HERMES/AGENT

Hermes est une famille de modèles publiée par Nous Research, un collectif de recherche indépendant connu pour ses fine-tunes en poids ouverts sur des bases comme Llama et Mistral. Sa spécialité : le function calling natif, un format de sortie structuré (JSON) fiable, et un system prompt qui se comporte vraiment comme une instruction, pas comme une simple suggestion noyée sous des couches de sécurité corporate.

Chaque version part d'un modèle de base différent et vise un compromis différent entre taille, qualité et matériel nécessaire. La bonne version dépend surtout de ce que ta machine peut faire tourner.

Un chatbot classique décrit ce qu'il ferait. Un modèle Hermes correctement outillé appelle réellement une fonction, avec des arguments structurés que ton code peut exécuter. Le modèle est entraîné à produire ce format nativement, sans bidouille de prompt.

// Le modèle reçoit la définition d'un outil dans le system prompt
tools = [{
  name: "get_weather",
  description: "Renvoie la météo pour une ville",
  parameters: { city: "string" }
}]

// La réponse du modèle contient un appel structuré, pas du texte libre
<tool_call>
{ "name": "get_weather", "arguments": { "city": "Lyon" } }
</tool_call>

// Ton code exécute réellement get_weather("Lyon")
// et renvoie le résultat au modèle pour qu'il continue

Pas besoin d'un datacenter pour commencer. Les versions quantifiées (GGUF) rendent Hermes accessible à une machine de bureau correcte.

Le function calling n'a d'intérêt que si quelque chose écoute derrière. Voici les usages qui reviennent le plus souvent.

La VRAM est le vrai facteur limitant, bien avant la puissance du processeur. Un modèle quantifié divise largement les besoins par rapport à la précision d'origine.