Fabrice Frossard

Hermes, OpenClaw, OpenJarvis, Claude Duet, Dots… Après la guerre des modèles de fondation, celle des agents personnels pourrait se jouer sur la mémoire, la robustesse des intégrations et la fiabilité des workflows.

On a passé deux ans à demander aux IA de rédiger des courriels, résumer des réunions et produire des présentations. Le chatbot pouvait travailler très vite. À condition de lui tenir la main. Les agents personnels promettent de prendre le relais : mémoriser nos préférences, relier nos outils et poursuivre certaines tâches sans instruction à chaque étape. Nous passons d’une IA que l’on consulte à une IA à laquelle on délègue.

Du chatbot au majordome numérique

Deux messageries, plusieurs agendas, un dossier client, une veille à préparer, un billet de train à réserver, vérifier son compte en banque, trois relances en attente. Un chatbot peut expliquer comment procéder ; un agent, si ses accès le permettent, pourrait consulter, coordonner, préparer et exécuter certaines actions. Le changement tient à quatre capacités : mémoire, accès aux outils, action et continuité. Mais il faut séparer les fonctions annoncées des capacités effectivement démontrées.

La fracture architecturale : cloud intégré, agents configurables et local-first

Les plateformes cloud intégrées. Claude Duet d’Anthropic (annoncé le 21 octobre 2026) et Dots d’OpenAI (annoncé le 29 septembre 2026) promettent de travailler de façon proactive avec des applications connectées. Le fournisseur gère une part importante de l’infrastructure. Les bénéfices annoncés sont la continuité et l’intégration ; les questions à examiner sont les données hébergées, les permissions, les limites d’usage et la dépendance à l’écosystème.

Les agents configurables. Hermes Agent (Nous Research) met en avant la mémoire persistante, les skills et les tâches programmées ; OpenClaw offre une architecture d’agent personnalisable reliée à des outils et des services. L’utilisateur gagne en souplesse et peut choisir davantage de composants. Il prend aussi à sa charge l’ingénierie, la maintenance et le contrôle des accès.

La priorité à l’exécution locale. OpenJarvis, projet de recherche de Stanford, explore l’IA personnelle sur l’appareil de l’utilisateur, avec des moteurs interchangeables et la possibilité de recourir à des API cloud. C’est une autre manière de répartir calcul, mémoire et contrôle.

Attention au faux duel : open source ne signifie pas automatiquement local, local ne signifie pas automatiquement confidentiel, et les architectures hybrides existent. Hermes ou OpenClaw peuvent exploiter des services distants ; OpenJarvis aussi. Le niveau de confidentialité dépend des flux réellement utilisés, pas d’une étiquette.

Posséder le meilleur modèle ne suffit plus

La question n’est plus seulement « quel modèle raisonne le mieux ? », mais « quel agent peut terminer correctement une tâche dans un système réel ? ». Une IA peut produire un excellent texte tout en échouant à retrouver le bon fichier, gérer deux identités, reprendre après une interruption ou éviter un envoi malheureux.

L’avantage concurrentiel se déplace potentiellement vers les intégrations, leur robustesse et la fiabilité des workflows : contrôle des entrées, état des tâches, gestion des erreurs, validation humaine, journalisation et reprise. Une intégration dite native n’est pas nécessairement disponible dans tous les environnements ; un workflow déterministe n’est pas fiable par sa seule définition.

La mémoire devient un coût de migration

La mémoire évite à un agent de redécouvrir chaque matin nos clients, notre métier et nos procédures. Hermes documente ces fonctions, et Dots annonce une mémoire nourrie par les interactions. C’est une facilité d’usage, mais aussi un possible facteur de dépendance.

Si l’on change de fournisseur, peut-on exporter les préférences, les décisions, les skills, les automatisations et les journaux ? Peut-on restaurer les connexions et les autorisations ? Si ces éléments ne sont pas transférables, le switching cost augmente et peut transformer un service courant en composant important de l’organisation. Le qualifier systématiquement de « prohibitif » serait excessif : cela dépend de la portabilité réelle et du coût de reconstitution.

Une bataille économique, mais aussi politique

Pendant deux décennies, les plateformes ont cherché à capter notre attention. Avec les agents, le pouvoir pourrait se déplacer vers la sélection des informations, la préparation des décisions et l’exécution des actions. Qui choisit ce qui mérite d’être remonté ? Qui détient les identifiants ? Qui peut révoquer un accès ? Qui assume une erreur ?

Les enjeux de souveraineté sont concrets : lieux de traitement, conservation des données, capacité d’audit, standards ouverts et réversibilité. Même lorsque l’utilisateur donne l’approbation finale, l’agent influence déjà les options présentées. Ce constat invite à examiner les architectures sans supposer d’intention manipulatrice chez les éditeurs.

Le paradoxe de l’autonomie

Plus un agent est autonome, moins nous voulons le surveiller ; mais plus il agit, plus ses erreurs peuvent coûter cher. Un résumé imparfait se corrige. Un message confidentiel envoyé au mauvais destinataire, beaucoup moins. L’OWASP décrit notamment les menaces associées à l’abus d’outils, aux privilèges et aux instructions hostiles. Les garde-fous annoncés par les fournisseurs doivent être évalués dans leur contexte.

Le bon indicateur n’est donc pas le nombre de tâches achevées sans intervention, mais le nombre de tâches correctement exécutées, à coût maîtrisé, avec des erreurs détectables et des décisions traçables.

Ce qu’il faudrait réellement tester

Je confronterais ces solutions à cinq épreuves identiques : consolider plusieurs agendas ; préparer une veille sourcée ; retrouver une décision ancienne ; préparer une relance sans l’envoyer ; reprendre une tâche interrompue. Et je mesurerais qualité, coût complet, temps gagné, permissions, reprise et exportabilité, notamment dans des environnements mêlant Google Workspace et Microsoft 365.

Il faudrait distinguer capacité annoncée, capacité démontrée et capacité exploitable. Autre limite : la disponibilité. Claude Duet a démarré en aperçu de recherche sur liste d’attente aux États-Unis ; l’accès individuel Pro aux Dots exclut initialement l’Espace économique européen, la Suisse et le Royaume-Uni. Un comparatif ne doit pas mettre sur le même plan une démonstration et un produit disponible localement.

Après notre attention, notre pouvoir d’agir ?

La promesse est séduisante : moins de tâches administratives, plus d’assistance personnelle, davantage de continuité, moins de dispersion. Mais la question dépasse les heures économisées. Jusqu’où voulons-nous déléguer notre travail et vie via le numérique, et à quelles conditions pouvons-nous reprendre la main ?

Entre disposer d’un assistant efficace et devenir dépendant de son assistant, la frontière mérite d’être examinée avant de lui confier les clés.

Sources et méthode

Sources primaires : Nous Research — Hermes ; OpenClaw — documentation ; Stanford — OpenJarvis ; OpenJarvis — code source ; Anthropic — Claude Duet, 21 octobre 2026 ; OpenAI — Dots, 29 septembre 2026 ; OpenAI — conditions d’accès ; OWASP — risques des systèmes agentiques.

Note méthodologique : cet article confronte les documentations officielles disponibles au 1er novembre 2026. Les capacités annoncées ne constituent pas des tests indépendants. Les hypothèses économiques et politiques sont des analyses, pas des faits démontrés. Les caractéristiques et les conditions d’accès peuvent évoluer.

Pour approfondir : IA en entreprise : adoption, rentabilité et transformation ; le dossier « Agents IA et automatisation » est en préparation.