Hermes Agent vs OpenClaw : comparison impartiale de deux agents IA open-source

Les agents IA personnels ont explosé en 2026. Parmi la foule de projets, deux noms reviennent sans cesse dans les discussions techniques : Hermes Agent (Nous Research) et OpenClaw (Peter Steinberger & communauté). Tous deux sont open-source, tous deux tournent sur votre machine, tous deux visent à devenir « l’assistant qui vit avec vous ». Mais au-delà du marketing, comment se comparent-ils réellement ? Cet article prend le parti de l’impartialité : on regarde les faits, les capacités, et les compromis — sans tirer de conclusion tranchée à votre place.

Deux philosophies, deux origines

Hermes Agent est né en février 2026 dans les labs de Nous Research, un acteur historique de la recherche open-source en IA (à l’origine des modèles Hermes). Sa promesse : un agent « qui grandit avec vous », avec une mémoire persistante et la capacité d’écrire ses propres « skills ». Licence MIT, zéro télémétrie.

OpenClaw, lui, est parti d’un « projet de week-end » de Peter Steinberger et est devenu en moins de cinq mois le dépôt le plus étoilé de GitHub (346k+ stars selon la comm’). Son angle : un assistant qui « vous rejoint dans les canaux que vous utilisez déjà » (Discord, Telegram, Slack…), avec une forte culture communautaire et un rythme de release frénétique.

À noter : les deux projets se citent mutuellement favorablement. Garry Tan (YC) a même twitté que ses OpenClaw et Hermes Agent « discutaient ensemble ». On est dans une scène qui se nourrit d’elle-même, pas dans une guerre de tranchées.

Mémoire et contexte

Les deux misent sur une mémoire qui persiste sur la machine de l’utilisateur. Hermes stocke tout dans ~/.hermes/ et améliore ses réponses session après session. OpenClaw revendique une « persona onboarding » et un contexte qui « persiste 24/7 ». Sur le papier, égalité. Dans la pratique, les utilisateurs rapportent que la mémoire d’OpenClaw est particulièrement « collante » (parfois trop), tandis que Hermes segmente mieux mémoire / skills / environnement.

Système de skills

C’est le point différenciant le plus net. Hermes écrit automatiquement un skill réutilisable à chaque problème difficile résolu, au format SKILL.md portable (standard agentskills.io). OpenClaw repose davantage sur une galaxie de « plugins » et d’extensions communautaires. Les deux approches sont valides : Hermes privilégie la capitalisation automatique, OpenClaw l’extensibilité par la communauté.

Multi-plateforme

Hermes supporte officiellement Telegram, Discord, Slack, WhatsApp, Signal et le CLI via un seul gateway. OpenClaw couvre Discord, Telegram, Slack, et a ajouté iOS/Android et une intégration Windows native (Microsoft Execution Containers) en 2026. OpenClaw a une longueur d’avance sur le mobile natif ; Hermes reste plus « serveur / desktop ».

Exécution et environnements

Hermes brille ici : terminal local, Docker durci, SSH distant, et backends cloud (Modal/Singularity) pour l’exécution parallèle et l’RL. OpenClaw excelle dans l’orchestration d’agents autonomes (« background tasks », « heartbeats ») mais son exécution sandboxée dépend davantage de l’intégration hôte (conteneurs Windows, etc.).

Écosystème et élan communautaire

OpenClaw a une dynamique de popularité éclair : des milliers de contributeurs, des partenariats (OpenAI, Microsoft, NVIDIA listés comme sponsors), et une présence médiatique forte (TechCrunch, Fast Company). Hermes, plus discret, s’appuie sur la crédibilité de Nous Research et une base d’utilisateurs « power users » MLOps. On ne peut pas déclarer un vainqueur : l’un gagne en volume communautaire, l’autre en profondeur technique.

Confidentialité et sécurité

Les deux projets affichent « zéro télémétrie, zéro cloud lock-in ». Détails :

Hermes : conteneurs durcis (root read-only, capacités dropped, limites PID), MIT, audit total possible. Les données restent dans ~/.hermes/.
OpenClaw : exécution containérisée (Microsoft Execution Containers sur Windows empêchent p. ex. la suppression de fichiers du Desktop), et la possibilité de router les appels via son propre endpoint (un utilisateur a monté un proxy vers son abonnement Copilot).

Pour l’utilisateur soucieux de vie privée, les deux sont solides. Le détail qui compte : chez Hermes, le modèle peut tourner 100% on-premise (vLLM local) ; chez OpenClaw, le routage vers un endpoint personnel est possible mais l’UX pousse vers les gros fournisseurs.

