vu ça aussi vite.
Hermes Agent : un agent qui grandit avec vous
Le slogan de Hermes Agent sur GitHub est "The agent that grows with you" — et ce n'est pas du marketing. La différence architecturale centrale avec OpenClaw, AutoGPT ou les autres agents populaires est la boucle d'apprentissage autonome. Hermes ne se contente pas d'exécuter des tâches : il observe ses propres performances, identifie ce qui ne fonctionne pas, et génère des améliorations ciblées sur ses skills et ses prompts. Le module hermes-agent-self-evolution, présenté comme un oral à l'ICLR 2026, utilise GEPA — un optimiseur qui analyse les traces d'exécution pour comprendre pourquoi une action a échoué, puis propose des variantes améliorées. La différence avec un simple retry : GEPA comprend le contexte de l'échec, pas seulement le fait qu'il s'est produit.
La mémoire persistante est un autre pilier de Hermes Agent. L'agent recherche dans ses conversations passées, conserve un profil évolutif de l'utilisateur entre les sessions, et utilise ce contexte accumulé pour devenir progressivement plus pertinent dans ses réponses et décisions. Ce n'est pas un RAG classique sur des documents externes — c'est une mémoire de l'agent sur ses propres interactions. Une distinction importante pour quiconque a déjà été frustré de devoir ré-expliquer son contexte à chaque nouvelle session.
Installation, compatibilité et infrastructure
Hermes Agent s'installe en une seule commande curl sur Linux, macOS et WSL2, sans prérequis : le script gère automatiquement uv, Python 3.11, le clonage du repo et la configuration initiale. Aucun sudo requis. Le wizard interactif guide ensuite la connexion aux providers LLM et aux canaux de messagerie. L'agent peut tourner sur un VPS à 5 dollars par mois, un cluster GPU, ou une infrastructure serverless qui ne coûte presque rien en idle. Il n'est pas lié à votre machine locale — vous pouvez lui parler depuis Telegram pendant qu'il travaille sur une VM cloud distante.
Providers LLM compatibles
- Nous Portal (OAuth natif)
- OpenRouter — 200+ modèles disponibles
- Xiaomi MiMo
- Z.ai / GLM
- Kimi / Moonshot
- MiniMax
- Hugging Face (endpoint custom)
- OpenAI
- Tout endpoint compatible OpenAI
Canaux de messagerie supportés
- Telegram
- Discord
- Slack
- Signal
- Feishu / Lark
- WeCom
- CLI (mode terminal)
Le système de skills : la vraie puissance d'Hermes Agent
Le système de skills d'Hermes Agent est ce qui distingue le projet de la concurrence sur le long terme. Un skill est un module d'instruction spécialisé que l'agent peut installer, utiliser et améliorer. Hermes peut installer des skills directement depuis des dépôts GitHub, depuis un marketplace communautaire, ou depuis le catalogue LobeHub converti automatiquement en skills Hermes. Les skills s'invoquent via slash-commands dans l'interface CLI ou les canaux de messagerie — chaque skill encapsule un workflow complet avec son propre comportement.
- `/github-pr-workflow` — crée et gère des pull requests complètes
- `/plan` — génère un plan d'implémentation détaillé avant d'agir
- `/axolotl` — fine-tuning de modèles Llama assisté
- `/gif-search` — recherche et insertion de GIFs en contexte
L'écosystème communautaire autour d'Hermes Agent se structure rapidement. Voici les outils les plus notables déjà disponibles :
- hermes-workspace — GUI complète avec chat, terminal, mémoire et gestionnaire de skills (Nous Hackathon 2026)
- mission-control — dashboard d'orchestration multi-agents, dispatch de tâches, tracking des coûts (3 700 ⭐)
- lintlang — linter de configs d'agents avec scoring HERM v1.1
- nix-hermes-agent — module Nix pour déploiements reproductibles
- wondelai/skills — librairie de skills cross-platform (380+ ⭐, activement maintenue)
Multi-instance, MCP et migration depuis OpenClaw
La version 0.6.0 d'Hermes Agent, publiée fin mars 2026, a introduit le support multi-instance via les profils. Chaque profil dispose de sa propre configuration, mémoire, sessions, skills et service gateway — ce qui permet de faire tourner plusieurs instances isolées depuis une même installation. Le mode serveur MCP est aussi disponible : `hermes mcp serve` expose les sessions Hermes aux clients MCP compatibles comme Claude Desktop, Cursor ou VS Code. Hermes devient ainsi un provider de contexte pour d'autres agents et outils, pas seulement un consommateur.
Pour les utilisateurs d'OpenClaw — qui a explosé en janvier 2026 avant que son créateur rejoigne OpenAI — Hermes Agent propose une migration automatique. Le wizard de setup détecte le dossier `~/.openclaw` et offre d'importer paramètres, mémoires, skills et clés API. Une commande `hermes claw migrate` gère le tout avec un mode dry-run pour prévisualiser avant de confirmer. C'est un signal clair sur le positionnement : Hermes veut récupérer la base utilisateur OpenClaw et s'établir comme la référence durable de l'agent IA open source auto-hébergé.
Au-delà de l'usage : un outil pour la recherche en RL
Hermes Agent n'est pas qu'un outil de productivité. NousResearch l'a conçu comme une plateforme de génération de données d'entraînement et d'expérimentation en reinforcement learning. Le projet génère des milliers de trajectoires tool-calling en parallèle avec checkpointing automatique, s'intègre avec Atropos — le framework RL de NousResearch pour évaluer les trajectoires LLM — et permet l'export en datasets de fine-tuning. Pour les chercheurs et les équipes qui veulent entraîner leurs propres modèles sur des comportements agentiques réels, c'est une source de données de haute valeur qui se génère comme effet de bord de l'usage quotidien.
NousResearch est connu dans la communauté open source pour ses fine-tunes de haute qualité sur des modèles de base comme Llama et Mistral. Hermes Agent porte ce même ADN : MIT license, aucune télémétrie, aucun tracking, toutes les données restent sur votre machine. Dans un marché où les agents IA propriétaires collectent tout ce qu'ils peuvent, c'est une proposition de valeur simple et difficile à contester. Le projet est disponible sur GitHub et s'installe en moins de deux minutes.