Hermes Agent vs CrewAI : un agent ou une équipe ?

Deux noms, deux choses différentes

Si vous avez tapé "hermes agent vs crewai" dans Google, la phrase la plus utile que nous puissions vous donner est que ce n'est pas une comparaison équivalente. CrewAI est un framework d'entreprise d'orchestration multi-agents qui gère aujourd'hui 12 millions d'exécutions d'agents par jour pour des entreprises comme PwC, IBM, Capgemini et NVIDIA. Hermes Agent est un agent persistant unique de Nous Research qui vit sur votre ordinateur portable ou un petit VPS, se souvient de vous d'une session à l'autre et décide seul comment traiter chaque demande.

Les deux projets portent l'étiquette "AI agent". Les deux sont open source sous licence MIT. Mais la forme architecturale est suffisamment différente pour que mal choisir vous coûte des semaines de retravail. Cet article passe en revue ce pour quoi chaque projet est conçu, où se trouve la vraie frontière de décision et à quoi ressemble une configuration sensée en 2026.

Ce que fait vraiment CrewAI

CrewAI est un framework Python open source pour orchestrer des équipes d'agents propulsés par des LLM sur une tâche. L'abstraction centrale est la crew : un groupe d'agents définis par un role, un goal et une backstory, qui prennent des tasks et les exécutent en séquence, sous un manager (hiérarchique) ou par consensus. Au-dessus du cœur open source, il y a une plateforme payante (CrewAI Enterprise) avec un éditeur visuel, de l'observabilité et des quotas d'exécution, au prix de 99 dollars par mois jusqu'à 120 000 dollars par an pour le palier Ultra.

Le modèle mental est une réunion de projet. Vous déclarez un "chercheur" avec accès au web, un "rédacteur" avec des instructions de style et un "critique" avec une grille de qualité. Vous donnez une tâche à l'équipe. Ils se relayent, voient les messages des autres et convergent vers un résultat. Ce schéma fonctionne réellement bien pour des problèmes qui se décomposent en rôles spécialisés, et c'est pourquoi CrewAI revendique plus de 60% des Fortune 500 comme utilisatrices avec des études de cas comme PwC, qui est passé de 10% à 70% de précision en génération de code grâce aux flux de crew.

CrewAI est une bibliothèque plus une plateforme. Vous l'importez dans votre propre service, vous l'instrumentez, vous l'hébergez. Le framework vous donne des primitives - Crew, Agent, Task, Process, ainsi que les nouveaux Flows pour des chaînes d'étapes déterministes. Il ne vous donne pas de bot Telegram, ni de mémoire personnelle entre exécutions, ni de surface de chat pour utilisateurs non développeurs. Cela, vous le construisez, ou vous payez le plan Enterprise et obtenez le tableau de bord de gestion, mais pas la couche de messagerie.

La forme du coût est honnête sur l'arbitrage. Chaque tour dans une crew multi-agents est un appel LLM complet portant la transcription accumulée. Une crew de quatre rôles sur cinq tours, c'est vingt appels minimum, avant tout appel d'outil. C'est une vertu quand vous avez vraiment besoin de débat et de division du travail. C'est une taxe quand un seul agent avec les bons outils aurait répondu la même chose en un appel.

Ce que fait vraiment Hermes Agent

Hermes Agent est un agent IA open source de Nous Research, sorti pour la première fois en février 2026 et aujourd'hui en version v0.10.0. Contrairement à CrewAI, ce n'est pas une bibliothèque que vous importez dans un service - c'est un runtime que vous démarrez. Vous l'installez une fois, vous le pointez vers un fournisseur de modèle avec votre propre clé d'API, et il tourne comme un processus de longue durée avec lequel vous discutez via Telegram, WhatsApp, Discord, Slack, Signal, Matrix, e-mail ou directement en CLI. Nous liste plus de 15 surfaces de messagerie depuis une seule passerelle.

Il y a un seul agent. Pas une équipe de personnages avec des rôles. Cet agent unique tire toute sa force de trois couches d'état :

Mémoire centrale dans ~/.hermes/memories/, injectée au démarrage de chaque session - ce que l'agent devrait toujours savoir sur vous et votre travail.
Recherche de sessions, chaque session CLI ou messagerie indexée dans SQLite avec FTS5 full-text, pour que l'agent puisse retrouver de quoi vous avez parlé la semaine dernière.
Skills, des fichiers markdown que l'agent charge à la demande et, point important, crée et modifie lui-même via un outil intégré skill_manage quand il résout un flux non trivial.

