Hermes Agent vs Make.com : agent qui raisonne ou scénarios ?

La comparaison qui revient sans arrêt

Si vous avez cherché "make.com vs agent ia", vous sentez déjà que les deux outils occupent des catégories voisines plutôt que la même. Make (anciennement Integromat) est une plateforme d'automatisation visuelle où vous construisez des "scénarios" : des flowcharts de déclencheurs, actions, filtres et routers qui connectent plus de 3 000 apps. Hermes Agent est un runtime IA à état auquel vous parlez sur Telegram, WhatsApp, Discord ou dans un terminal, et qui décide seul comment traiter chaque demande.

Make a sorti une beta d'AI Agents en 2025 qui rapproche les deux catégories, la comparaison n'est donc plus purement académique. Se tromper reste une erreur coûteuse, et n'en garder qu'un alors que la bonne réponse est de faire tourner les deux ensemble est l'erreur la plus fréquente.

Ce que Make.com fait vraiment

Make est une plateforme no-code d'intégrations. Vous glissez des apps sur un canevas visuel, vous les reliez, et chaque module est un déclencheur (un webhook, une planification, une nouvelle ligne dans Airtable), une action (envoie ce mail, crée cette page Notion, publie ce message Slack) ou une pièce de logique (router, filtre, iterator, aggregator). Un scénario s'exécute de haut en bas, de manière déterministe, une fois par exécution.

La force est la fiabilité à l'échelle. Make est ce que vous prenez quand vous savez exactement ce qui doit se passer et que vous voulez que ça se passe pareil des dizaines de milliers de fois par mois. Exemples concrets où les scénarios brillent :

Un nouveau lead arrive dans votre formulaire : enrichissement via Clearbit, scoring, routage vers le bon commercial, log dans HubSpot, notification Slack.
Un paiement Stripe déclenche un webhook : crée une tâche Notion, envoie l'e-mail d'onboarding, ajoute le client à une liste Mailchimp, DM au fondateur.
Un cron quotidien tire les lignes d'hier depuis Airtable, les transforme et les écrit dans BigQuery.

En 2026 les tarifs vont d'un free (1 000 crédits par mois) à Core à 9 $, Pro à 16 $ et Teams à 29 $ par mois. La plateforme est passée d'"Operations" à "Credits" en août 2025, et les modules IA consomment plus de crédits que les modules classiques, c'est donc la ligne à surveiller dès que vous touchez aux fonctions natives IA.

Make a aussi sorti des AI Agents en beta publique. Un module agent vit à l'intérieur d'un scénario et peut décider à l'exécution quels outils appeler, dans quel ordre, et combien de fois, à partir de l'objectif que vous définissez. C'est un vrai pas vers du raisonnement dans le canevas et ça mérite d'être pris au sérieux. La beta actuelle a quelques angles vifs : le system prompt est statique (pas de variables dynamiques), un scénario est limité à un seul déclencheur, et changer de modèle sous le capot oblige à créer un nouvel agent. C'est utilisable aujourd'hui, mais c'est une beta publique et ça bouge vite.

Ce que Hermes Agent fait vraiment

Hermes Agent est un runtime d'agent open source de Nous Research. C'est un processus long-running auquel vous parlez sur Telegram, WhatsApp, Discord ou dans un terminal, et qui décide seul comment traiter chaque demande. Pas de canevas, pas de fichier de scénario, pas de liste de déclencheurs à configurer.

Ce que Hermes fait à la place, c'est garder l'état. Il tient un fichier USER.md avec votre profil, un MEMORY.md avec ce qu'il a appris sur vous et votre travail, et une bibliothèque de skills qu'il charge à la demande. Chaque conversation se construit sur les précédentes. Il se souvient de ce que vous avez demandé hier, de la correction que vous avez faite la semaine dernière, du contexte projet du mois dernier. On l'a détaillé dans le billet sur la mémoire et les skills de Hermes Agent.

La force est le jugement. Quand vous dites "rédige une relance au client qu'on a vu mardi, mais adoucis, la précédente était trop agressive", il peut raisonner en ayant l'historique de conversation devant lui. Il n'y a pas de flux à dessiner. L'agent choisit les outils au fil de l'eau : l'agenda pour retrouver le rendez-vous de mardi, la mémoire pour retrouver le brouillon précédent, la skill de messagerie pour vous le renvoyer en relecture.

