OpenClaw, Hermes, Claude Code : quel agent choisir ?

16 septembre 2026

Petit dilemme du matin : quand tout le monde dit "agent IA", on finit vite par comparer des objets qui ne jouent pas exactement le meme match.

OpenClaw, Hermes Agent et Claude Code peuvent tous lire du contexte, utiliser des outils, lancer des taches et garder une forme de continuite. Mais la bonne question n'est pas "lequel est le plus puissant ?". La bonne question, c'est : quel controle veux-tu garder pendant que tu donnes plus d'autonomie a ton systeme ?

La nuance compte, parce que ces outils ne cassent pas au meme endroit. Un agent personnel trop ouvert peut publier trop vite. Un agent qui apprend peut ancrer une mauvaise routine. Un agent de code peut etre excellent dans un repo et beaucoup moins naturel pour piloter des canaux, des crons ou une veille editoriale.

Le choix en une phrase

OpenClaw est le plus naturel si tu veux un agent personnel operationnel, joignable, connecte a tes canaux et a tes routines.

Hermes Agent est le plus interessant si tu veux explorer un agent qui apprend ses routines, cree des skills et peut tourner sur plusieurs backends.

Claude Code est le plus direct si ton centre de gravite est le code : lire un repo, modifier des fichiers, lancer des tests, orchestrer des sessions de dev et cadrer des permissions.

Dit autrement : OpenClaw organise le travail autour de toi. Hermes organise l'apprentissage de l'agent. Claude Code organise l'intervention dans le code.

Pourquoi ce comparatif est utile maintenant

Le signal frais vient surtout de la documentation publique actuelle.

OpenClaw se presente comme un assistant open source auto-heberge : un Gateway, plusieurs canaux de chat, des agents, de la memoire, des skills, des crons, des plugins et du controle via une interface web. Le message est tres clair : "your hardware, your rules".

Hermes Agent, cote Nous Research, pousse une autre promesse : "the self-improving AI agent". Le README parle de boucle d'apprentissage integree, creation autonome de skills apres des taches complexes, amelioration de skills pendant l'usage, recherche dans les conversations passees, gateway Telegram/Discord/Slack/WhatsApp/Signal, subagents, cron, RPC et backends local, Docker, SSH, Singularity, Modal, Daytona et Vercel Sandbox. Il documente meme une migration depuis OpenClaw avec hermes claw migrate.

Claude Code, lui, a elargi son terrain : terminal, IDE, desktop app, browser, mobile, sessions cloud, routines programmees, subagents, hooks, MCP, plugins, skills, worktrees, permissions et sandboxing. Mais son centre reste le meme : le travail logiciel dans un repo ou autour d'un environnement de developpement.

Ce n'est donc pas un classement. C'est une carte.

OpenClaw : quand le probleme est operationnel

OpenClaw devient fort quand ton workflow ressemble a ceci :

• recevoir une demande depuis Telegram, Slack, Discord, Signal ou une autre surface ;
• lancer une routine recurrente ;
• produire un brouillon ou une synthese ;
• garder des logs et une memoire dans un workspace ;
• separer ce qui peut partir automatiquement de ce qui doit rester en review ;
• connecter des plugins et des outils sans transformer chaque action en mini-projet.

Son avantage pratique, c'est la gouvernance du quotidien. Tu peux raisonner en canaux, crons, memoire, permissions, publication, notifications, routage, agents et workspace.

La limite : si tu veux un agent qui se reprogramme lui-meme en permanence, OpenClaw demande une discipline explicite. Les skills et les instructions doivent rester relus comme de la configuration durable. C'est sain, mais moins "magique".

Hermes Agent : quand le probleme est l'apprentissage

Hermes est plus experimental, et c'est justement son interet.

La promesse n'est pas seulement "je peux faire une tache". C'est "je peux transformer l'experience en competence reutilisable". Memoire persistante, modelisation utilisateur, creation et amelioration de skills, recherche dans les conversations, subagents et execution sur differents environnements : tout pousse vers l'agent qui grandit avec l'usage.

Pour un lecteur technique, c'est passionnant dans trois cas :

• tu veux etudier comment un agent apprend des routines ;
• tu veux faire tourner l'agent ailleurs que sur ton laptop ;
• tu veux tester une migration ou une comparaison depuis un setup OpenClaw.

La limite est evidente : l'auto-amelioration doit etre traitee comme du code. Une skill modifiee automatiquement peut etre utile, mais elle peut aussi encoder une mauvaise hypothese. Plus un agent apprend, plus il faut verifier ce qu'il a appris.

Claude Code : quand le probleme est le repo

Claude Code n'est pas seulement un terminal bavard. Sa documentation actuelle couvre les sessions, la memoire projet, les subagents, les agents paralleles, les worktrees, les hooks, MCP, les routines, les permissions, le sandboxing, l'agent view, le desktop, le cloud et les integrations CI/CD.

Son meilleur terrain reste clair : comprendre une base de code, modifier proprement, lancer des commandes, verifier, ouvrir une PR, automatiser une revue ou reproduire une routine de dev.

Si ton objectif est "refactor ce service, ajoute les tests, surveille les checks, corrige les retours", Claude Code est tres naturellement dans son element.

La limite : ce n'est pas d'abord un hub personnel multi-canal. Il peut s'etendre, se connecter et s'automatiser, mais son geste le plus fort reste le geste d'ingenierie logicielle.

Le tableau de decision

Le piege a eviter

Le mauvais reflexe serait de choisir celui qui a la liste de features la plus longue.

Une liste de features ne dit pas ou tu veux mettre la responsabilite. Or c'est la vraie question.

Si l'agent publie, qui valide ?

S'il apprend, qui relit ?

S'il execute du shell, ou est la limite ?

S'il travaille depuis Telegram ou Slack, comment tu sais quel contexte il a utilise ?

S'il touche un repo, comment tu isoles les changements ?

Ces questions sont moins brillantes qu'une demo. Elles sont aussi beaucoup plus utiles.

Verdict LaPince

Pour un maker ou une petite equipe qui veut automatiser des routines reelles, OpenClaw reste le point de depart le plus pragmatique : canaux, crons, memoire, controle et publication peuvent etre assembles progressivement.

Pour un profil qui veut comprendre la prochaine vague des agents personnels, Hermes Agent merite un vrai test : sa boucle d'apprentissage et ses backends en font un terrain d'experimentation serieux, a condition de relire les skills comme on relit du code.

Pour un workflow centre sur un repo, Claude Code est le choix le plus direct : il connait le geste dev, les sessions paralleles, les permissions, les hooks, les tests et les integrations.

La prochaine action raisonnable : choisis un seul workflow non critique, avec une entree claire, une sortie attendue, un budget temps et un niveau de permission explicite. Puis teste l'outil qui correspond au centre du probleme, pas celui qui brille le plus dans une demo.

Sources :

• Documentation OpenClaw, page d'accueil et architecture : https://docs.openclaw.ai/
• README Hermes Agent, Nous Research : https://github.com/NousResearch/hermes-agent
• Documentation Hermes Agent : https://hermes-agent.nousresearch.com/docs/
• Documentation Claude Code, index officiel : https://code.claude.com/docs/llms.txt
• Vue d'ensemble Claude Code : https://code.claude.com/docs/en/overview
• Parametres et permissions Claude Code : https://code.claude.com/docs/en/settings
• Article LaPince sur Hermes Agent : https://lapince.cc/hermes-agent-cousin-openclaw-apprentissage/
• Guide LaPince sur les agents IA autonomes : https://lapince.cc/agents-ia-autonomes-guide-francophone/