Graphe de nœuds verts brillants sur fond sombre visualisant la mémoire persistante de l'agent et les fichiers de skills auto-générés au fil des sessions

Nous avons couvert l'architecture mémoire en détail dans l'article sur la mémoire et les skills d'Hermes Agent. L'idée principale : un agent unique avec un état persistant et des skills auto-générées tend à battre un débat multi-agents sur du travail personnel de longue durée, parce que le contexte dont la prochaine décision a besoin est déjà là.

Hermes inclut six backends de terminal - local, Docker, SSH, Daytona, Singularity, Modal - et il est sous MIT. L'auto-hébergement sur un petit VPS européen revient à environ cinq euros par mois. Le coût marginal est dominé par votre fournisseur de modèle, pas par le runtime.

La frontière de décision

Un cadrage utile : CrewAI est pour de la chorégraphie multi-agents sans état, conçue par vous, à l'échelle, et Hermes pour un agent unique avec un état qui grandit avec vous.

Question	CrewAI	Hermes Agent
Abstraction centrale	Crew d'agents à rôles	Un agent unique persistant
Où il vit	À l'intérieur d'un service Python que vous hébergez	Un démon sur Telegram / WhatsApp / Discord / CLI
Logique d'orchestration	Conçue par vous (séquentielle / hiérarchique / consensus)	Décidée par l'agent unique au runtime
État entre exécutions	Transcription par tâche par défaut	Mémoire + recherche de sessions + skills, persistant
Multi-agents ?	Oui, par conception	Non, délibérément un agent unique
Idéal pour	Pipelines de génération de code, crews de recherche, flux d'entreprise	Assistance personnelle, rappel, rédaction, jugement
Forme du coût	N agents x M tours x contexte complet par appel	Un appel LLM par tour + appels d'outils
Interface utilisateur final	Vous la construisez (ou vous achetez le plan Enterprise)	Intégrations de messagerie incluses
Licence	MIT (cœur) + plan Enterprise payant	MIT
Auto-hébergé	Oui (vous faites tourner le service)	Oui (Docker, SSH, Daytona, Modal et plus)

Si vous vous retrouvez à ajouter un "agent profil utilisateur" et un "agent mémoire" à votre setup CrewAI pour que l'équipe se souvienne de choses entre les réunions, c'est le signal - vous êtes en train de réimplémenter ce que Hermes livre déjà par défaut. Si vous vous retrouvez à découper les skills d'Hermes en une séquence figée de "skill planificatrice" et "skill critique" qui s'appellent toujours dans le même ordre, c'est l'autre signal - vous reconstruisez CrewAI à l'intérieur d'un agent.

Quand CrewAI gagne

CrewAI est la bonne réponse quand :

Le travail a une forme de tâche, pas de relation. Un travail discret arrive, une crew collabore, une réponse sort, la conversation se termine.
Vous voulez une décomposition explicite en rôles. Un agent "chercheur" et un agent "rédacteur" produisent réellement de meilleurs brouillons qu'un seul agent jonglant les deux, surtout avec des boucles de critique.
Vous avez la capacité d'ingénierie pour héberger un service Python, construire l'interface vous-même et payer la facture LLM multi-tours.
Vous opérez à l'échelle de l'entreprise et voulez de l'observabilité gérée, des tableaux de bord et des SLA - la plateforme Enterprise payante est la réponse ici.
Vous tenez à l'auditabilité programmatique de qui a dit quoi, dans quel ordre, avec quel résultat d'outil.

C'est la catégorie multi-agents de production. Services de génération de code, résumeurs de recherche, pipelines de revue de documents, flux analytiques structurés tournant des milliers de fois par jour. CrewAI et ses pairs (LangGraph, AutoGen) dominent cet espace.