Le coût apparaît sur les bords. Hermes n'est pas déterministe. Le même prompt peut produire des séquences d'appels d'outils légèrement différentes. Pour du travail ambigu, où il faut trancher, c'est précisément le but. Pour brancher deux SaaS de manière 100 % prévisible, c'est surdimensionné.

La frontière de décision

La façon nette d'y penser : Make est fait pour les scénarios déterministes où vous connaissez la règle à l'avance, et Hermes pour le travail de jugement où la règle dépend d'un contexte que l'agent doit reconstituer à l'exécution.

Question	Make.com	Hermes Agent
Abstraction centrale	Scénario sur un canevas visuel	Conversation avec un agent à état
Logique d'orchestration	Dessinée par vous, dans le flux	Décidée par l'agent à l'exécution
État entre les runs	Par exécution, plus les data stores que vous câblez	Mémoire persistante, profil, skills
Déterminisme	Élevé, même input, même chemin	Faible, l'agent raisonne à chaque tour
Meilleur pour	Brancher du SaaS, plumbing événementiel	Jugement, rédaction, résumé, rappel
Moins bon pour	Lire de la nuance en langage libre	Garanties dures d'une séquence fixe
Interface	Canevas navigateur	Telegram, WhatsApp, Discord, CLI
Auto-hébergeable	Non (Make est cloud only)	Oui, Docker, licence MIT
Modèle tarifaire	Crédits par exécution de module	La facture tokens de votre fournisseur

Si vous vous retrouvez à empiler des chaînes de filtres et de routers Make pour absorber la forme brouillonne d'un message humain, c'est le signal. Vous simulez du raisonnement avec des branches, et les branches ne cessent de pousser. Ce travail relève d'un agent.

Si vous vous retrouvez à écrire des skills Hermes qui exécutent toujours les mêmes sept étapes, dans le même ordre, contre les mêmes trois APIs, c'est l'autre signal. Vous simulez un scénario dans un agent, et vous le paierez en latence et en coût. Ce travail relève de Make.

Quand Make.com gagne

Make est la bonne réponse quand :

Le déclencheur est clair et l'action voulue aussi ("quand un paiement Stripe réussit, fais X, Y, Z").
Il vous faut une séquence garantie avec retries, branches d'erreur et trace par exécution.
Les intégrations dont vous avez besoin sont déjà dans le catalogue de 3 000+ et vous ne voulez pas coder.
Vous tenez au throughput : des milliers d'exécutions par heure à coût prévisible.
L'équipe qui possède l'automatisation préfère un canevas visuel à une interface chat.

C'est là que vit le gros de l'automatisation métier : routage de leads, flux de facturation, notifications, ETL entre SaaS, rapports quotidiens. Make dévore cette catégorie. Si votre charge ressemble plus au terrain de n8n, on a comparé les deux en détail dans Hermes Agent vs n8n, et le même cadre s'applique ici.

Quand Hermes Agent gagne

Hermes est la bonne réponse quand :

L'entrée est du langage non structuré et la réponse dépend de sa compréhension.
Le travail est personnel, pas un flux métier partagé. Votre agent, vos projets, vos contacts.
Vous voulez de la mémoire longue durée entre plein de sessions, pas seulement dans un run.
L'interface doit être un chat que vous ouvrez déjà dix fois par jour, pas encore un dashboard.
Vous voulez ajouter des capacités en écrivant un fichier markdown de skill, pas en glissant des modules sur un canevas.

C'est la catégorie de l'agent personnel. Digests quotidiens dans votre ton, questions de référence avec le contexte de vos projets, journaling récurrent, curation de lecture, assistants de travail focalisés qui survivent des semaines. On a comparé Hermes aux principaux outils IA en chat seul dans Hermes Agent vs ChatGPT, Claude et Gemini, et ce même raisonnement memory-first est ce qui le sépare du modèle scenario-first de Make.

Démarrez avec Hermify si vous voulez un Hermes Agent géré sur Telegram en moins d'une minute, sans serveur à maintenir.

