Hermès 2.0 + Claude Code : la combinaison qui rend enfin vos agents IA utiles

Capture extraite de la vidéo « J’ai testé Hermès 2.0 avec Claude Code : Le résultat est fou ! »

🚀 Hermès 2.0 et Claude Code : le duo qui change tout

Hermès est régulièrement présenté comme l’agent IA « qui apprend seul », « qui a de la mémoire » ou « qui travaille pendant que vous dormez ». La vraie nouveauté de cette version 2.0, c’est surtout l’arrivée de Claude Code directement dans son terminal intégré. Concrètement, une simple icône en bas à droite de l’interface ouvre un terminal qui lance Claude, avec tout ce que cela implique en termes de capacités.

Et c’est là que ça devient intéressant : selon le créateur de la vidéo, 99 % des utilisateurs commettent la même erreur en installant Hermès, en connectant un modèle, et en espérant qu’un agent avec un nom stylé fasse le travail à leur place. Spoiler : ça ne fonctionne pas comme ça. Le vrai travail commence quand on configure une architecture complète — c’est exactement ce que cet article résume, étape par étape.

🏗️ Les 4 piliers d’une vraie architecture d’agent

Avant de brancher le moindre outil, il faut comprendre qu’Hermès n’est qu’un « wrapper » : une coquille dans laquelle on place un LLM au centre d’une architecture agentique. Sans configuration, cette coquille est vide. Quatre éléments doivent être mis en place pour qu’elle devienne réellement opérationnelle.

🧠 Le vrai point faible d’Hermès (et comment Claude le corrige)

Le point faible d’Hermès aujourd’hui : il n’a pas de navigateur avec une prise de contrôle totale de l’écran. Claude, lui, possède son propre système Chromium indépendant. Résultat, quand on lui confie une tâche, il peut naviguer sur Internet et accomplir un vrai travail — chose qu’Hermès seul ne sait pas faire.

Exemple cité dans la vidéo : extraire les informations d’un DPE (Diagnostic de Performance Énergétique), souvent présentées sous forme d’images. Hermès n’a tout simplement pas la capacité, via un outil comme Playwright, de réaliser une capture d’image et de l’analyser. Claude, lui, gère complètement l’écran et en extrait les données.

🛠️ Configurer le cerveau : le prompt système Sys.md

Une IA ne sait pas, par défaut, où elle est installée ni ce qu’elle a le droit de faire. C’est exactement le rôle du prompt système. Voici la méthode montrée dans la vidéo, applicable même sans connaissances en code.

• Repérer le dossier d’installation

  Icône en bas à gauche de l’interface → section « Système » → noter le chemin jusqu’au dossier Hermes-agent.

• Localiser Sys.md

  Ouvrir ce dossier dans un terminal et chercher le fichier Sys.md. Par défaut, il est totalement vide.

• Nettoyer et préparer le terrain

  Effacer le contenu existant, enregistrer, puis copier le chemin d’accès du fichier : c’est là que le nouveau prompt système sera installé.

• Lancer le prompt d’installation automatisé

  En utilisant un modèle en raisonnement « High » (GLM-5.2, ChatGPT ou Claude), on fournit l’adresse du répertoire et on laisse le système analyser l’environnement (OS, dépendances, navigateurs, clés…).

• Valider et suivre les agents en parallèle

  Hermès demande une confirmation. On peut observer les agents lancés en parallèle (les « spawns ») via le bouton Agents.

• Installer et redémarrer

  Une fois le résumé livré, on clique sur « Installer » puis on redémarre Hermès. Le fichier Sys.md contient désormais un vrai prompt système complet.

Petit détail pratique mentionné dans la vidéo : pour les personnes qui veulent uniquement ce fichier de configuration sans suivre toute la formation, le créateur indique le proposer gratuitement dans la section dédiée de son site — une option à considérer pour gagner du temps.

🦾 Donner des bras et des jambes : les outils MCP

Une fois le cerveau en place, il faut connecter l’agent au monde extérieur via le MCP (Model Context Protocol). Ce n’est pas aussi automatique qu’avec ChatGPT ou Claude seul, mais ça reste accessible une fois la logique comprise.

Exemple avec Airtable (un CRM gratuit) : dans la section « Connexion MCP » d’Hermès, deux options — une clé API, ou une authentification OAuth (plus simple et plus rapide). Le modèle ouvre alors une fenêtre de connexion, un signal sonore prévient l’utilisateur, qui n’a plus qu’à autoriser l’accès. Même logique pour connecter Notion, utile pour les bases de connaissances. À la fin du processus, le système met à jour automatiquement Sys.md avec les nouvelles capacités, puis lance un « test run MCP » pour vérifier que tout fonctionne.

Anecdote intéressante relevée dans la vidéo : les entreprises cherchant des professionnels capables de construire ce type de système agentique fiable peinent à recruter — le délai moyen évoqué dépasse 7 mois, ce qui en dit long sur la rareté de ces compétences aujourd’hui.

