AI Systems

Cette section rassemble des guides sur la connaissance persistante et la mémoire des systèmes d’IA — comment les assistants conservent les faits, les préférences et le contexte condensé entre les sessions, sans entasser chaque jeton dans une seule invite. Ici, la mémoire désigne une rétention intentionnelle (faits utilisateur, résumés, magasins soutenus par des plugins), et non la RAM du GPU ou les poids du modèle.

Vous connaissez la routine. Vous ouvrez une conversation avec un agent IA, vous lui expliquez votre projet, partagez vos préférences, obtenez des résultats, puis fermez l’onglet. La semaine suivante, en revenant, c’est comme parler à un étranger : tout le contexte a disparu, chaque préférence a été oubliée, le projet doit être réexpliqué à partir de zéro.

OpenClaw n’a pas échoué en tant que produit. Il a perdu son carburant.

L’assistant IA Hermes, officiellement documenté sous le nom de Hermes Agent, n’est pas positionné comme un simple wrapper de chat.

OpenClaw possède deux types d’extensions, et il est facile de les confondre.

Les plugins étendent le temps d’exécution (runtime). Les compétences (skills) étendent le comportement de l’agent.

Cet article porte sur les plugins OpenClaw — des paquets de passerelle natifs qui ajoutent des canaux, des fournisseurs de modèles, des outils, de la parole, de la mémoire, des médias, une recherche web et d’autres surfaces d’exécution.

OpenClaw semble simple dans les démos. En production, il devient un système.

La faille discrète qui a alimenté une vague d’expérimentation d’agents est désormais close.

Hermes Agent est un assistant IA hébergé en propre (self-hosted), indépendant du modèle, qui s’exécute sur une machine locale ou un VPS à faible coût, fonctionne via des interfaces en terminal et de messagerie, et s’améliore avec le temps en transformant les tâches répétitives en compétences réutilisables.

La plupart des configurations locales d’IA commencent par un modèle et un runtime.

OpenClaw est un assistant IA auto-hébergé conçu pour fonctionner avec des runtime de LLM locaux comme Ollama ou avec des modèles cloud tels que Claude Sonnet.

La plupart des configurations locales d’IA commencent de la même manière : un modèle, un runtime et une interface de chat.