Facilité d’installation

Tous deux en une ligne :

# Hermes Agent
curl -fsSL https://raw.githubusercontent.com/NousResearch/hermes-agent/main/scripts/install.sh | bash

# OpenClaw
curl -fsSL https://openclaw.ai/install.sh | bash

Hermes supporte Linux/macOS/WSL2 (Windows expérimental). OpenClaw couvre macOS, Linux, Windows (nativement) et mobile. Sur ce point, OpenClaw est plus universel « out of the box ».

Qui choisir ? (sans prendre ta décision à ta place)

Critère	Hermes Agent	OpenClaw
Licence	MIT	Open-source
Mémoire persistante	Oui (~/.hermes/)	Oui (on-device)
Auto-création de skills	Oui (SKILL.md)	Plugins communautaires
Plateformes	5 chats + CLI	Chats + iOS/Android + Windows natif
Exécution sandboxée	Docker/SSH/Modal	Conteneurs hôte
Modèle 100% local	Oui (vLLM)	Possible (endpoint perso)
Élan communautaire	Soutenu (Nous Research)	Massif (346k+ stars)
Cible idéale	Power users, MLOps, self-host	Grand public, mobile, autonomie

Les limites à connaître

Hermes : courbe d’apprentissage plus raide pour le grand public ; mobile moins intégré.
OpenClaw : rythme de release très rapide = parfois des ruptures de compatibilité (les utilisateurs conseillent de « revenir après deux semaines » quand une MAJ coince) ; mémoire parfois trop invasive.

Conclusion

Retours terrains : ce que disent vraiment les utilisateurs

Au-delà des sites officiels, le terrain raconte une histoire plus nuancée. Chez OpenClaw, les témoignages sont nombreux sur le côté « magnique du quotidien » : quelqu’un qui envoie une photo de serpent à son agent et reçoit l’identification + un numéro local ; un autre qui donne un vrai numéro de téléphone via Twilio et appelle son assistant. L’agent y est perçu comme « proactif AF » — cron jobs, rappels, tâches en arrière-plan. C’est l’ADN d’OpenClaw : l’assistant qui s’immisce dans la vie réelle.

Côté Hermes, les retours insistent sur la fiabilité des automatisations longues. Les utilisateurs MLOps décrivent des pipelines de génération de données d’entraînement, de l’export de trajectoires au format ShareGPT, et une exécution parallèle qui « coûte zéro contexte » grâce aux sous-agents. Hermes est perçu comme un outil de production, pas seulement un compagnon de chat.

Les deux ont leurs détracteurs. OpenClaw est parfois critiqué pour la stabilité de ses mises à jour (un utilisateur conseille d’attendre « deux semaines » après une grosse release). Hermes est parfois jugé trop « technique » pour un usage familial immédiat. Aucun n’est parfait — et c’est normal pour des projets à ce rythme.

Modèles supportés : liberté vs simplicité

Un critère souvent sous-estimé : quel modèle de langage peut-on brancher ?

Hermes : Nous Portal (OAuth), OpenRouter (200+ modèles), endpoint OpenAI-compatible custom, et vLLM 100% local. C’est le plus ouvert : vous pouvez faire tourner un modèle entièrement sur votre fer, sans aucun appel externe.
OpenClaw : supporte les abonnements grand public (un utilisateur a routé son abonnement Copilot comme endpoint API), GPT-Realtime pour la voix, et le routage vers des endpoints personnalisés. L’ouverture y est réelle, mais l’expérience pousse vers les fournisseurs commerciaux.

Pour qui veut une souveraineté numérique totale, Hermes a une longueur d’avance sur le 100% local. Pour qui veut « ça marche tout de suite » avec son abo existant, OpenClaw est plus doux.

Cas d’usage typiques

Avec Hermes, on pense à : sauvegardes serveur automatisées (cron + SSH), génération de jeux de données RL, assistant de recherche persistant, gateway multi-équipe. C’est l’agent « qu’on installe sur un VPS et qui tourne ».

Avec OpenClaw, on pense à : briefings matinaux, gestion de calendrier, réponses mail/Discord, contrôle vocal en marchant le chien (un cas réel : inspecter des builds Railway, corriger, redéployer, ouvrir une PR par la voix). C’est l’agent « qui vit dans ton téléphone ».

Historique et trajectoire : deux montées en puissance différentes

Le contexte de naissance explique beaucoup. Hermes Agent est un prolongement logique de la lignée de modèles Hermes de Nous Research — une équipe qui fait de la recherche ouverte depuis des années. L’agent est né « adulte » techniquement : mémoire, skills, exécution parallèle étaient là dès la v1. Sa trajectoire est celle d’un outil qui se perfectionne en profondeur.

