Hermes Agent : installer et utiliser l’agent IA en local

Hermes Agent veut aller beaucoup plus loin qu’un simple chatbot local. Développé par Nous Research, cet agent IA open source peut utiliser un terminal, modifier des fichiers, naviguer sur le Web, contrôler certaines applications, lancer des tâches automatiquement et surtout mémoriser les méthodes qui fonctionnent pour les réutiliser plus tard. Il peut fonctionner avec Claude, GPT, Gemini ou les modèles de Nous Research, mais également avec une IA entièrement locale servie par Ollama ou LM Studio. Voici comment fonctionne Hermes Agent, comment l’installer et ce qu’il faut savoir avant de lui donner accès à son ordinateur.

Dernière mise à jour : 16 août 2026.

Ce qu’il faut retenir

Hermes Agent n’est pas un modèle de langage : c’est un logiciel d’agent IA qui utilise un LLM comme « cerveau ».
Il est développé par Nous Research et distribué en open source sous licence MIT.
La version stable la plus récente au 16 août 2026 est Hermes Agent 0.20.1, publiée le 13 août.
Il fonctionne sur Windows, macOS et Linux, avec également des possibilités via Docker, WSL2 et des serveurs distants.
Il peut utiliser OpenAI, Anthropic, Google, OpenRouter, Nous Portal et de nombreux autres fournisseurs.
Il peut surtout être associé à Ollama, LM Studio, llama.cpp ou un autre serveur OpenAI-compatible pour utiliser un LLM en local.
Hermes possède une mémoire persistante entre les conversations.
Il peut créer et modifier ses propres skills, c’est-à-dire des procédures réutilisables.
Il sait programmer des tâches automatiques avec son système Cron.
Il peut être utilisé depuis Telegram, Discord, Slack, WhatsApp, Signal et de nombreuses autres plateformes.
Il peut contrôler certaines interfaces du bureau avec sa fonction Computer Use.
Ces capacités impliquent également des risques : un agent capable d’exécuter des commandes et d’écrire des fichiers doit être configuré avec précaution.

Si vous découvrez seulement ce domaine, commencez par notre guide complet pour installer une IA en local sur PC et Mac. Hermes Agent intervient un cran plus loin : au lieu de simplement discuter avec le modèle, il lui permet d’agir.

Hermes Agent, c’est quoi exactement ?

Hermes Agent est un projet open source développé par Nous Research, laboratoire notamment connu pour sa famille de modèles Hermes.

Mais il faut immédiatement éviter une confusion : Hermes Agent et les modèles Hermes ne sont pas la même chose.

Un modèle comme Hermes 4 est un LLM : il reçoit des tokens et génère une réponse. Hermes Agent est quant à lui une infrastructure qui place un modèle de langage au centre d’un ensemble d’outils, de mémoire, de fichiers et d’automatisations.

Le modèle réfléchit et décide de l’action à effectuer. Hermes fournit ensuite les « mains » permettant de réaliser cette action.

Nous Research le décrit comme un agent autonome capable de fonctionner aussi bien sur un ordinateur personnel que sur un serveur, une machine virtuelle ou une infrastructure distante.

Un LLM classique	Hermes Agent
Répond à une question	Peut répondre puis effectuer une action
Contexte limité à la conversation	Mémoire persistante possible
Ne manipule pas automatiquement le PC	Terminal, fichiers, navigateur et Computer Use
Pas de tâche programmée native	Automatisations Cron intégrées
Connaissances fixes pendant la session	Peut créer des skills réutilisables
Un fournisseur ou modèle spécifique	Compatible avec de nombreux modèles et fournisseurs

À quoi sert concrètement Hermes Agent ?

L’intérêt apparaît lorsqu’on lui confie une tâche nécessitant plusieurs opérations.

Au lieu de demander simplement :

Explique-moi les erreurs dans mon projet Python.

on peut lui demander quelque chose de plus proche de :

Analyse ce projet, trouve pourquoi les tests échouent, corrige les fichiers concernés et relance les tests.

Hermes peut alors parcourir les fichiers autorisés, utiliser le terminal, analyser les erreurs, modifier le code puis vérifier le résultat.

