Deux ou trois choses que l'on sait de NOUS

Vingt-quatre millions de clones. Deux cent cinquante-huit mille étoiles sur GitHub. Une valorisation de 1,5 milliard de dollars. À première vue, les chiffres de Nous Research ne racontent pas la même histoire que son organisation : une vingtaine de personnes, pas de data center géant, pas de modèle frontière de plusieurs centaines de milliards de paramètres. Le logiciel qui produit cette démesure est un agent en ligne de commande, distribué gratuitement, que chacun peut installer, modifier et héberger.

Cette anomalie est le sujet. Nous Research ne vend pas un modèle : elle vend un rapport de confiance à un agent. Sa thèse tient en une phrase, répétée depuis trois ans sous toutes les formes : les personnes qui utilisent une IA doivent en garder le contrôle. Tout le reste (la famille de modèles Hermes, l'agent, l'abonnement Nous Portal, le réseau d'entraînement Psyche) découle de cette promesse. Et bute sur une question que l'industrie n'a pas tranchée : peut-on vendre de la confiance quand on donne le code ?

L'IA comme bien public

Le nom est un programme. Nous est le mot grec pour l'intellect, l'esprit qui perçoit directement. Hermes, le messager des dieux, est devenu l'agent qui exécute. Psyche, l'âme, a donné son nom au réseau d'entraînement distribué. Cette mythologie cohérente n'est pas qu'une coquetterie de marque : elle raconte une philosophie, l'intelligence comme faculté partagée, et non comme propriété industrielle.

Nous Research naît en 2022 d'un collectif de chercheurs et de bricoleurs réunis sur Discord et X, autour d'une intuition : de bons jeux de données synthétiques peuvent produire d'excellents modèles sans moyens industriels. Le collectif devient une entreprise en 2023, avec quatre fondateurs : Jeffrey Quesnelle, Karan Malhotra, Teknium et Shivani Mitra. Dillon Rolnick les rejoint la même année, d'abord comme directeur des opérations, avant de devenir directeur général.

La doctrine maison s'appelle l'alignement sur l'utilisateur. Là où les grands laboratoires entraînent leurs modèles à refuser, nuancer et se protéger juridiquement, Hermes est entraîné à épouser le point de vue de la personne qui l'utilise. "Neutrally aligned", dit la formule interne : le modèle doit suivre la vision du monde de son utilisateur, pas celle de l'entreprise qui l'a fabriqué. C'est une position philosophique, un argument commercial et une source de controverses. C'est aussi ce qui distingue Hermes d'une énième déclinaison de Llama.

Nous Research n'est pourtant pas un laboratoire frontière au sens d'OpenAI ou d'Anthropic. Sa compétence d'origine est le post-entraînement : partir d'une base ouverte solide (Llama hier, Seed-OSS aujourd'hui) et la transformer en assistant obéissant, pilotable, capable d'appeler des outils. "Nous avons compris que le post-entraînement était la couche où nous pouvions avoir le plus d'impact", résume la lettre d'annonce de la série B. Une manière élégante de dire que le laboratoire a construit son avantage sur la couche que les géants considèrent comme un détail.

De Discord à la série B

Tout commence par un succès viral. Le premier Hermes, fine-tune de LLaMA, se répand en quelques jours. Personne ne sait vraiment qui est derrière : c'est l'esprit du collectif. Puis vient la polémique fondatrice : les scores aux benchmarks paraissent trop beaux pour être honnêtes. Accusés d'entraîner leurs modèles sur les tests, les fondateurs répondent qu'ils ne savaient pas ce qu'étaient ces benchmarks. La vérification indépendante leur donne raison. L'anecdote dit quelque chose de la maison : construire d'abord, optimiser ensuite, et parfois ne pas optimiser du tout.

2023 est l'année de la structuration. Le collectif s'incorpore, lève un premier argent auprès d'investisseurs crypto et de business angels, et publie YaRN, une méthode d'extension de contexte reprise depuis par Meta et DeepSeek. Hermes 2, puis Hermes 3, installent la famille dans l'écosystème open source ; elle devient le modèle par défaut de frameworks d'agents comme Eliza.