OpenClaw a une trajectoire de météore. Parti d’un week-end, il est devenu le repo le plus étoilé de GitHub en moins de cinq mois (346k+ stars). Cette vélocité a un coût (ruptures de compatibilité parfois), mais elle a créé un écosystème : sponsors (OpenAI, NVIDIA, Vercel), presse (TechCrunch, Fast Company), et jusqu’à une inspiration déclarée pour l’assistant « Scout » de Microsoft. OpenClaw a popularisé la catégorie « agent personnel » auprès du grand public.

En résumé : Hermes = profondeur venue de la recherche ; OpenClaw = volume venu de la communauté. Deux réussites, deux chemins.

Critères de choix par profil

Pour vous aider à trancher selon votre situation :

Développeur / DevOps / MLOps : Hermes (exécution isolée, sous-agents, génération de données RL, 100% local possible).
Utilisateur mobile / grand public : OpenClaw (iOS/Android, onboarding, contrôle vocal).
Paramètre vie privée maximal : Hermes + vLLM local (zéro appel externe).
Veut « que ça marche avec mon abo » : OpenClaw (routage vers ChatGPT/Copilot).
Équipe / multi-plateforme : égalité, les deux couvrent Telegram/Discord/Slack ; Hermes ajoute Signal et WhatsApp nativement.

Architecture : comment ils fonctionnent sous le capot

Comprendre l’architecture aide à choisir. Hermes Agent est conçu comme une plateforme modulaire : un cœur agent (mémoire + skills + planification), un gateway multi-plateforme (un seul process qui branche Telegram/Discord/Slack/WhatsApp/Signal/CLI), et des environnements d’exécution isolés (Docker durci, SSH, Modal). La force : la séparation nette entre « l’agent qui pense » et « l’endroit où il exécute ». On peut faire tourner 50 sous-agents en parallèle sans mélanger les contextes.

OpenClaw adopte une approche « harness » : un orchestrateur qui transforme des LLM en agents autonomes, avec des companion apps (macOS, Windows, mobile) et un gateway. Sa particularité est l’onboarding persona : l’agent construit petit à petit une personnalité à partir de vos échanges. C’est moins une plateforme MLOps que « un OS personnel ». Les deux approches sont défendables ; elles reflètent deux cultures (recherche vs produit grand public).

Sécurité approfondie : sandbox et permissions

Un agent qui exécute du code et touche à vos fichiers doit être contenu. Récapitulons :

Hermes : conteneurs Docker avec root read-only, capacités Linux « droppées », limites de PID, et un dossier mémoire strictement local. L’audit du code est possible (MIT). Le modèle d’exécution privilégie l’isolation par défaut.
OpenClaw : sur Windows, les Microsoft Execution Containers empêchent concrètement des catastrophes (un cas documenté : le sandbox a bloqué la suppression de tous les fichiers du Desktop). Sur macOS/Linux, l’isolation dépend de la configuration de l’utilisateur. L’approbation d’actions à distance (mobile) ajoute une sécurité humaine.

Verdict sécu : Hermes part « durci » ; OpenClaw dépend davantage de l’intégration hôte mais offre des garde-fous pragmatiques (approbation, conteneurs Windows). Aucun n’est « moins sûr » — ils sécurisent différemment.

Coûts et modèles économiques

Les deux sont gratuits (open-source). Mais le coût réel, c’est le LLM derrière.

Hermes : vous payez le fournisseur de votre choix (Nous Portal, OpenRouter) ou zéro si vous auto-hébergez un modèle local (vLLM sur votre GPU). Contrôle total du budget.
OpenClaw : utilisable avec un abonnement existant (ChatGPT, Copilot) ou un endpoint perso. Certains utilisateurs fanbricquent des proxies pour « recycler » un abo dans l’agent. Pratique, mais le coût est lié au fournisseur commercial.

Si votre priorité est « coût prévisible et zéro dépendance », Hermes + modèle local gagne. Si « je réutilise mon abo », OpenClaw est plus simple.

Guide de démarrage rapide

Pour tester sans engagement :

Hermes : curl -fsSL https://raw.githubusercontent.com/NousResearch/hermes-agent/main/scripts/install.sh | bash puis hermes setup et hermes. Pour le multi-chat : hermes gateway setup.
OpenClaw : curl -fsSL https://openclaw.ai/install.sh | bash puis openclaw onboard. Mobile : installer l’app companion.

Conseil : commencez par l’un, puis installez l’autre dans un dossier séparé pour comparer « en vrai ». Vous verrez vite lequel colle à votre façon de travailler.

FAQ

OpenClaw est-il vraiment open-source ? Oui, le dépôt GitHub est public et la communauté contribue massivement. La licence précise est à vérifier sur le repo (souvent MIT ou équivalent permissif).