Ce fonctionnement rapproche Hermes des agents de développement autonomes, mais Nous Research veut couvrir bien plus que le code : recherche, automatisation, administration, messagerie, navigation Web ou tâches personnelles font partie des usages prévus. La documentation officielle revendique plus de 60 outils intégrés ainsi que la prise en charge de MCP.

La grande particularité d’Hermes : il peut apprendre des procédures

Nous Research présente Hermes comme un agent « self-improving », ou capable de s’améliorer avec l’utilisation.

Cette formulation mérite une explication.

Hermes Agent ne réentraîne pas continuellement les milliards de paramètres du LLM installé sur votre PC.

Son système d’apprentissage repose principalement sur la mémoire et les skills.

Les skills servent de mémoire procédurale

Lorsqu’Hermes découvre une méthode complexe qui fonctionne, il peut l’enregistrer sous la forme d’une compétence réutilisable.

Par exemple, imaginons que vous lui appreniez comment déployer votre site :

générer le projet ;
exécuter les tests ;
compresser certains fichiers ;
envoyer les données vers le serveur ;
vider le cache ;
vérifier que la page répond correctement.

Une fois le processus correctement exécuté, Hermes peut créer un skill décrivant la procédure afin de ne pas avoir à la redécouvrir lors de la prochaine demande.

Le logiciel peut également mettre à jour cette compétence lorsque l’utilisateur corrige sa méthode ou lorsqu’il découvre une meilleure solution. Les skills sont stockés localement dans le répertoire ~/.hermes/skills/ et suivent un format ouvert compatible avec le standard agentskills.io.

On peut également lui apprendre volontairement quelque chose

La commande /learn permet de demander à Hermes de transformer une documentation, un dossier local ou une procédure en skill.

Exemple :

/learn comment je viens de déployer mon serveur de staging

ou :

/learn ~/documents/documentation-api/

Hermes peut alors analyser les informations et construire une procédure réutilisable. Pour les très gros corpus, il peut créer une structure avec plusieurs fichiers de référence chargés uniquement lorsqu’ils deviennent nécessaires.

Hermes possède aussi une véritable mémoire persistante

Les skills ne sont qu’une partie du système.

Hermes possède également une mémoire persistante chargée au début des nouvelles sessions.

Par défaut, deux fichiers jouent un rôle central :

Fichier	Contenu
`MEMORY.md`	Informations apprises sur l’environnement, les projets et les habitudes
`USER.md`	Préférences et attentes de l’utilisateur

Nous Research limite volontairement la taille de cette mémoire principale : environ 2 200 caractères pour MEMORY.md et 1 375 caractères pour USER.md dans la configuration actuelle. L’objectif est d’éviter d’injecter une quantité gigantesque d’informations inutiles dans chaque nouvelle conversation.

Hermes peut par exemple retenir qu’un projet utilise PostgreSQL, que les tests sont lancés avec une commande particulière ou que l’utilisateur préfère une certaine structure de fichiers.

C’est un fonctionnement très différent du simple historique de conversation d’un chatbot.

Hermes Agent peut fonctionner entièrement avec une IA locale

C’est probablement l’aspect le plus intéressant pour les lecteurs de TechPi.

Hermes Agent n’oblige pas à utiliser un modèle hébergé dans le cloud.

La documentation de Nous Research prévoit explicitement l’utilisation d’Ollama, LM Studio, llama.cpp ainsi que n’importe quel serveur proposant une API compatible avec le format OpenAI.

On peut donc construire une architecture de ce type :

Vous ↓ Hermes Agent ↓ Ollama ↓ Qwen / Llama / Gemma / autre LLM local ↓ Votre GPU

Hermes s’occupe de l’agent, des outils et de la mémoire. Ollama ou LM Studio s’occupe de faire tourner le modèle.

Si vous n’avez encore jamais installé Ollama, notre guide complet Ollama pour Windows, macOS et Linux détaille toute l’installation.

Hermes Agent avec Ollama : zéro coût d’API

Nous Research propose désormais un guide officiel spécifiquement consacré à cette configuration.