Quand Hermes gagne

Hermes est la bonne réponse quand :

Le travail est le vôtre, pas celui de votre équipe. Un agent personnel qui apprend votre style, vos projets, vos contacts, votre voix d'écriture.
Vous voulez une mémoire de longue durée à travers de nombreuses sessions, pas une transcription neuve par tâche.
L'interface devrait être une surface de chat que vous utilisez déjà - Telegram, WhatsApp, Discord, Signal - pas un tableau de bord web que vous devez expédier.
Vous voulez ajouter des capacités en écrivant un fichier markdown de skill, ou en laissant l'agent en écrire un pour vous, plutôt qu'en déclarant une nouvelle classe d'agent avec un system prompt.
Vous tenez à la latence par tour. Un appel LLM avec contexte persistant bat cinq tours d'agents qui se parlent.

C'est la catégorie agent personnel. Résumés quotidiens écrits sur votre ton. Questions de rappel rapides répondues avec le contexte de votre projet. Journal récurrent, curation de lectures, assistants de travail concentré. Nous avons comparé Hermes aux principaux outils chat-only dans Hermes Agent vs ChatGPT, Claude et Gemini, et à l'orchestration multi-agents dans Hermes Agent vs AutoGen.

Démarrez avec Hermify si vous voulez un Hermes Agent géré tournant sur Telegram en moins d'une minute, avec la mémoire et les fichiers de skills persistés sur du stockage chiffré.

L'hybride honnête

Les deux ne sont pas mutuellement exclusifs. Une configuration avancée raisonnable ressemble à ceci :

CrewAI gère la tâche multi-agents ponctuelle. Quand vous déclenchez un travail de génération de code ou une recherche approfondie, une crew CrewAI lève les bons rôles, tourne jusqu'au bout et renvoie un résultat structuré.
Hermes porte la relation. Votre Hermes Agent personnel est la surface avec laquelle vous parlez. Il se souvient de ce que vous avez demandé hier, connaît le projet sur lequel vous travaillez depuis six mois et décide quand déléguer. Pour un travail lourd de crew, il appelle le service CrewAI en HTTP, reçoit le résultat et vous le ramène sur Telegram ou Slack.

Un seul agent vert brillant à droite échangeant des données structurées avec un petit groupe d'agents étiquetés par rôles à gauche, fond sombre ambiant

En pratique, cela signifie qu'Hermes est l'endroit où vit l'état et CrewAI l'endroit où vit le raisonnement multi-agents lourd. Un fichier de skill Hermes suffit à exposer un endpoint CrewAI comme un outil de plus. La direction inverse est plus difficile - CrewAI n'a pas de notion native du "même utilisateur entre les sessions", donc construire de la persistance façon Hermes à l'intérieur d'une crew implique d'écrire une couche mémoire que tous vos agents partagent.

Coût, hébergement et verrouillage

Les deux projets sont open source sous MIT. CrewAI propose en plus une plateforme Enterprise payante par-dessus ; Hermes non.

La forme du coût est le plus gros différenciateur. Les flux CrewAI sont dominés par la facture multi-agents : chaque agent de la crew paie le coût de voir toute la conversation, à chaque tour. Une seule exécution CrewAI qui produit une réponse réfléchie à un prompt peut être dix à vingt fois plus chère que la même réponse d'un agent unique avec les bons outils. C'est le bon prix quand vous avez vraiment besoin de débat et de division du travail. C'est une taxe quand vous n'en avez pas besoin.

Le coût marginal d'Hermes est le fournisseur LLM vers lequel vous le pointez - votre facture OpenAI, Anthropic ou OpenRouter - le runtime ajoutant un overhead négligeable. Nous avons couvert les arbitrages entre auto-hébergement et configuration gérée dans Hermes Agent hosting versus self-hosting. L'usage individuel typique se situe entre cinq et trente dollars par mois côté modèle.

Comment choisir

Un récapitulatif court de décision :

Si votre problème est "j'ai besoin d'une crew d'agents spécialisés qui collaborent sur une tâche, à l'échelle" - choisissez CrewAI.
Si votre problème est "je veux une IA qui me connaît et agit en mon nom à travers des apps de messagerie" - choisissez Hermes.
Si votre problème est "je veux un agent personnel qui peut aussi déclencher des travaux multi-agents lourds quand il faut" - faites tourner Hermes en porte d'entrée et appelez CrewAI pour ces travaux.

Forcer l'un ou l'autre projet à faire le travail de l'autre est le mode d'échec. CrewAI n'est pas un runtime d'agent personnel et Hermes n'est pas une plateforme multi-agents d'entreprise. Une fois que vous acceptez que les deux résolvent des problèmes différents, le choix devient facile et le schéma hybride commence à paraître évident.