⚙️ Construire une automatisation complète, de A à Z

Avant d’automatiser quoi que ce soit, la vidéo rappelle quatre critères à vérifier :

• La tâche est régulière (pas un cas isolé)
• Il existe un risque d’erreur humaine que l’IA peut réduire
• La tâche consomme un temps significatif
• Le processus est standardisable (mêmes étapes à chaque fois)

L’exemple construit dans la vidéo : récupérer automatiquement les e-mails Gmail tagués « partenariat », identifier les variables utiles, puis les exporter vers une table Airtable avec un statut et une date.

• Collecte Gmail

  Filtrage des e-mails par mots-clés définis à l’avance.

• Extraction

  L’agent identifie les informations pertinentes dans chaque message.

• Normalisation

  Les données sont mises au format attendu par le tableur.

• Envoi vers Airtable

  Création automatique de la ligne, avec statut et date.

• Réponse automatique

  Si les « assets » nécessaires existent déjà (conditions de partenariat par exemple), l’agent rédige et envoie la réponse via une fonction send_email — en quelques secondes.

Pour répéter cette automatisation à intervalle régulier (par exemple tous les jours à 18h), la vidéo recommande la fonction Cron. On peut demander à l’IA de la créer elle-même, mais il reste conseillé de toujours vérifier ce qu’elle génère avant de la laisser tourner seule.

🧩 Apprendre à l’IA à décider : schémas et Skills

Pour qu’un agent prenne de bonnes décisions, il a besoin d’un véritable schéma décisionnel. Exemple typique : si les « assets » nécessaires sont disponibles, l’agent répond automatiquement ; sinon, il qualifie la demande mais attend une intervention humaine avant d’aller plus loin.

C’est précisément ce que permettent les skills : des mini-prompts au format code, chargés uniquement lorsqu’une tâche précise l’exige (et non en permanence). La vidéo recommande de garder une skill sous les 250 lignes, en y définissant les outils autorisés, les modèles à lancer, les étapes à suivre et la logique d’intervention humaine.

Exemple illustratif simplifié de structure de skill, inspiré de la logique présentée dans la vidéo.

🌍 Quel LLM choisir derrière Hermès ?

Hermès permet de connecter à peu près n’importe quel fournisseur de modèle (« provider »), configurable en haut à droite de l’interface. On peut utiliser le provider natif, brancher un compte payant déjà existant (ChatGPT par exemple, sans frais supplémentaire), ou choisir un fournisseur dédié.

Donnée intéressante relevée dans la vidéo : sur une même session de travail, la consommation de la fenêtre contextuelle varie énormément selon le provider choisi.

Soit un facteur d’environ 4,5 entre les deux, selon les chiffres présentés dans la vidéo — une donnée à vérifier sur votre propre usage avant d’en tirer des conclusions définitives.

💡 Conseil donné dans la vidéo : pour les modèles de raisonnement, toujours laisser le niveau d’effort sur « High ».

💸 Utiliser Hermès gratuitement en local avec LM Studio

Dernier point abordé : comment faire tourner Hermès sans aucun frais, en local. La méthode passe par LM Studio.

• Installer LM Studio

  Sur votre ordinateur, puis ouvrir la section « Sélection des modèles ».

• Vérifier la compatibilité GPU

  Une icône verte indique la compatibilité avec votre carte graphique.

• Choisir le bon modèle

  Un modèle gérant vision, outils et raisonnement (ex. Gemma 4). Comptez ~12 Go de VRAM pour un modèle 12B ; sinon, des versions plus légères existent (3B, 4B, 7B).

• Charger le modèle

  Section Développeur > Serveur Local : définir la fenêtre contextuelle (32 000 ou 64 000 tokens selon votre RAM) puis lancer le modèle.

• Activer le réseau

  Dans les paramètres serveur de LM Studio : gestion réseau, MCP et CORS activés. Copier l’adresse fournie.

• Connecter à Hermès

  Settings > Provider > API Keys : ajouter LM Studio, coller l’adresse IP, puis indiquer le modèle utilisé dans la section « Modèles ».

• Laisser tourner et tester

  LM Studio reste actif en arrière-plan : idéal pour les requêtes simples nécessitant confidentialité et gouvernance des données, sans aucun coût récurrent.

🎯 Ce qu’il faut retenir

• Sans configuration, Hermès est une coquille vide — un wrapper sans véritable cerveau.
• Claude Code dans le terminal d’Hermès comble la lacune « navigateur et vision » du système.
• Une vraie architecture d’agent repose sur 4 piliers : prompt système, mémoire, MCP, skills.
• Une automatisation fiable se construit sur un schéma décisionnel clair, pas sur une simple intuition.
• LM Studio permet de tester toute cette architecture gratuitement, en local, avant d’investir dans un provider payant.

📺 Regarder la vidéo complète

▶

La vidéo ne se charge pas ? Ouvrir directement sur YouTube

📋 Sommaire cliquable de l’article

1. Hermès 2.0 et Claude Code : le duo qui change tout
2. Les 4 piliers d’une vraie architecture d’agent
3. Le vrai point faible d’Hermès (et la solution Claude)
4. Configurer le cerveau : le prompt système Sys.md
5. Donner des bras et des jambes : les outils MCP
6. Construire une automatisation complète, de A à Z
7. Apprendre à l’IA à décider : schémas et Skills
8. Quel LLM choisir derrière Hermès ?
9. Utiliser Hermès gratuitement en local
10. Ce qu’il faut retenir