Une fois Ollama installé, commencez par récupérer un modèle doté de bonnes capacités d’appel d’outils.

Par exemple :

ollama pull qwen2.5-coder:32b ollama serve

Ollama ouvre normalement son serveur local sur le port 11434.

Dans Hermes, il suffit ensuite de lancer :

hermes model

puis de choisir le fournisseur Ollama et le modèle installé.

Nous Research précise qu’avec cette configuration, le modèle peut fonctionner sur la machine sans clé API ni abonnement. L’agent conserve ses capacités de terminal, de fichiers et d’automatisation ; les fonctions nécessitant Internet restent évidemment dépendantes d’une connexion lorsqu’elles sont utilisées.

Pour approfondir la partie locale, consultez aussi notre guide Ollama sur Windows.

Hermes Agent fonctionne aussi avec LM Studio

Bonne nouvelle pour les utilisateurs préférant une interface graphique : LM Studio est officiellement pris en charge par Hermes Agent.

Dans LM Studio, il faut d’abord charger un modèle compatible puis démarrer le serveur depuis l’onglet Developer.

Par défaut, LM Studio expose alors une API locale à l’adresse :

http://localhost:1234/v1

Dans Hermes :

hermes model

Choisissez ensuite LM Studio. Hermes peut détecter les modèles exposés par le serveur local.

Notre tutoriel installer LM Studio sur Windows explique comment télécharger un modèle GGUF, gérer la VRAM et démarrer une première conversation locale.

Attention : tous les modèles locaux ne sont pas de bons agents

Faire fonctionner un LLM dans Ollama ne suffit pas nécessairement pour obtenir un bon Hermes.

L’agent doit régulièrement décider quel outil appeler, générer les bons paramètres, interpréter les résultats puis poursuivre son travail.

Un petit modèle peut être excellent pour rédiger un texte mais multiplier les erreurs lorsqu’il doit gérer une longue chaîne d’appels d’outils.

Nous Research recommande donc d’utiliser des modèles disposant d’un véritable entraînement au tool calling. La documentation indique notamment que les modèles Qwen, Llama, Mistral ou Hermes correctement entraînés peuvent être détectés par LM Studio pour cette fonction.

Pour choisir votre modèle, consultez notre comparatif des meilleurs modèles IA à exécuter en local en 2026.

Faut-il une grosse carte graphique ?

Pas pour Hermes Agent lui-même.

Hermes peut fonctionner en utilisant un modèle cloud sur une machine relativement modeste. Nous Research le conçoit même pour pouvoir être installé sur de petits serveurs ou machines virtuelles.

La question du GPU devient importante uniquement lorsque vous choisissez également de faire fonctionner le LLM en local.

Dans ce cas, les besoins dépendent essentiellement du modèle :

un petit modèle quantifié nécessite relativement peu de mémoire ;
un modèle de 20 à 30 milliards de paramètres demande beaucoup plus de RAM ou de VRAM ;
les très grands modèles nécessitent une station de travail ou plusieurs GPU.

Pour dimensionner correctement la machine, consultez notre guide des meilleures cartes graphiques pour un LLM local et notre dossier 16, 32 ou 64 Go de RAM pour l’IA locale.

Hermes peut contrôler le bureau de l’ordinateur

L’une des fonctions les plus impressionnantes est baptisée Computer Use.

Hermes peut analyser l’interface d’une application et effectuer différentes actions : clics, saisie de texte, défilement ou déplacement dans une interface.

Nous Research indique que cette fonction fonctionne sur macOS, Windows et Linux et peut être utilisée avec n’importe quel modèle disposant des capacités d’appel d’outils nécessaires, y compris un modèle local.

Le système utilise un pilote open source appelé cua-driver et s’appuie sur les technologies d’accessibilité propres à chaque système d’exploitation.

L’objectif est intéressant : l’agent peut travailler dans une application pendant que l’utilisateur continue d’utiliser son ordinateur.

Hermes peut aussi naviguer sur le Web

L’agent intègre également différents outils Web.

Selon la configuration choisie, il peut :

effectuer une recherche ;
extraire le contenu d’une page ;
piloter un navigateur ;
analyser une capture d’écran ;
générer des images ;
utiliser des outils MCP externes.

