OpenClaw, OpenFang et Hermes — Trois façons de construire des agents d'IA en open source

Le marché des agents d'IA est en pleine explosion. Mais tous les agents ne se valent pas, et tous ne naissent pas clos. Aujourd'hui, nous regardons trois projets open source qui redéfinissent ce qu'un assistant autonome peut faire : OpenClaw, OpenFang et Hermes Agent.

Les trois partagent une philosophie — vos données, votre infrastructure, votre contrôle — mais chacun aborde le problème sous un angle différent. Voyons ce qui les différencie et quand chacun est pertinent.

OpenClaw — L'assistant personnel qui vit avec vous

OpenClaw se définit comme « the AI that actually does things », et ce n'est pas du marketing creux. C'est un assistant personnel qui vit sur votre machine, se connecte à vos canaux (Telegram, WhatsApp, Discord, Signal et une douzaine d'autres) et fait vraiment des choses : gérer votre boîte de réception, envoyer des e-mails, consulter votre calendrier, enregistrer votre vol.

Ce qui le différencie :

• Mémoire persistante. Il ne repart pas de zéro à chaque conversation. Il se souvient de qui vous êtes, de ce que vous aimez, de ce que vous faisiez hier. Vous avez un fichier MEMORY.md qui est littéralement son cerveau à long terme.
• Heartbeats proactifs. Il n'attend pas que vous lui posiez une question. Toutes les 30 minutes, il vérifie les e-mails, le calendrier, ce dont vous avez besoin, et vous alerte si quelque chose est urgent.
• Skills et plugins. TTS, STT, automation de navigateur, caméra de votre téléphone, cron jobs, sous-agents en parallèle. Il s'étend avec des compétences comme des applications.
• Zéro dépendance au cloud. Il tourne sur votre serveur, sur un VPS à 5 €, ou dans un conteneur Docker. Vous choisissez les modèles — Ollama, OpenAI, Anthropic, ce que vous voulez.

OpenClaw est le choix si vous voulez un assistant personnel 24 h/24 et 7 j/7 qui vit dans votre Telegram et gère votre vie numérique. Ce n'est pas un framework pour construire des agents à partir de zéro — c'est un agent qui fonctionne déjà, prêt à être personnalisé.

OpenFang — Le système d'exploitation des agents

OpenFang n'est pas un assistant. C'est une plateforme complète pour construire, exécuter et gérer des agents autonomes. Écrite en Rust, compilée en un seul binaire, avec 16 couches de sécurité et 40 adaptateurs de canal.

Ce qui le différencie :

• Les Hands. Ce ne sont pas des agents avec lesquels on discute — ce sont des paquets autonomes qui travaillent pour vous en arrière-plan. Clip convertit des vidéos en shorts. Lead génère des leads qualifiés. Collector surveille des objectifs OSINT. Predictor fait des prévisions avec un score de Brier. Researcher vérifie les faits avec la méthodologie CRAAP.
• Sécurité de niveau industriel. Sandbox WASM avec double mesure, signatures Ed25519, audit trail avec Merkle, protection contre les SSRF, l'injection de prompts, et 11 systèmes de plus. Si vous envisagez de mettre un agent en production face à des données sensibles, cela compte.
• Un binaire, neuf primitives. Hands, agents, tools, security, memory, channels, protocols, desktop app — tout dans un seul exécutable de 32 Mo. Pas de npm install, pas de dépendances cassées.
• Protocoles natifs. Client et serveur MCP, A2A de Google pour la communication entre agents, et OpenFang Protocol pour des réseaux P2P avec authentification mutuelle HMAC-SHA256.

OpenFang est le choix si vous avez besoin d'infrastructure d'agents à l'échelle. Sécurité, performance, traçabilité — pensez-y comme au Kubernetes des agents d'IA.

Hermes Agent — L'agent qui apprend de vous

Hermes Agent, de Nous Research, part d'une prémisse différente : un agent qui s'améliore avec l'usage. Il ne se contente pas de se souvenir — il crée des compétences à partir de l'expérience, les affine au fur et à mesure, et construit un modèle de qui vous êtes au fil des sessions.

Ce qui le différencie :

• Boucle d'apprentissage fermée. Après des tâches complexes, Hermes crée automatiquement de nouvelles skills. Les skills s'améliorent seules avec l'usage. Et périodiquement, il s'« auto-nudge » pour consolider ce qu'il a appris en mémoire persistante.
• Modélisation de l'utilisateur avec Honcho. Utilise la dialectique pour construire un modèle profond de qui vous êtes, de vos préférences, de votre contexte. Ce n'est pas juste de l'historique — c'est de la compréhension.
• Recherche sémantique dans les sessions passées. Avec FTS5 et résumé par LLM, Hermes peut chercher dans ses conversations précédentes et récupérer le contexte pertinent sans qu'on le lui demande.
• Fonctionne n'importe où. Sept backends de terminal — local, Docker, SSH, Singularity, Modal, Daytona, Vercel Sandbox. Les modes serverless comme Modal hibernent en l'absence d'activité et se réveillent à la demande. Coût quasi nul à l'inactivité.
• Multi-modèle sans lock-in. Nous Portal, OpenRouter (200+ modèles), NovitaAI, NVIDIA NIM, Hugging Face, OpenAI, ou votre propre endpoint. Changer de modèle se fait en une commande : hermes model.

Hermes est le choix si vous voulez un agent qui évolue avec vous. Chaque interaction le rend meilleur. C'est le compagnon qui apprend, pas l'outil qui répète.

Lequel choisir ?

Les trois sont open source, les trois respectent votre infrastructure, et les trois se complètent plus qu'ils ne se concurrencent. La vraie question n'est pas lequel est le meilleur — c'est quel problème vous résolvez.

Et si ce que vous cherchez, c'est la souveraineté numérique — une IA souveraine compatible avec le RGPD et les contraintes des PME européennes — les trois vous la donnent. Ils choisissent simplement des chemins différents pour y arriver.