Transcription
Il y a 2-3 mois, tout le monde parlait d'OpenCL, mais depuis, il y a beaucoup de nouveaux acteurs qui ont émergé, notamment un qui fait beaucoup parler de lui, qui s'appelle Hermes Agents. Il a la particularité d'apprendre de lui-même en boucle, ce qui fait que plus on l'utilise, plus il devient performant. Le nombre d'étoiles sur GitHub a été largement dépassé. Il y a une vague de migration depuis OpenCL à Airmess Agent. Et du coup, la vraie question, c'est : est-ce que c'est de la hype, comme on voit beaucoup dans le monde de l'IA, ou de la vraie performance ? Et c'est exactement ce qu'on va voir aujourd'hui.
Comme d'habitude, j'ai pris le temps de bien "geeké" Hermes, de l'installer, de le configurer, de dépenser peut-être un peu trop de sous pour pouvoir voir si ça marchait bien. Et dans cette vidéo, on va voir toutes les démos, tout en détail pour savoir si oui ou non ça vaut le coup de switcher, ou pour ceux qui n'avaient même pas installé OpenCL, d'aller sur AirM directement.
Alors pour ceux qui se demandent de quoi je parle, OpenCL, Hermes, ce sont des agents autonomes qui tournent généralement sur un ordi externe, sur un VPS, que plein de gens utilisent directement sur leur téléphone et qui permet de faire plein de choses. J'ai récemment eu l'occasion de beaucoup en parler et c'est vrai qu'il révolutionne la manière dont on utilise l'IA aujourd'hui. Beaucoup de gens se sont arrêtés au chatbot, c'est-à-dire ChatGPT, Claude, et cetera, mais il y a un autre monde qui est là, et c'est le monde des agents autonomes, celui-là, celui d'Hermes et OpenCL.
Alors déjà, parlons de pourquoi les gens ont commencé à migrer de OpenCL vers Hermes. En tout cas, je vois de plus en plus de gens qui le font pour quatre raisons assez simples. La première, c'était que l'installation était au final assez compliquée. Même s'il y avait des gens qui avaient créé des installations en "one-click" et cetera, en fait, dès qu'on voulait utiliser pleinement OpenCL, bah ça devenait un défi technique. Le deuxième, c'est que la mémoire était faillible, c'est-à-dire qu'il n'avait pas un système pour pouvoir mettre dans sa mémoire persistante des informations, ce qui fait que les gens se plaignaient que OpenCL oubliait des choses. Le troisième élément, c'est que c'était un petit peu dur à entretenir parce que il avait une infrastructure qui était assez compliquée. Bon, c'était la V1, donc évidemment, c'était compliqué. C'était la première version des agents IA autonomes de ce genre-là. Le quatrième élément, c'est les mises à jour qui faisaient en sorte que OpenCL, en fait, cassait, ne fonctionnait plus, et donc ça créait des problèmes évidemment de maintenabilité. Parce que d'un côté, quand on ne mettait pas à jour, on était à risque avec des problèmes de sécurité, et de l'autre côté, bah si on le mettait à jour, ça ne fonctionnait plus. Bref, c'est les quatre raisons pour lesquelles les gens partaient de OpenCL vers RMS. Notamment moi, ce qui me frustrait le plus, c'était que une fois sur deux, quand je lui disais quelque chose, je sais pas, par exemple, "la prochaine fois, ne fais plus ça" ou "ne réponds plus comme ça" ou "pense à faire ça", et bien il oubliait complètement. Il s'en souvenait plus tout simplement parce qu'il n'avait pas enregistré sur des fichiers, sur une ce qu'on appelle une mémoire persistante. Il l'avait juste dans son contexte. Et maintenant qu'on commence à mieux en mieux comprendre le contexte, on savait que le contexte au bout d'un moment se compacte et on ne se souvient plus de rien.
Alors ça ne veut pas dire que OpenCL n'avait pas de mémoire persistante, hein. C'est juste que pour bien la configurer, bah fallait prendre le temps. Ce n'était pas un truc qui était fait par défaut. Là où sur Hermes, on a le comportement par défaut qui est que quand il va faire une action, il va apprendre au fur et à mesure et il va l'enregistrer dans sa mémoire persistante.