Ces fonctions peuvent utiliser différents fournisseurs. Les abonnés payants de Nous Portal disposent notamment d’un Tool Gateway regroupant recherche Web, génération d’images, synthèse vocale et automatisation du navigateur sans nécessiter une clé API distincte pour chaque service.

Un agent accessible depuis Telegram, WhatsApp ou Discord

Hermes n’est pas limité à la fenêtre de son application.

Nous Research propose un système de gateway permettant de communiquer avec le même agent depuis de nombreuses plateformes.

La documentation actuelle recense notamment :

Telegram ;
Discord ;
Slack ;
WhatsApp ;
Signal ;
Matrix ;
Microsoft Teams ;
Google Chat ;
e-mail ;
SMS ;
Home Assistant.

Plus de vingt plateformes sont aujourd’hui mentionnées dans la documentation du projet.

Il devient ainsi possible d’installer Hermes sur un serveur à la maison puis de lui envoyer une demande depuis Telegram lorsque l’on se trouve à l’extérieur.

Les automatisations Cron transforment Hermes en assistant permanent

Hermes dispose également de son propre planificateur de tâches.

Il peut créer une automatisation simplement à partir d’une instruction en langage naturel.

Par exemple :

Tous les matins, vérifie les journaux du serveur, résume les erreurs inhabituelles et envoie-moi le résultat sur Telegram.

Les tâches Cron peuvent être uniques ou récurrentes, être suspendues, relancées ou modifiées et envoyer leurs résultats vers un fichier local ou une plateforme de messagerie. Elles peuvent également exécuter directement un script sans utiliser de modèle de langage lorsque l’IA n’est pas nécessaire.

C’est une fonction particulièrement intéressante pour éviter de consommer des tokens inutilement sur les tâches purement déterministes.

Hermes Agent peut utiliser plusieurs sous-agents

Pour les projets plus complexes, Hermes peut déléguer différentes parties du travail à des sous-agents isolés.

Une recherche importante peut par exemple être décomposée entre plusieurs agents chargés respectivement de la documentation, du code, de la vérification ou d’une autre partie du problème.

Nous Research présente cette capacité de délégation et de parallélisation comme l’une des fonctions centrales de l’architecture actuelle.

Hermes Agent est-il vraiment open source ?

Oui.

Le code d’Hermes Agent est disponible publiquement sur GitHub et le projet est distribué sous licence MIT. Nous Research fournit également une image Docker officielle et une documentation publique très complète.

Au 16 août 2026, la dernière version stable publiée sur GitHub est Hermes Agent v0.20.1, datée du 13 août 2026. Cette version consolide notamment de nombreux correctifs apportés à l’application Desktop, aux outils, aux plateformes de messagerie et aux différents fournisseurs de modèles.

Comment installer Hermes Agent sur Windows ?

Nous Research recommande désormais l’application Hermes Desktop pour Windows et macOS.

Sous Windows 10 et Windows 11, Hermes peut fonctionner nativement : WSL2 n’est plus obligatoire pour l’installation classique. Le programme d’installation place les composants dans le profil de l’utilisateur et ne nécessite pas nécessairement les droits administrateur.

Il est également possible de l’installer depuis PowerShell :

iex (irm https://hermes-agent.nousresearch.com/install.ps1)

Après installation :

hermes

permet de lancer l’interface en ligne de commande.

Installer Hermes Agent sur Linux ou macOS

Nous Research fournit également un script d’installation officiel :

curl -fsSL https://hermes-agent.nousresearch.com/install.sh | bash

Cette méthode est officiellement prévue pour Linux, macOS, WSL2 et Android via Termux. Les distributions Linux classiques reposant sur glibc et systemd sont celles qui bénéficient du meilleur niveau de compatibilité.

Quel modèle utiliser avec Hermes Agent ?

Il n’existe pas une seule réponse.