Hermes peut-il tourner sans aucun cloud ? Oui, via vLLM local et un endpoint OpenAI-compatible pointé sur votre machine. C’est son cas d’usage phare « souverain ».

Lequel est le mieux pour un débutant ? OpenClaw, grâce au mobile natif et à l’onboarding. Hermes demande un peu plus d’aise avec le terminal.

Peuvent-ils cohabiter ? Oui, et des utilisateurs font déjà dialoguer les deux agents. Rien ne vous empêche d’avoir Hermes sur votre VPS et OpenClaw sur votre téléphone.

Roadmap et risques à moyen terme

Aucun des deux projets n’est figé, et quelques risques méritent d’être signalés honnêtement :

Bifurcation des modèles : si les fournisseurs de LLM durcissent l’accès (quotas, prix), les agents qui dépendent d’eux devront s’adapter. Hermes, avec son 100% local, est le moins exposé.
Fatigue des mises à jour : OpenClaw, à son rythme de release, peut casser l’UX existante. Hermes, plus mesuré, risque moins ça mais avance plus lentement.
Sécurité des agents autonomes : plus un agent agit seul (cron, background, PR automatiques), plus la surface d’attaque grandit. Les deux projets documentent des garde-fous, mais l’utilisateur reste responsable de ce qu’il autorise.
Concentration écosystème : OpenClaw, soutenu par de grands noms (OpenAI, Microsoft), pourrait voir son indépendance open-source questionnée à terme. Hermes, porté par Nous Research (structure de recherche), a une trajectoire plus « institutionnelle ».

Pour aller plus loin : un exemple concret d’automatisation

Pour rendre le comparatif tangible, voici ce qu’une automatisation typique ressemble chez chacun. Imaginons « tous les jours à 7h, résume mes news et poste un résumé ».

Côté Hermes, on définit un cron dans le gateway : le job lance un agent qui fait web_search, extrait les articles, résume, et livre le rapport sur Telegram. L’isolation Docker garantit que rien ne touche au reste du système. Le skill « résumé quotidien » est auto-créé après la première exécution, donc la deuxième fois est plus rapide.

Côté OpenClaw, on crée un « heartbeat » ou une tâche cron qui interroge vos flux, puis poste dans votre canal Discord/Telegram. L’agent peut même, si vous l’autorisez, ouvrir une PR ou envoyer un mail. La différence : OpenClaw pousse plus loin l’autonomie (il « agit », pas seulement « résume »).

Les deux aboutissent au même résultat visible, mais la philosophie diffère : Hermes capitalise en skills réutilisables ; OpenClaw capitalise en actions autonomes. À vous de voir quel style vous rassure.

Glossaire rapide

Agent IA : système qui planifie et exécute des tâches de façon autonome via un LLM.
Mémoire persistante : capacité à se souvenir de vous entre les sessions.
Skill : document réutilisable décrivant comment résoudre un problème (format SKILL.md chez Hermes).
Gateway : processus qui relie l’agent à plusieurs messageries.
vLLM : moteur d’inférence permettant de faire tourner un modèle 100% local.
Sandbox : environnement isolé limitant les dégâts d’une exécution.

Note méthodologique

Ce comparatif est une synthèse éditoriale à l’été 2026, basée sur la documentation officielle (hermes-agent.org, openclaw.ai), les dépôts GitHub, et des retours utilisateurs publics (souvent via X/Twitter et Reddit). Les scores du graphique de capacités sont une lecture relative, pas un benchmark instrumenté — ils visent à illustrer des tendances, pas à départager scientifiquement. Les chiffres de popularité (stars GitHub, etc.) sont ceux cités par les projets eux-mêmes et peuvent évoluer. Comme toujours : testez par vous-même dans votre propre contexte avant de trancher.

Verdict éditorial

Il n’y a pas de « meilleur » agent absolu. Hermes Agent est le choix des utilisateurs exigeants qui veulent une plateforme profonde, auto-documentée et orientée MLOps. OpenClaw est le choix de ceux qui veulent un assistant omniprésent, mobile, et porté par une communauté gigantesque. Les deux sont open-source, respectueux de la vie privée, et… ils se parlent déjà entre eux. Le vrai gagnant, c’est l’utilisateur qui peut jongler entre les deux — ou, comme le sugère Garry Tan, les faire discuter.

À charge de revanche : les deux projets évoluent à une vitesse folle. Ce comparatif reflète l’été 2026. Dans six mois, la donne aura peut-être changé — et c’est précisément pour ça qu’on les aime.

Pour aller plus loin : dépôt Hermes Agent, dépôt OpenClaw, la doc Hermes, les showcases OpenClaw, et la page Wikipédia sur l’IA.