Je prends 30 secondes pour expliquer la différence entre un chatbot comme Claude, ChatGPT ou Gemini et en fait un agent. Un chatbot, vous allez aller le voir pour pouvoir discuter avec lui. Certes, il va avoir la possibilité d'accéder à vos mails, de faire des actions et cetera, mais il va manquer d'autonomie. En fait, il va faire deux-trois petites actions, mais il ne va pas être hyper autonome comme un agent qui va avoir accès à des outils, à sa propre mémoire, à différents moyens de communication, un prompt système qui va lui être propre. Ces chatbots-là deviennent de plus en plus des agents IA, mais ceux-là, en tout cas, OpenCL et Hermes sont de vrais agents IA autonomes qui ont accès à bien plus de choses et donc du coup peuvent faire bien plus de choses, et notamment s'exécuter eux-mêmes.
Mais du coup, si tous les deux, Hermes et OpenCL, sont des agents IA, c'est quoi la différence ? Et bien la différence se fait en fait dans la manière dont il va fonctionner. Hermes. Hermes a une boucle d'auto-amélioration. Il va avoir, comme OpenCL, une mémoire, des skills, des outils, un système prompt et cetera. Mais sauf que dans sa manière de fonctionner, dès qu'on va lui demander quelque chose, et bien au début, quand on va lui demander quelque chose dans un premier temps, il va peut-être pas savoir faire. Et bien du coup, il va nous poser des questions. Mais une fois qu'il a compris comment faire cette action, je vous prends un exemple. Je vais par exemple lui demander d'aller créer un devis pour un de mes clients. La première fois, il va me poser des questions et je vais faire un aller-retour avec lui pour lui expliquer comment. Mais dès qu'il aura réussi, j'aurais pas besoin de lui expliquer qu'il faut l'enregistrer dans sa mémoire. Il va automatiquement créer ce qu'on appelle un skill, donc une compétence. Et il va auto-améliorer cette skill au fur et à mesure. Donc c'est un agent qui va apprendre de lui-même en fonction de ce qu'on lui dit et de comment il réussit.
Alors ça peut paraître bête, mais quand on est dans un usage quotidien, c'est un comportement qui, en tant qu'humain, paraît naturel, de s'auto-apprendre. Et pour les agents, ça ne l'est pas du tout. Du coup, le fait que Hermes ajoute ça, ça rend l'utilisation de Hermes beaucoup plus puissante et autonome. Là où dans OpenCL, ce qu'il fallait faire, c'était évidemment installer des skills, donc des compétences à la main, mais pour pouvoir les modifier, fallait explicitement lui dire "va modifier ce skill". Alors que dans la réalité, on n'a pas besoin tous d'être des ingénieurs de comment fonctionne un modèle et un système d'un agent IA pour lui expliquer à chaque fois comment modifier son skill. Et il est censé le faire lui-même, et c'est la différence principale entre les deux.
Alors, ça c'est la théorie de comment fonctionne la boucle d'auto-amélioration, mais il n'y a rien de mieux que de voir un exemple. Donc moi, j'utilise Hermes depuis WhatsApp. Donc je vais ouvrir mon WhatsApp. Là, je suis sur la fenêtre du coup de mon bot qui est ici. Et je vais lui demander une tâche qu'il n'a jamais faite jusque-là, qui est : "Est-ce que tu peux analyser les commentaires de ma chaîne YouTube ? Voici le lien. Regarde la dernière vidéo, analyse les 50 premiers commentaires et fais-moi un rapport détaillé ici directement sur WhatsApp sur qu'est-ce qu'il faut que j'améliore sur ma vidéo." Là, je lui donne le lien de ma chaîne, c'est quelque chose que je lui ai jamais demandé, et on va voir ce qui se passe.
Donc là, il est en train de commencer à m'écrire. Là, je le fais sur WhatsApp. Évidemment, c'est disponible sur Telegram, iMessage et cetera et cetera. Signal. On a aussi une interface graphique dont je vais vous parler dans la suite de cette vidéo. Mais là, du coup, il est en train de me dire tout ce qu'il est en train de faire. En qui va sur le lien, il clique, il navigue, il prend des screenshots. Là, étant donné que c'est la première fois que je lui demande, il utilise le modèle pour savoir un petit peu quoi faire, mais vous verrez à la fin ce qui va se passer. OK ? Donc là, il a fini, il a analysé tous les commentaires. OK, questions fréquentes et cetera, les signaux faibles, critiques constructives, c'est hyper quali. Et à la fin, il me demande : "Est-ce que tu veux que je transforme ça en cron job pour analyser ses commentaires à chaque nouvelle vidéo ? Et je t'envoie un rapport sur WhatsApp ?" Je voulais dire oui. Si vous savez pas ce que c'est qu'un cron job, restez encore un peu dans la vidéo, on va voir, c'est ça qui permet de faire en sorte que ça s'auto-éclenche. Et du coup, dans mes schedules jobs, donc en fait, dans mes dans mes choses qui se passent de manière régulière, j'ai un nouveau truc qui vient d'apparaître qui est "analyse de commentaires YouTube". Mais on en parle tout à l'heure de ça. Voilà, c'est fait.