Usage	Solution possible
Installation simple	Nous Portal
Accès à beaucoup de modèles	OpenRouter
Agent entièrement local	Ollama + modèle tool calling
Agent local avec interface graphique	LM Studio + Hermes
Serveur GPU local	llama.cpp, vLLM ou SGLang
Modèles propriétaires	API du fournisseur compatible

Hermes sait se connecter à n’importe quel endpoint implémentant l’API /v1/chat/completions compatible OpenAI. Il est donc possible de changer de modèle sans modifier toute l’architecture de l’agent.

Nous Portal : la solution cloud proposée par les créateurs

Nous Research commercialise parallèlement Nous Portal, une passerelle permettant d’accéder à de nombreux modèles et outils avec un seul compte.

Au 16 août 2026, un abonnement gratuit est proposé avec uniquement les modèles gratuits. L’offre Plus est affichée à 20 dollars par mois avec 22 dollars de crédits mensuels, tandis que l’offre Super coûte 100 dollars et inclut 110 dollars de crédits. Les prix et conditions peuvent naturellement évoluer.

Nous propose également Hermes Cloud en préversion. Les petites instances commencent actuellement à 0,29 dollar par jour lorsqu’elles fonctionnent, hors coût d’inférence et d’utilisation des outils.

Ces services sont facultatifs : Hermes Agent lui-même peut être installé gratuitement et utiliser un modèle local.

Hermes Agent est-il vraiment privé en mode local ?

Il faut distinguer le moteur de langage et les outils.

Si Hermes utilise Ollama ou LM Studio avec un modèle téléchargé sur la machine, l’inférence du LLM peut rester locale. Nous Research décrit d’ailleurs Ollama comme adapté aux usages hors ligne et sensibles à la confidentialité.

Mais cela ne signifie pas que toutes les fonctions d’Hermes deviennent hors ligne.

Une recherche Web envoie évidemment une requête sur Internet. Un bot Telegram passe par Telegram. Un service de génération d’images cloud transmet des informations au fournisseur concerné. Un modèle configuré via OpenRouter ou Nous Portal fonctionne également à distance.

Pour une installation véritablement locale, il faut donc examiner séparément chaque provider et chaque outil activé.

Hermes Agent peut-il être dangereux ?

Un agent auquel on donne accès au terminal et au système de fichiers possède nécessairement davantage de pouvoir qu’un simple chatbot.

Une mauvaise décision du modèle pourrait supprimer un fichier, modifier une configuration, exécuter une commande non souhaitée ou effectuer une action dans une application.

Nous Research a donc intégré plusieurs couches de sécurité.

La documentation actuelle en décrit notamment huit :

autorisation des utilisateurs ;
validation des commandes dangereuses ;
restrictions sur l’écriture de fichiers ;
isolation dans des conteneurs ;
filtrage des identifiants MCP ;
détection de prompt injection dans certains fichiers de contexte ;
isolation entre les sessions ;
validation des paramètres transmis aux outils système.

Par défaut, Hermes peut identifier certaines commandes dangereuses et demander une approbation humaine avant de les exécuter.

Notre conseil : ne désactivez pas les confirmations trop vite

Hermes propose plusieurs niveaux d’approbation, y compris un mode permettant de réduire les confirmations.

Pour un premier essai, nous déconseillons de donner immédiatement un accès sans restriction à une machine contenant des données importantes.

Commencez idéalement sur :

un dossier de test ;
un projet Git sauvegardé ;
une machine virtuelle ;
un conteneur ;
ou un ordinateur secondaire.

Une fois le comportement de votre modèle et de vos skills maîtrisé, il devient possible d’élargir progressivement les permissions.

Hermes Agent vs Ollama : ce n’est pas la même chose

Les deux logiciels sont complémentaires.

	Ollama	Hermes Agent
Rôle principal	Faire tourner un LLM	Transformer le LLM en agent
Téléchargement de modèles	Oui	Via les providers
Terminal	Non comme agent autonome	Oui
Mémoire persistante	Pas sous la même forme	Oui
Skills auto-créés	Non	Oui
Tâches planifiées	Non nativement	Oui
Messageries	Non nativement	Oui

En pratique, Ollama peut être le moteur et Hermes l’agent qui l’utilise.

Hermes Agent vs LM Studio

La différence est similaire.

