La nouvelle grosse update d'Hermès Agent Quand l'agent IA devient une équipe, pas un outil
Mixture of Agents, Slash Learn, mémoire visuelle Journey, vibe coding avancé : cette mise à jour fait passer Hermès du statut d'assistant solo à celui de véritable écosystème d'agents spécialisés.
- →Mixture of Agents : plusieurs modèles analysent ta question en parallèle, un orchestrateur en fait la synthèse
- →Slash Learn transforme un article, un tweet ou un workflow en compétence réutilisable, en une commande
- →Journey donne une carte visuelle de tout ce que l'agent a appris et retenu
- →Le vibe coding et les profils spécialisés (dont Fable 5) rapprochent l'agent d'une vraie équipe technique
Le seuil que les agents IA viennent de franchir
Il y a deux semaines, je racontais comment Hermès Agent passait du statut de démo à celui de poste de travail : accessible depuis iMessage, capable de tourner en arrière-plan, avec des profils spécialisés. Cette nouvelle mise à jour ne se contente pas d'ajouter des fonctions : elle change la nature même de l'agent. On ne parle plus d'un assistant qui exécute des tâches, mais d'un système qui réfléchit à plusieurs, apprend en continu et se spécialise tout seul.
Plusieurs IA qui réfléchissent avant de répondre
multi-modèle · orchestrationAu lieu d'interroger un seul modèle, Hermès envoie maintenant la question à plusieurs modèles différents en parallèle. Chacun l'analyse avec son propre raisonnement, puis un modèle orchestrateur récupère toutes les réponses et en construit une synthèse finale.
Sur une question business un peu ouverte (positionnement, arbitrage stratégique, diagnostic complexe), la différence se sent : tu ne reçois plus l'avis d'un seul « cerveau », mais une synthèse qui a déjà confronté plusieurs angles avant d'arriver jusqu'à toi.
Concrètement, ça change la façon de poser la question. Avant, tu formulais un prompt pour un modèle précis, en connaissant ses forces et ses angles morts. Maintenant tu poses la question une fois, et c'est l'orchestrateur qui va chercher les perspectives complémentaires à ta place, un peu comme si tu consultais plusieurs collègues avant de trancher au lieu de demander l'avis d'une seule personne.
Réserve le Mixture of Agents aux décisions qui comptent vraiment (stratégie, arbitrage, diagnostic complexe). Sur une tâche simple, ça ajoute de la latence pour rien.
Transformer n'importe quelle source en compétence
apprentissage · skillsAvec une seule commande, Hermès peut apprendre à partir d'un article, d'un tweet, d'une documentation ou d'une tâche déjà réalisée. Tu ne réexpliques plus le contexte à chaque fois : tu donnes la source, l'agent l'analyse et la transforme en compétence réutilisable.
Avant, une méthode intéressante repérée sur X impliquait de la copier, d'écrire un prompt, de réexpliquer le contexte. Maintenant tu donnes le lien et Hermès en fait une skill. C'est la différence entre un outil qu'on reprogramme sans arrêt et un collaborateur qui capitalise ce qu'il apprend.
Ces apprentissages tournent désormais sur des modèles moins coûteux en interne : ton agent continue de progresser sans faire exploser ta note d'API.
Ce qui change vraiment, c'est la logique d'accumulation. Un assistant classique repart de zéro à chaque conversation : tu réexpliques ton contexte, tes préférences, ta méthode. Avec Slash Learn, chaque source apprise devient une brique permanente. Après quelques semaines d'usage, ton agent a déjà digéré une bonne partie de ta documentation interne, tes process, tes façons de faire, sans que tu aies eu à les taper une par une dans un prompt.
Une carte visuelle de tout ce que l'agent a appris
mémoire · JourneyLa nouvelle vue Journey affiche les compétences créées, les souvenirs enregistrés et les connexions entre les différentes connaissances de l'agent. Ce n'est plus une boîte noire : tu vois concrètement ce qu'il sait, comment il l'a appris, et comment ça s'articule.