Mais là, ce qui vient de se passer en réalité dans mon système, c'est que pour la première fois, il l'a fait à la main, c'est-à-dire que il a résolu la tâche et cetera. Mais en fait, ce qu'il a fait, c'est qu'il a généré un skill, qui fait que maintenant, il a une nouvelle compétence qui vient de se créer, qui permet d'analyser les commentaires d'une chaîne YouTube. OK ? Donc là, du coup, il s'est créé son cron job et à la fin, vous voyez "skill manage YouTube YouTube comment analysis". Donc en fait, il s'est créé un skill et ici dans mon interface, donc il y a tous les skills qui sont dispo ici. Si je tape YouTube, vous voyez, il a un nouveau skill qui s'appelle "YouTube comment analysis" avec exactement comment faire. Et moi, je lui ai rien demandé. Il a fait ça par lui-même, et ce skill va s'auto-améliorer au fur et à mesure de mes conversations.
Et pour ceux qui ne voient pas ce que c'est qu'un skill, un skill dans le monde des agents IA, c'est une recette, un fichier qui décrit pas à pas comment faire une tâche, et ce qui évite du coup de dépenser des tokens pour trouver comment faire la tâche, comme je l'ai fait la première fois, et deuxièmement, pour éviter de faire des erreurs. Si on explique pas à pas comment faire une tâche, a priori, on a plus de chance que ça réussisse. Et des skills, il y en a plein. Hermes vient avec plein de skills déjà pré-installés. On peut évidemment en installer des nouvelles, il y en a plein qui existent, mais je vous avoue que le vrai sujet des skills, c'est quand on crée les nôtres, c'est là que notre agent IA devient surpuissant.
Donc là, on a parlé des skills qui étaient très importantes. Les outils, c'est un peu les actions que peuvent faire donc les mains, un petit peu de de votre agent IA. Mais cette mémoire, c'est ça qui fait la différence. La mémoire dans un agent IA, c'est ce qui va faire qu'il va être intelligent ou un peu bête parce qu'il n'aura pas de contexte sur vous. Sur Hermes, la mémoire est un petit peu simplifiée. Il y a les notes de l'utilisateur, l'utilisateur en lui-même avec tout ce qui existe, toutes les informations qu'il a sur lui et son soul. Donc en fait, ça, son âme. Là où sur OpenCL, c'était un peu éclaté entre plein de petits fichiers, sur Hermes, ça a été simplifié. Cette mémoire-là, c'est ce qu'on appelle la mémoire persistante, et c'est ce qui va faire que votre Hermes va être de plus en plus intelligent parce que c'est les informations qu'il ne va pas oublier, parce qu'à chaque conversation, à chaque message, il va se souvenir de votre profil, de qui il est, et des différentes notes que vous avez prises tout au long de son utilisation.
Et donc là, qu'est-ce qui vient de se passer ? En fait, Hermes, il a reçu ma tâche, il a déjà regardé dans ses skills s'il possédait déjà. Donc ça, ça s'est fait de manière complètement transparente, on ne l'a pas vu. Étant donné que le skill n'existait pas, bah du coup, il a exploré et cherché une solution solution par lui-même. S'il a réussi, donc en fait, il va continuer jusqu'à ce qu'il réussisse, contrairement au chatbot, hein. Généralement, lui, il continue, il continue, il essaie, il essaie. Et d'ailleurs, quand on configure Hermes, il nous demande "Combien de fois tu veux que j'essaie ?" Et par défaut, c'est 90. Donc en fait, il est très autonome. S'il échoue, bah il continue d'essayer. Et quand il réussit, il va regarder si ça fonctionne bien. Là, c'est ce qui s'est passé dans mon WhatsApp quand quand il m'a proposé tout ça, et du coup, il a vu que ça fonctionnait bien, il a identifié les étapes et il a créé un nouveau skill. En plus de ça, chose que je ne lui avais pas demandé, il m'a demandé, par mon utilisation, hein, parce qu'il a vu que je faisais souvent des tâches, ce qu'on appelle des cron jobs, donc des tâches qui s'auto-exécutent. Il m'a demandé : "Est-ce que tu veux que je le mette en place automatiquement ?" Et ça, ensuite, il l'a enregistré dans sa bibliothèque pour que la prochaine fois, et bien, il passe plutôt dans cette branche et utilise le skill automatiquement. Et dans le cas où, euh, la prochaine fois, je lui fais un feedback où il voit qu'il y a une meilleure manière de faire, bah, il va continuellement auto-améliorer le skill, en fait. Il ne s'arrête pas une fois.