LM Studio est particulièrement pratique pour télécharger, tester et servir des modèles locaux depuis une interface graphique.

Hermes se place au-dessus et transforme ce serveur local en assistant capable d’utiliser des outils et de conserver des procédures.

Une configuration très intéressante pour débuter peut donc être :

LM Studio → modèle local ↓ Hermes Agent ↓ Fichiers + outils + terminal + automatisations

Hermes Agent peut-il remplacer ChatGPT ?

Pas vraiment : les deux répondent à des besoins différents.

Pour poser rapidement une question, rédiger un texte ou analyser un sujet, une interface conversationnelle classique reste souvent plus simple.

Hermes devient beaucoup plus intéressant lorsque le travail nécessite d’agir sur un environnement, d’enchaîner plusieurs étapes ou de répéter régulièrement la même procédure.

Son véritable concurrent conceptuel n’est donc pas seulement le chatbot classique, mais toute la nouvelle génération d’agents capables d’exécuter des tâches.

Les avantages d’Hermes Agent

Open source et licence MIT.
Indépendant d’un seul fournisseur de modèles.
Compatible avec les LLM locaux.
Ollama et LM Studio officiellement pris en charge.
Mémoire persistante.
Création de skills réutilisables.
Automatisation Cron intégrée.
Nombreuses plateformes de messagerie.
Terminal et manipulation de fichiers.
Computer Use sur Windows, macOS et Linux.
MCP et extensions.
Possibilité de le déployer sur son propre serveur.

Les limites et points de vigilance

Plus complexe à configurer qu’un simple chatbot.
L’efficacité dépend fortement du modèle choisi.
Les petits modèles locaux peuvent échouer sur les appels d’outils complexes.
Un agent disposant de nombreux droits peut faire des erreurs plus coûteuses qu’un chatbot.
Les intégrations cloud peuvent générer des coûts.
L’utilisation d’un modèle local n’implique pas automatiquement que tous les outils fonctionnent hors ligne.
Le projet évolue extrêmement rapidement, ce qui peut entraîner des changements de configuration et quelques régressions.

Le rythme de développement est effectivement particulièrement soutenu : la version 0.20.1 du 13 août rassemble à elle seule plusieurs centaines de correctifs et modifications depuis la version 0.20.0 publiée dix jours plus tôt.

À qui recommandons-nous Hermes Agent ?

Aux utilisateurs qui ont déjà testé l’IA locale et veulent passer à l’étape suivante.

Si votre seule ambition est de discuter avec Qwen ou Mistral hors ligne, Ollama ou LM Studio restent plus simples.

Hermes devient réellement intéressant lorsque vous voulez qu’un modèle :

travaille sur vos fichiers ;
automatise des tâches ;
se souvienne de vos procédures ;
utilise plusieurs outils ;
fonctionne comme bot personnel ;
pilote certaines interfaces ;
ou reste actif sur un serveur en permanence.

Hermes Agent pourrait être l’une des pièces manquantes de l’IA locale

Depuis deux ans, l’IA locale a énormément progressé. Télécharger un LLM et discuter avec lui sur un PC est désormais relativement simple grâce à Ollama ou LM Studio.

La prochaine étape consiste à transformer ces modèles en véritables assistants capables de faire autre chose que générer du texte.

C’est précisément là qu’Hermes Agent devient intéressant.

Il ne cherche pas à remplacer Qwen, Mistral, Llama ou les autres modèles : il cherche à leur donner une mémoire, des outils et la capacité de travailler.

La possibilité de connecter Hermes à Ollama ou LM Studio rend en plus ce fonctionnement accessible sans abonnement API. Il faut simplement disposer d’une machine suffisamment puissante pour le modèle choisi et accepter qu’un agent autonome demande davantage de précautions de sécurité qu’un chatbot traditionnel.

Pour ceux qui veulent construire un véritable assistant personnel local en 2026, Hermes Agent est donc clairement un projet à surveiller — et probablement l’un des plus intéressants à expérimenter actuellement.

Nos guides TechPi pour aller plus loin

Sources

Nous Research — site officiel d’Hermes Agent