Deux projets open source lancés à quelques mois d'intervalle, 550 000 étoiles cumulées sur GitHub, et une question commune à résoudre : comment déployer un agent IA utile dans une équipe d'entreprise. Mais leurs réponses respectives n'ont presque rien à voir.
OpenClaw mise sur l'intégration multi-canal, la facilité de déploiement et un assistant toujours accessible depuis les messageries du quotidien. Hermes Agent, de Nous Research, parie sur l'apprentissage autonome et la mémoire long terme. Selon Gartner, moins de 5 % des applications d'entreprise intégraient des agents IA spécialisés en 2025 ; ce chiffre atteindra 40 % en 2026. La question n'est plus de savoir si votre équipe doit s'y mettre, mais laquelle de ces deux philosophies colle à vos contraintes.
OpenClaw : l'assistant qui vit dans vos messageries
OpenClaw se décrit lui-même comme "your own personal AI assistant, any OS, any platform". Le projet compte aujourd'hui 375 702 étoiles sur GitHub (données : 31 mai 2026), ce qui en fait l'un des projets IA les plus étoilés de l'écosystème open source toutes catégories confondues.
L'architecture est simple à expliquer et à opérer : un gateway local tourne en arrière-plan sur votre machine (port 18789, accessible en WebSocket), et OpenClaw fait le pont entre ce gateway et vos canaux de messagerie habituels : WhatsApp, Telegram, Discord, Slack, Signal et iMessage. L'assistant répond dans la conversation, exécute des commandes sur votre système local, lit et écrit des fichiers, navigue sur le web. Tout ça sans que vos données ne quittent votre infrastructure si vous utilisez un modèle local ou une clé API personnelle.
Ce qui distingue OpenClaw des autres chatbots IA, c'est cette capacité à opérer là où travaille déjà votre équipe. Pas d'interface web supplémentaire à adopter, pas de changement d'outil. L'agent s'installe dans les workflows existants par la messagerie. Pour les équipes qui communiquent via Telegram ou Slack toute la journée, c'est un gain d'adoption immédiat.
Les skills communautaires via ClawHub étendent les capacités par des modules réutilisables. Noxcod a rédigé une analyse complète sur l'utilisation d'OpenClaw en contexte entreprise, notamment sur les points de vigilance liés à la sécurité des skills tiers.
Hermes Agent : l'agent qui apprend et se souvient
Hermes Agent est né le 22 juillet 2025. Publié par Nous Research (50 millions de dollars levés auprès de Paradigm en avril 2025), il a rapidement atteint 173 821 étoiles sur GitHub grâce à une fonctionnalité que peu d'agents open source proposaient alors : l'auto-amélioration des procédures.
Sa description officielle : "The agent that grows with you." Quand Hermes exécute une tâche complexe impliquant plus de cinq appels d'outils, il génère automatiquement un "skill file" réutilisable qui capture la procédure. La prochaine fois qu'une tâche similaire se présente, il puise dans cette bibliothèque plutôt que de repartir de zéro. C'est un comportement que les équipes constatent dans la durée, pas dès le premier usage.
La mémoire fonctionne sur plusieurs couches : mémoire de session classique, mais surtout indexation full-text des conversations passées avec FTS5. L'agent peut retrouver un contexte d'il y a trois semaines et l'utiliser pour une décision actuelle. C'est qualitativement différent des assistants qui oublient tout à chaque nouvelle session.
Autre différence structurelle : Hermes Agent n'est pas lié à un seul fournisseur LLM. Il supporte tout endpoint OpenAI-compatible, ce qui couvre OpenRouter (200+ modèles), Ollama en local, Anthropic, OpenAI, NVIDIA NIM. La stack sous-jacente peut changer sans modifier les workflows configurés.
Pour les équipes qui ont besoin de connecter un agent à des outils métier existants, notre guide sur la connexion d'outils métier à un agent IA donne un cadre pratique applicable aussi bien avec OpenClaw qu'avec Hermes.
Ce que l'architecture révèle sur chaque projet
OpenClaw a fait le pari du gateway local unique : simple à opérer, prévisible, pas de dépendance au cloud. La contrepartie est que l'agent tourne sur une machine spécifique, avec les contraintes qui s'ensuivent si la machine s'éteint ou si l'équipe est distribuée géographiquement.