Je vous parle de cron job depuis tout à l'heure, je vais vous dire exactement ce que c'est. C'est des tâches qui sont programmées, schedules. Donc là, typiquement, j'ai une tâche programmée qui s'appelle "annonce immobilière ANC" dans lequel, bah voilà, elle s'exécute souvent, dans laquelle je lui ai demandé qu'il me fasse une recherche immobilière sur ANC parce qu'on est en train de chercher un appart et du coup, plusieurs fois par jour, il me propose des apparts et cetera avec le lien. Mais ça n'a pas toujours fonctionné comme ça. Il y a un moment donné, ça fonctionnait pas. Du coup, je lui ai dit : "Écoute, ton truc, bah il fonctionne pas du tout." Je lui ai rien dit d'ailleurs, j'ai juste copié le truc. Donc là, spécifiquement, c'est bon, il a réparé le truc, il a vu d'où venait le problème. Grossièrement, le job s'exécutait dans le mauvais dossier. Il a réparé, il a modifié le wrapper et il a dit : "C'est bon, maintenant ça va tourner toutes les 30 minutes sans erreur." Et surtout, vous voyez ce petit truc là là, "self improvement review, memory updated". Donc il a mis à jour ma mémoire et surtout la boucle d'auto-amélioration s'est déclenchée. Et c'est ça dont on parle : quand il y a un échec, il juste et il explore les solutions, il réussit, et après il met à jour les différents fichiers, soit sa mémoire, soit des skills, soit différents fichiers.
Bon, parlons maintenant des différentes manières d'utiliser Hermes. Moi, vous l'avez vu, je l'utilise sur WhatsApp, mais je l'utilise aussi sur ce qu'on appelle la Web UI. C'est une interface qui permet d'accéder à Airmes, mais ce n'est pas le Hermes de base, hein. Quand on utilise Hermes, souvent les gens qui commencent à utiliser Hermes ont un terminal. Je trouve que l'utilisation sur le terminal n'est pas terrible. C'est pourquoi on peut connecter évidemment WhatsApp, Telegram et tous les autres applications classiques qu'on pouvait déjà connecter sur OpenCL. Mais il y a une petite nouveauté sur Hermes, c'est qu'il y a une interface qui est comme ça, qui nous permet de contrôler un petit peu Hermes, qui n'est pas nécessairement simple à installer. Et moi, j'ai découvert pendant l'installation qu'il y avait un projet open source qui existait qui s'appelait la Web UI de Hermes, qui, bah, est une manière d'utiliser Hermes qui, je trouve, est bien meilleure parce que bah, il y a plein de choses intégrées comme les schedule jobs, donc les cron jobs dont je vous ai parlé, un Kanban, des skills, la mémoire qui est visible, on peut voir les workspaces, créer plusieurs utilisateurs, avoir un endroit où on met les "to-do", certains insights d'utilisation et cetera, et avoir les logs. Et ça, je vous montre juste une petite partie de cette interface. Au début, quand j'ai découvert ça, j'étais pas impressionné, mais dans l'utilisation du quotidien, quand on est sur son ordi, bah je trouve que c'est quand même bien meilleur. Et mon WhatsApp, je l'utilise quand je suis en train de faire autre chose et pas nécessairement sur mon ordi. Mais voilà un peu les manières d'utiliser, d'interagir avec Hermes. En soi, c'est plus ou moins la même chose qu'OpenCL avec les accès à des fichiers, les accès à un terminal, les accès à des applications. Donc il peut tout faire, hein. Ça, ça s'utilise sur un ordinateur. Vous pouvez d'ailleurs l'installer sur votre ordinateur, mais chose que je déconseille fortement parce que du coup, il aura accès à vraiment tous vos fichiers et du coup, l'agent pourrait faire un peu n'importe quoi. Bon, parce que de base, quand on utilise Hermes, en fait, au début, il nous demande de valider chaque chose une par une, mais c'est chiant parce que en fait, en soi, si on veut un agent autonome, on veut qu'il soit autonome, on n'a pas envie de valider chaque chose une par une. Donc vous pouvez soit l'installer sur un ordi externe, comme moi là-bas, donc sur un autre ordinateur sur lequel vous n'avez pas vos fichiers à vous, ou alors sur un serveur. Ce qui fait que d'un point de vue sécurité, on est quand même beaucoup plus safe parce que vous n'avez pas toute votre vie qui traîne et vous contrôlez spécifiquement ce que vous mettez sur le serveur.
