Aujourd’hui, la plupart des agents d’IA sont fondamentalement brisés sur un point critique : ils oublient tout. Après chaque session, leur contexte, leurs comportements appris et leurs ajustements spécifiques à l’utilisateur disparaissent, les obligeant à repartir de zéro à chaque fois. Cette apatridie constitue un goulot d’étranglement silencieux dans la course à la création d’assistants en chaîne autonomes et utiles. DWF Ventures a maintenant trouvé une réponse, en mettant en avant le framework open source Hermes de Nous Research, qui s’attaque directement au problème de mémoire, selon le rapport original de WuBlockchain.
La note de DWF affirme qu’Hermes se démarque parce qu’il ne s’agit pas simplement d’un autre outil d’automatisation ponctuel. Le framework introduit une mémoire persistante qui conserve les interactions, les sessions et les préférences apprises des utilisateurs au fil du temps. Ceci est combiné à un système de compétences automatisé qui étend les capacités de l’agent de manière organique et à des profils d’utilisateurs qui ancrent la mémoire sur une identité cohérente. Une boucle d’auto-amélioration affine continuellement ce que l’agent sait, augmentant ainsi son utilité plutôt que de réinitialiser chaque cycle. Pour un secteur qui a inondé le marché de wrappers de chatbot et d’agents API légers, cette conception marque un changement structurel vers une intelligence durable et composée.
Pourquoi les agents apatrides sont devenus la norme
Les architectures sans état sont bon marché et simples. Ils évoluent dès leur conception et évitent de stocker des données utilisateur sensibles. Cela avait du sens pour les premiers robots de trading crypto et les simples assistants Discord qui n’avaient besoin que de déclencher des alertes ou de traiter une seule commande. À mesure que les agents d’IA commencent à gérer des tâches plus complexes (interpréter les positions DeFi, gérer des opérations inter-chaînes en plusieurs étapes ou apprendre à partir de flux de données en chaîne), l’absence de mémoire devient un handicap. La répétition tue l’efficacité et le manque de personnalisation érode la confiance. Le cadrage de DWF suggère qu’ils regardent au-delà du battage médiatique vers une infrastructure capable de survivre à un engagement soutenu des utilisateurs, et pas seulement une bonne démonstration.
Cette poussée vers des agents dynamiques et sensibles à la mémoire s’aligne sur le mouvement plus large vers une infrastructure d’IA décentralisée. Des projets ont commencé à assembler des couches de calcul, de stockage et de formation qui permettent aux agents d’IA de fonctionner sans dépendre de cloud centralisés. Par exemple, les partenariats informatiques distribués comme UXLINK et les travaux d’Origins Network sur les applications Web3 évolutives basées sur l’IA montrent comment la plomberie est en train d’être posée pour les agents qui ont besoin d’un calcul persistant. Hermes y contribue en s’appuyant sur le réseau de formation décentralisé Psyché de Nous, une couche qui répartit le gros du travail de raffinement du modèle.
Sécurité, clés scellées et réseau Psyché
La mécanique sous le capot n’est pas seulement une question de mémoire. Hermes isole les informations d’identification afin que les jetons d’accès et les clés privées ne soient pas mélangés à la couche de raisonnement principale de l’agent. La rédaction secrète et la rotation automatique des clés lui confèrent une posture de sécurité plus proche d’un système de garde que d’un robot expérimental typique. Cette architecture est importante car les agents avec état qui détiennent les informations d’identification des utilisateurs deviennent des cibles de grande valeur. L’intégration de ces fonctionnalités à Psyche, un réseau de formation décentralisé, signifie que les modèles eux-mêmes sont affinés par une structure de nœuds distribués plutôt que par un serveur unique, ce qui réduit les points centraux de défaillance.
La demande de stockage pour ces agents d’apprentissage persistants suit une tendance reconnaissable. À mesure que les modèles accumulent des connaissances et des historiques d’utilisateurs, le besoin d’un stockage bon marché et vérifiable augmente. L’intérêt croissant pour les couches de données d’IA a déjà mis des projets comme Filecoin dans le débat sur des solutions de stockage décentralisées adaptées aux charges de travail d’IA. Hermes n’exécute peut-être pas directement le stockage en chaîne, mais la boucle d’auto-amélioration sur laquelle il s’appuie sera inévitablement tirée et poussée vers des environnements décentralisés si elle s’adapte aux cas d’utilisation du Web3.
Là où l’avantage n’est pas garanti
DWF compare explicitement Hermes à Claude Code et OpenAI Codex, arguant que leur capacité à générer du code sur le moment ne se traduit pas par une capacité combinée au fil des semaines d’utilisation. Un agent apatride peut réaliser un audit de contrat intelligent parfait un jour et oublier tout le contexte du projet le lendemain. Le différenciateur d’Hermès réside dans sa capacité à empiler les expériences. Il s’agit d’un véritable fossé si l’exécution est propre, mais cela exige également que les utilisateurs s’engagent dans un environnement d’agent unique et de longue durée, ce que le marché a mis du temps à faire en dehors des opérations financières de niche.
La nature open source d’Hermès va dans les deux sens. Il invite à un large audit et à une adaptation de la communauté, ce qui pourrait accélérer l’adoption des outils DeFi, des opérations DAO et des analyses NFT. Dans le même temps, rester open source tout en conservant un avantage en matière de sécurité par rapport à des concurrents bien financés et fermés est une corde raide. Il reste incertain si Hermes capture suffisamment d’esprit de développeur pour devenir l’échafaudage par défaut pour les agents Web3 avec état. La mémoire à elle seule ne garantit pas l’utilité si la qualité du raisonnement sous-jacent est à la traîne ou si l’intégration avec les portefeuilles et dApps existants reste maladroite. L’attention portée à DWF est le signe que l’argent du risque s’intéresse à l’architecture, et pas seulement au nombre d’utilisateurs. Pour les équipes constituées dans l’espace des agents IA, le modèle Hermès devient désormais la référence pour ce qui suivra l’ère des chatbots.