Hermes Agent propose sept backends d'exécution différents : local, Docker, SSH distant, Daytona, Singularity, Modal et Vercel Sandbox. Cela permet d'exécuter l'agent en serverless avec hibernation automatique, sur un VPS partagé, ou dans un environnement isolé pour des tâches sensibles. Pour une équipe avec des exigences RGPD strictes sur les données traitées, l'isolation par container est une option que OpenClaw n'offre pas nativement.
Sur la question du modèle IA utilisé, les deux projets divergent aussi. OpenClaw fonctionne principalement avec Claude d'Anthropic, le modèle recommandé dans la documentation officielle. Hermes est model-agnostic par conception : le même workflow peut tourner sur un modèle local Ollama un jour, puis sur un modèle propriétaire le lendemain, sans friction.
Sur les canaux de messagerie : OpenClaw supporte six plateformes grand public. Hermes Agent en supporte vingt, incluant des intégrations moins courantes comme Home Assistant, Feishu, ou les SMS directs. Pour une entreprise avec des équipes sur plusieurs zones géographiques, cette granularité peut faire la différence.
Quel profil pour quelle équipe
OpenClaw convient mieux aux équipes qui veulent un résultat rapide sans expertise technique approfondie. L'installation se fait via npm, le gateway s'installe en quelques commandes, et l'agent est opérationnel dans la journée. Pour une PME qui utilise Telegram ou Slack comme colonne vertébrale de communication et qui cherche un assistant capable d'automatiser des tâches répétitives, OpenClaw répond directement au besoin.
Hermes Agent demande un profil plus technique. L'installation s'appuie sur Python, la configuration des backends nécessite de comprendre les environnements d'exécution, et la gestion des skill files suppose une discipline d'équipe pour éviter la prolifération de procédures mal nommées. En revanche, pour des équipes MLOps ou data engineering avec des exigences de data sovereignty ou des workflows complexes à automatiser sur le long terme, l'investissement initial est justifié par la profondeur des capacités.
Si vous en êtes encore à poser les bases de votre infrastructure IA, notre équipe spécialisée en développement d'agents IA peut vous aider à choisir le bon point d'entrée selon votre contexte.
Les signaux à surveiller en 2026
OpenClaw évolue rapidement côté écosystème de skills. La croissance communautaire autour de ClawHub déterminera si le projet reste une solution généraliste ou se spécialise sur des verticales métier. La roadmap signale un travail sur la mémoire multi-agents, ce qui rapprocherait OpenClaw des capacités actuelles d'Hermes.
Hermes Agent a progressé de 61 000 à 174 000 étoiles en six semaines lors de son lancement : un rythme d'adoption exceptionnel. La question reste la maturité opérationnelle. Avec quelques mois d'existence, des instabilités en production sont à anticiper. Les équipes qui ont besoin de fiabilité garantie auront plus de mal à s'appuyer sur une version v0.10.x que sur un projet mature comme OpenClaw.
Dans les deux cas, on est loin des agents IA d'entreprise propriétaires facturés par siège. Tous deux sont sous licence MIT, les coûts se limitent aux tokens LLM consommés. C'est aussi ce qui explique leur adoption rapide : pour des équipes qui cherchent à déployer un assistant IA sur leurs canaux internes comme Telegram, la barrière d'entrée est réellement faible.
FAQ
Ces deux projets sont-ils vraiment gratuits ?
Oui, tous deux sont sous licence MIT. Les coûts réels viennent des tokens LLM consommés : si vous utilisez Claude ou GPT-4 via API, chaque appel est facturé par le fournisseur. Avec un modèle local via Ollama, la facture LLM tombe à zéro. OpenClaw préconise Claude, Hermes Agent fonctionne avec n'importe quel endpoint OpenAI-compatible.
Peut-on faire tourner Hermes Agent sans compétences en développement ?
Difficilement. L'installation requiert Python et une familiarité avec les environnements terminal. OpenClaw est plus accessible : une commande npm, un assistant dans votre messagerie. Si votre équipe n'a pas de profil technique interne, OpenClaw sera opérationnel bien plus vite.
OpenClaw et Hermes peuvent-ils coexister dans la même organisation ?
Ils ne sont pas conçus pour fonctionner ensemble, mais ils ne sont pas mutuellement exclusifs. Certaines équipes déploient OpenClaw pour les usages quotidiens de messagerie, et expérimentent Hermes Agent sur des workflows spécifiques nécessitant de la mémoire long terme ou un modèle agnostique. Ce sont deux couches différentes, pas deux concurrents directs.