D'un point de vue installation, il y a plein de manières d'installer Hermes. Très honnêtement, j'ai beaucoup, beaucoup galéré. J'ai exploré toutes les manières d'installer déjà OpenCL à l'époque, mais je trouve que là, la meilleure solution, et très honnêtement, je dis pas ça parce qu'ils sont partenaires de cette chaîne depuis un petit moment, mais la meilleure solution aujourd'hui, c'est d'installer via Hostinger. Et je vais vous montrer pourquoi. Parce que quand on va sur Hostinger, en fait, ils ont un catalogue avec plein de projets open source que vous pouvez installer. Et quand on tape Hermes, en fait, il y a Hermes de base, juste avec le terminal, ou sinon, il y a le Hermes Web UI qui est du coup directement connecté. Vous enlevez plein de nœuds au cerveau que moi j'ai eu initialement en voulant installer la Web UI, parce que tout est directement connecté dans un seul conteneur de Docker. Donc si vous voulez l'installer de votre côté, vous avez là la page de Hostinger. Je vous conseille moi KVM2 parce qu'il faut quand même un petit peu de RAM, de mémoire et cetera. Une fois que vous allez dessus, bah pour les plans 12 mois et 24 mois, si vous allez ici et vous mettez le code promo "Shouam Sharma", vous avez une réduction supplémentaire ici. Alors attention, c'est uniquement sur les 12 mois et 24 mois, et c'est surtout uniquement pour les nouveaux comptes. Donc si vous avez déjà installé un NN ou quoi que ce soit, malheureusement, et j'ai tout essayé avec eux, ce n'est pas possible. Alors ce que vous aurez d'installer, c'est celui-là. Mais si vous voulez la version Web UI, une fois que c'est terminé d'installer, vous allez tout simplement ici dans "Système d'exploitation application Docker" et là, même si c'est déjà installé, et ben vous sélectionnez la version Web UI qui du coup sera avec ce que vous voyez ici, qui, je trouve, cette version-là a beaucoup plus de fonctionnalités, notamment un truc qui sont les Kanbans. Les Kanbans, c'est quand un agent orchestrateur déploie plein de sous-agents pour effectuer des tâches. Mais avant ça, pour ceux qui n'ont pas encore de compte Hostinger, du coup, n'hésitez pas à utiliser le lien en description ainsi que le code promo.
Mais maintenant, parlons un petit peu de cette Web UI que je suis en train de "survendre", mais vous verrez que pour l'utilisation, c'est bien mieux. Quand vous serez ici, on va vous donner un mot de passe de Web UI et puis derrière, il faudra mettre, et ben, une clé API du LLM que vous voulez utiliser. Vous allez voir dans la suite de cette vidéo qu'on va utiliser aucun des LLM qui sont là. Mais pour commencer, vous pouvez commencer à utiliser Entropique. Après, on va aller en configurer une autre qui va être bien moins chère parce qu'il y a quand même une question de coût quand on commence à utiliser massivement ce genre de truc. Une fois que vous aurez fini d'installer, vous serez sur cette partie-là avec qui vous pourrez, bah du coup, discuter avec votre votre agent ici, qui est connecté à un modèle. Et on va parler d'un truc, on a déjà parlé des cron jobs, donc des schedules jobs, donc les choses qui s'exécutent elles-mêmes que vous pouvez programmer directement en leur parlant. Qui je lui dis : "Est-ce que tu peux mettre en place une tâche récurrente qui tous les jours va me faire un topo sur toutes les actualités sur le monde de l'IA ?" Et ben du coup, il va pouvoir me mettre en place un cron. J'en ai déjà parlé. Là, je vais lui dire à 8h du matin, en français et sur WhatsApp. Et du coup, c'est sur WhatsApp qui va venir me faire le topo. Voilà, il a trouvé mes contacts, il m'a trouvé moi, et hop, il met en place un DM et cetera.