Un vrai agent ne doit pas seulement répondre, il doit se construire une mémoire de tes objectifs, tes habitudes et tes méthodes de travail. Plus tu l'utilises, plus cette carte s'enrichit, et plus l'agent devient adapté à toi, pas à un utilisateur générique.
C'est aussi un outil de contrôle. Sans cette vue, la mémoire d'un agent reste une boîte opaque : tu ne sais jamais vraiment ce qu'il a retenu ni pourquoi il répond d'une certaine façon sur un sujet donné. Avec Journey, tu peux repérer une compétence obsolète, un souvenir qui n'a plus lieu d'être, ou une connexion qui part dans une mauvaise direction, et corriger le tir avant que ça pollue les réponses suivantes.
Le vibe coding devient un vrai environnement de dev
développement · codeHermès gère maintenant les changements de code, les diffs, les commits et les pull requests directement depuis l'interface. On se rapproche d'un environnement de développement assisté par IA, plutôt que d'un simple générateur de snippets.
Tu peux lui demander de construire une application complète (interface, prototype, mini-outil interne) et suivre chaque étape comme tu le ferais avec un développeur junior en autonomie. L'IA ne génère plus juste du code, elle participe au processus de création.
Suivre les diffs et valider chaque commit reste indispensable, même quand l'agent travaille en autonomie. Le vibe coding accélère la production, il ne remplace pas une relecture avant de merger, surtout sur du code qui touche à des données clients ou à de la production.
Des agents spécialisés plutôt qu'un généraliste unique
multi-agent · Fable 5Plutôt qu'un seul agent qui fait tout, tu peux désormais créer plusieurs profils spécialisés : un pour coder, un pour la recherche, un pour l'analyse. Un profil dédié à Fable 5 vient s'ajouter pour les tâches complexes à exécuter.
Questions ouvertes et arbitrages → Mixture of Agents. Tâches complexes à exécuter → Fable 5. L'un réfléchit, l'autre construit. C'est cette répartition qui fait gagner du temps au quotidien, pas juste la puissance brute d'un modèle.
On ne parle plus d'un agentOn parle d'un système d'exploitation personnel
Cette mise à jour confirme une tendance de fond : le futur des agents IA ne sera probablement pas un chatbot unique toujours plus puissant. Ce sera un écosystème de modèles et de compétences qui s'organise autour de tes objectifs, avec une mémoire qui évolue avec le temps. Pour un entrepreneur ou un builder solo, le changement est énorme.
Avant : un outil qu'on reprogramme
Tu expliques le contexte à chaque fois, tu recommences, tu changes d'outil selon la tâche.
Maintenant : un système qui capitalise
L'agent apprend une fois, garde la compétence en mémoire, et la réutilise sans que tu aies à répéter.
Demain : ton propre système d'exploitation
Plusieurs agents spécialisés, orchestrés autour de tes objectifs, qui s'améliorent avec le temps passé à travailler avec eux.
Pour un solo founder ou une petite équipe, ça vaut la peine de le prendre au sérieux. Tu n'as pas besoin de reproduire toute la panoplie (Mixture of Agents, Slash Learn, profils spécialisés) du jour au lendemain. Le bon point de départ, c'est de choisir une seule friction récurrente dans ton activité (le tri des leads, la veille concurrentielle, le reporting) et de construire un premier agent spécialisé dessus. Une fois qu'il tourne et qu'il capitalise ce qu'il apprend, tu en ajoutes un deuxième.
La vraie question n'est plus « quel est le meilleur modèle IA ? ». Elle devient : quel système d'agents vas-tu construire autour de tes objectifs ?
Tu veux construire ton propre système d'agents ?
On peut structurer ça ensemble : quels agents, quelles compétences, quelle orchestration pour ton activité. 30 minutes suffisent pour poser les bases.