Le pattern hybride qui bat les deux

L'erreur à éviter est de traiter ça en ou/ou. Les meilleurs setups 2026 utilisent les deux, avec un relais propre :

Make déplace les données. Webhooks, déclencheurs cron, plumbing d'APIs, fan-out déterministe, retries, logs d'audit. La fiabilité et le throughput vivent là.
Hermes décide quoi en faire. Quand un scénario a besoin de nuance ("résume ce ticket support et étiquette-le correctement", "rédige une réponse qui sonne comme nous", "décide si ce lead vaut la peine de réveiller le commercial"), Make appelle Hermes sur son endpoint HTTP compatible OpenAI et utilise la réponse comme valeur d'un autre module.

En pratique, c'est un scénario Make déclenché par webhook, qui tape un endpoint Hermes en cours de flux avec le payload non structuré, parse la réponse structurée renvoyée par Hermes et repart sur le chemin déterministe. Hermes apporte mémoire, jugement et contexte accumulé dans le scénario. Make apporte fiabilité, intégrations et fan-out avec limites de débit autour.

Le sens inverse marche aussi. Une skill Hermes peut appeler un webhook Make pour "faire la chose" avec garanties : envoyer les vrais e-mails, mettre à jour les vrais enregistrements, faire le fan-out vers les vrais SaaS. L'agent raisonne, Make exécute.

Et les AI Agents natifs de Make ?

Question juste. La beta AI Agents de Make montre que la plateforme voit l'écart, et pour une certaine classe de travail le module agent intégré suffit. Si votre automatisation est 90 % de plumbing déterministe avec une étape qui demande une décision modèle, rester dans Make est la réponse la plus simple.

Là où les agents intégrés sont courts aujourd'hui, c'est sur tout ce qui est mémoire ou conversationnel. Le system prompt statique fait que l'agent ne s'adapte pas facilement à votre contexte accumulé de semaine en semaine. La contrainte d'un déclencheur unique par scénario empêche le pattern "discutez avec votre agent". Et le modèle est soudé à l'instance d'agent, donc tester un fournisseur moins cher ou plus récent oblige à refaire.

Hermes est memory-first et conversation-first. Si le travail se déroule sur beaucoup de tours, se souvient de ce que vous avez dit le mois dernier et vous atteint là où vous êtes déjà, c'est la charge pour laquelle Hermes a été construit. Si le travail se déclenche une fois, fait cinq étapes déterministes et renvoie un résultat, c'est chez Make, avec ou sans agent intégré.

Coût, hébergement et lock-in

Make est cloud only, hébergé par Celonis. Aucun chemin d'auto-hébergement aujourd'hui. Le prix est aux crédits, et les modules IA consomment plus de crédits que les autres, donc un scénario IA-intensif peut cramer un plan plus vite que son compteur d'exécutions ne le laisse penser.

Hermes est sous licence MIT et se sert avec plusieurs backends dont Docker et SSH. Le coût est dominé par le fournisseur de LLM que vous ciblez : votre facture OpenAI, Anthropic ou OpenRouter, avec un overhead runtime quasi nul. Hermes est bring-your-own-key par conception, vous contrôlez donc le choix du modèle et la dépense directement. On a détaillé les arbitrages entre s'auto-héberger et prendre du managé dans Hermes Agent hosting vs self-hosting.

Pour la plupart des indépendants, la facture mensuelle réelle de Hermes tourne entre 5 $ et 30 $ selon le volume de conversation, plus éventuellement la ligne d'hébergement managé. La facture réelle Make vit sur Core ou Pro (9 $ à 16 $) tant que vous surveillez votre consommation de crédits sur les modules IA.

Comment choisir

Un récap rapide pour trancher :

Si votre problème est "connecte ces SaaS quand quelque chose arrive", choisissez Make.
Si votre problème est "je veux une IA qui me connaît et agit pour moi", choisissez Hermes.
Si votre problème est "je veux de l'automatisation SaaS qui gère de l'input non structuré intelligemment", utilisez les deux, avec Make appelant Hermes en cours de scénario ou Hermes appelant Make pour les étapes déterministes.

Forcer l'un à faire le travail de l'autre est le mode de panne. Make n'est pas un agent de raisonnement memory-first, et Hermes n'est pas un moteur de scénarios. Une fois que c'est intégré, le choix devient facile et le pattern hybride devient évident.