Il y a ce truc qui s'appelle Kanban, qui en fait est comme sur Notion, un board Notion. Donc je vais vous montrer un peu comment ça fonctionne. Donc là, je vais aller sur une nouvelle conversation. Je lui dire : "J'aimerais créer un site web pour ma chaîne YouTube dans lequel il va y avoir plusieurs sections. Déjà, il va falloir que tu ailles sur ma chaîne YouTube, comprendre les différentes vidéos de ma chaîne YouTube, les prendre, les mettre sur le site et cetera." Sauf que pour pouvoir le faire, tu vas déployer plein de sous-agents qui vont venir développer cette tâche, et tu vas mettre tout ça dans le Kanban afin que je puisse monitorer les différentes tâches et que plein de sous-agents puissent aller les exécuter. Et là, vous allez voir ce qui va se passer. Bon, là, je vais fermer le détail. Parlons peu, parlons bien. D'abord, je lance l'exploration et je découvre les profils disponibles pour le Kanban. Et en fait, là, il est en train de comprendre parce qu'il a une compétence, donc un skill. Et pour ceux qui ne voient pas ce que c'est qu'un Kanban, vous avez déjà vu sur Notion et cetera, mais pour pouvoir au mieux monitorer les différentes tâches qui arrivent. Là, vous voyez mon Kanban est vide, mais quand il va venir le remplir. OK, donc là, il a récupéré toutes mes vidéos, il récupère la liste. Donc vous voyez, il fait plein de trucs par lui-même. OK, là, il me dit : "Écoute, j'ai récupéré tout ce qu'il fallait. J'ai une idée des différentes parties du site que je vais faire." Et il me propose des tâches pour le Kanban, donc notamment l'analyse de la chaîne, le design du site et cetera et cetera, qui va faire faire par des profils différents. Là, j'ai juste un profil, mais du coup, je vais accepter par exemple de créer un profil "worker" qui va être un website builder, à qui je vais déléguer la tâche et cetera. Allez, go. Et là, vous allez voir ce qui va se passer. Évidemment, à chaque fois, je peux regarder dans les détails ce qu'il fait. Pour l'instant, le Kanban est vide. Et là, du coup, il est en train d'ajouter les différentes tâches à effectuer. Il a créé les différentes colonnes, il crée les différentes tâches. Vous voyez là, moi, je ne fais rien. Du coup, il est en train d'ajouter les différentes tâches pour que des sous-agents avec des profils différents puissent aller les exécuter. Ce qui fait que ça, ça devient du coup mon interface de monitoring de ce que font les différents sous-agents. Et ici dans les profils, du coup, je peux créer autant de sous-profil que je veux avec des modèles différents et cetera. Et sur chaque tâche, si je clique dessus, bah je sais exactement où est-ce qu'ils en sont, quel worker, donc quel travailleur sous-agent est en train de travailler sur cette tâche et cetera. Donc voilà, mon Kanban est créé, les différentes tâches sont créées, et là, on est à T1 avec l'analyse des 15 vidéos YouTube. Donc voilà, c'est en cours. C'est-à-dire que cette tâche-là, quand elle sera terminée, bah du coup, elle va passer automatiquement en "done". Moi, si je veux, je peux ici moi-même créer des nouvelles tâches si j'ai envie ou archiver certaines qui ne me plaisent pas ou directement aller les modifier. En tout cas, mon agent là, il est hyper autonome et surtout, il lance des sous-agents qui économisent aussi des tokens.
Bon, je vais les laisser tourner. Moi, je vais aller ici vous parler de pourquoi j'utilise V4. Je vous avoue que j'ai perdu beaucoup d'argent en testant tous ces agents parce qu'en fait, les tokens coûtent cher, notamment avec des modèles comme Opus et GPT, bah en fait, le prix au token est quand même assez cher, et ces agents-là sont quand même relativement gourmands. Et en fait, au tout début d'OpenCL, j'utilisais mon abonnement Cloud, même si c'était interdit pour l'utiliser, l'abonnement à 200 dollars par mois, et ça me permettait d'avoir des requêtes illimitées. Et c'est un peu ce qui a fait initialement que mon OpenCL était hyper hyper cool, hyper intelligent parce que j'atteignais rarement les limites et mes 200 € étaient rentabilisés. Mais depuis Entropique a tout simplement en fait que voilà, on ne peut plus utiliser un abonnement Pro Max ou Max 2.0 sur des outils externes comme OpenCL ou Airmes. Mais du coup, j'étais obligé d'utiliser Airmes au token. C'est-à-dire qu'en fait, il y a deux manières d'utiliser ces LLM là. Soit on les utilise en abonnement, mais le problème, c'est qu'on est très vite bloqué étant donné que ces agents IA sont gourmands. Soit on les utilise en API, c'est-à-dire qu'on paye au réel à chaque token qu'on va utiliser, et ça coûte très, très cher. Et les modèles GPT-4 ou Opus, bah en fait, coûtent extrêmement cher quand on les utilise comme ça. Et c'est d'ailleurs la problématique qu'ont la plupart des gens, et la plupart des gens baissent les bras au moment où ils commencent à utiliser Hermes comme ça. Sauf que il y a DeepSeek V4, c'est un modèle qui est extrêmement peu cher. Et là, en 3 jours, depuis que j'ai branché l'API DeepSeek, j'ai utilisé à peine 40 centimes. Alors que sur Entropique, en quelques conversations, j'avais déjà utilisé 17 dollars. Évidemment, parce que j'utilisais le modèle qui était le plus gros. Et du coup, il n'y a pas photo, et là, j'utilise DeepSeek V4 Flash, mais je peux utiliser aussi le Pro. Mais clairement, Flash me suffit pour toutes les tâches que je fais.
Alors disclaimer, DeepSeek, et j'en ai beaucoup parlé sur ces chaînes, est une boîte chinoise. Donc évidemment, quand vous utilisez DeepSeek avec Hermes ou quoi que ce soit, vous acceptez que vos données partent en Chine. Et je sais qu'il y en a beaucoup qui font très attention à leurs données, et ils ont bien raison. Et pour ceux qui veulent utiliser Hermes en local, on peut tout à fait le connecter à Ollama. J'ai fait toute une vidéo entière sur comment run un modèle en local, et c'est tout à fait possible de s'y connecter, et je vous invite à aller la regarder cette vidéo si ça vous intéresse. Mais si vous vous en foutez de vos données et vous voulez vraiment pas payer cher, et bien vous pouvez directement ici créer une clé API et derrière l'utiliser dans l'interface. Ici, vous allez dans "Settings", "Providers", vous avez tous les providers qui sont disponibles ici. Et là, sur DeepSeek, bah vous pouvez mettre votre clé, ce qui fait que vous aurez accès du coup à l'utilisation du modèle. Et du coup, ce que je vous conseille, c'est d'avoir un modèle pour, par exemple, orchestrer comme DeepSeek, un modèle si vous voulez faire des tâches de code, comme ce que je suis en train de faire. Dans l'idéal, j'aurais dû ici créer un nouveau profil qui était un profil de dev dans lequel je donnais non pas DeepSeek, mais Open, par exemple, ou GPT, et comme ça, je peux être beaucoup plus précis sur les différents profils et cetera, et les différentes utilisations de mes agents. Hier, et sur DeepSeek, il y a un truc qui est cool, c'est que le prix au token quand il s'agit du cache hit, quand on a quelque chose qu'on a déjà envoyé au LLM, et bien c'est du coup, ça coûte vraiment très peu cher, et c'est pour ça qu'il est assez performant DeepSeek là-dessus. Mais je ne suis pas inquiet sur le fait que les autres modèles vont aussi baisser leur prix, donc vous pourrez utiliser ça plus tard.
On va voir notre Kanban. Donc là, toutes les tâches sont terminées. Il a créé un fichier et donc là, je peux accéder à mon workspace ici. Donc grossièrement, c'est les différents fichiers que j'ai sur mon truc. Donc là, il a de la data, il a mon index.html. OK ? Et là, je fais "Open in browser". Voilà, il a fait un site de base avec toutes mes vidéos. En même temps, je lui avais quasiment rien donné en tant qu'information, mais l'idée, c'était juste de voir qu'il pouvait bosser ensemble avec plein de sous-agents.
Bon, maintenant, le verdict. Où est-ce qu'on en est un petit peu de OpenCL, Hermes ? Est-ce que c'est une hype et cetera ? Très honnêtement, en tant que gros utilisateur d'OpenCL, ce que j'ai vu, et je vous donne juste l'observation, c'est beaucoup plus facile à installer. Il y a beaucoup moins de bordel d'un point de vue fichier qui se crée au fur et à mesure parce qu'il y a une meilleure gestion des skills, des différents fichiers, et puis surtout avec cette Web UI, il y a une visibilité sur un petit peu ce qui se passe. Je trouve que ça oublie beaucoup moins de choses parce qu'en fait, dans le prompt système, sans même le configurer, bah il le met dans sa mémoire persistante, donc dans les différents fichiers qu'il a. Donc en soi, c'est top.
Et pour autant, est-ce qu'il faut migrer sur RMS si vous avez déjà un OpenCL configuré ? Et bien tout dépend de à quel point vous l'avez configuré pour vous. Moi, cette auto-amélioration sur OpenCL, je l'ai déjà mise en place. Mon système de fichiers, il est déjà mis en place. Donc pour moi, je n'ai pas vu un upgrade incroyable à aller dessus, si ce n'est la Web UI. Ça, c'est quand même le gros différenciateur, chose que je n'ai pas du côté OpenCL. Donc ça serait la seule raison pour laquelle je bougerai ici. Maintenant, OpenCL connecte aussi sur WhatsApp. La réalité, c'est que j'ai mes cron jobs, je peux lui demander et cetera. Il y a plein d'UI qui existent pour OpenCL aussi. L'autre problème, c'est que je ne l'ai pas vraiment mis à jour OpenCL. Encore mon OpenCL s'appelle encore Cloud Bot. Donc ce qui va se passer, c'est que je vais continuer à l'utiliser. D'ailleurs, en commentaire, n'hésitez pas à me poser des questions en plus parce que là, je suis parti pour "geeké" encore plus sur Hermes et je vais certainement découvrir plein de choses. Et si je vois que ce projet open source de Web UI va de mieux en mieux parce que j'ai quand même le listing de mes tâches et la feature Kanban qui est quand même géniale, chose que j'avais dû faire à la main de l'autre côté, et bah peut-être que je migrerai, mais pour l'instant, je reste sur OpenCL. Ça, c'est moi.
Maintenant, si vous êtes nouvel utilisateur et que vous n'avez jamais utilisé OpenCL, honnêtement, même si j'ai toute une plateforme de formation sur OpenCL et cetera, allez sur Airmes parce que c'est beaucoup plus facile à configurer. La Web UI vous simplifie grandement la vie. Vous n'avez pas à recommencer à gérer le système de fichiers et cetera. Vous démarrez simplement sur quelque chose de nouveau. Mais en soi, que vous alliez sur l'un ou sur l'autre, dans tous les cas, vous êtes gagnant. Parce que la plus grosse erreur aujourd'hui, c'est celle de juste rester avec un ChatGPT gratuit à poser des questions un peu basiques et se dire que l'IA, c'est encore de la merde et qu'on n'y est pas encore. Non, le vrai sujet, c'est d'aller tester ce genre de plateforme, de voir un peu l'évolution, d'essayer des trucs, de tester, de le configurer et peut-être de jeter à la poubelle plus tard, mais c'est d'expérimenter. Oui, c'est compliqué. Oui, c'est nouveau. Oui, c'est quelque chose qui sort complètement de votre manière de réfléchir et peut-être que c'est beaucoup trop technique. Néanmoins, vous aurez testé. Mais ne tombez pas dans la hype. Testez les choses plutôt que de juste regarder la hype sur des posts LinkedIn, des tweets ou regarder des gens faire. Donc le mieux, c'est d'expérimenter.
Je vous invite si ça vous intéresse, je fais plein de workshops qui sont uniquement accessibles quand on est sur ma liste email privée. Donc je vous mets un lien en description. Je fais plein de workshops qui sont organisés qui vous obligent en fait à mettre les mains dans le cambouis et à ne pas rester uniquement sur YouTube. Et si vous voulez vous faire encore une petite session et que vous n'êtes pas encore sûr de votre choix, je vous invite à regarder cette vidéo qui parle d'OpenCL en détail, ou alors celle-là si vous l'avez déjà vu celle-là, qui va vous parler sur comment fonctionne le contexte des tokens et pourquoi la plupart des gens gaspillent 90 % de leurs tokens sans même le savoir.