2024 élargit l'ambition. Avec Diederik Kingma, co-inventeur de l'optimiseur Adam et cofondateur d'OpenAI, Nous Research publie DeMo, puis DisTrO, des méthodes qui réduisent drastiquement les communications entre GPU. En décembre, le laboratoire entraîne un modèle de 15 milliards de paramètres à travers 11 000 nœuds répartis sur plusieurs continents. Entre-temps, l'expérience WorldSim de Karan Malhotra (faire sortir Claude de son personnage d'assistant) devient virale et vaut au laboratoire une couverture médiatique inattendue, notamment dans le New York Times.

2025 accélère : série A de 50 millions de dollars menée par Paradigm, testnet du réseau Psyche, sortie de la famille Hermes 4 (14B, 70B, 405B), puis d'Hermes 4.3, premier modèle de production post-entraîné intégralement sur Psyche. 2026 est l'année du passage à l'échelle grand public : Hermes Agent en février, un hackathon mondial, puis une série B de 90 millions de dollars en octobre.

Les dates clés

• 2022 : Collectif sur Discord et X. Distillation des premiers LLaMA, naissance de la famille Hermes.
• 2023 : Hermes 1 devient viral. Publication de YaRN. Incorporation et premier tour de table.
• 2024 : Hermes 2 et 3. DeMo et DisTrO avec Diederik Kingma. WorldSim. Démonstration d'un 15B sur 11 000 nœuds.
• 2025 : Série A de 50 M$ (Paradigm). Testnet Psyche. Hermes 4, puis Hermes 4.3 entraîné sur Psyche.
• 2026 : Hermes Agent (février, MIT). 258 000 étoiles GitHub. Série B de 90 M$ (octobre).

La pile, brique par brique

Chaque brique de la pile répond à la même question : comment faire travailler une IA sur des tâches réelles sans confier ses données, sa mémoire et ses outils à un intermédiaire unique ?

Hermes, la recette

Hermes est moins une architecture qu'une recette : partir d'une base ouverte solide, la post-entraîner sur des données synthétiques et des jeux d'instructions soignés, puis régler le comportement pour qu'il suive l'utilisateur plutôt que les consignes d'une entreprise. Hermes 1, 2 et 3 ont bâti cette réputation sur Llama ; Hermes 4 a franchi un cap en août 2025 avec trois tailles (14B, 70B, 405B) et un mode de raisonnement hybride.

Le chiffre que le laboratoire met en avant est le RefusalBench, un test qui mesure la capacité d'un modèle à ne pas refuser une requête légitime. Hermes 4 y obtient 57,1 % et revendique la première place, avec 96,3 % sur MATH-500 en mode raisonnement. Hermes 4.3, publié en décembre 2025, pousse la logique plus loin : 36 milliards de paramètres seulement, un contexte de 512 000 tokens, et la preuve qu'un modèle entraîné de façon distribuée peut égaler, voire dépasser, son équivalent centralisé. Plus de 50 millions de téléchargements cumulés sur Hugging Face, selon les chiffres relayés par la presse spécialisée.

Hermes Agent, le produit

Publié en février 2026 sous licence MIT, Hermes Agent est un agent en ligne de commande, conçu pour vivre sur la machine de l'utilisateur ou sur un serveur. Sa différence tient en trois idées : une mémoire persistante qui survit aux redémarrages, des compétences que l'agent écrit lui-même après avoir résolu un problème, et un gateway qui le relie à plus de vingt plateformes de messagerie (Telegram, Discord, Slack, Signal, WhatsApp, e-mail, Matrix, Teams).

L'agent est volontairement agnostique : il fonctionne avec Nous Portal, OpenRouter, OpenAI, Anthropic, Google ou n'importe quel point d'accès compatible, et peut s'exécuter en local, dans Docker, en SSH, sur Daytona, Modal ou Vercel Sandbox. On peut donc changer de modèle sans perdre sa mémoire ni ses compétences : un choix qui dit beaucoup de la stratégie, fidéliser l'utilisateur par l'accumulation de contexte, pas par le verrouillage du modèle.

Nous Portal, la caisse

Nous Portal est la manière recommandée par l'entreprise pour faire tourner Hermes Agent. Moyennant un abonnement, l'utilisateur accède à plus de 300 modèles (Anthropic, OpenAI, Google, DeepSeek, Qwen, Kimi, GLM, MiniMax, xAI, NVIDIA) et à un "Tool Gateway" qui regroupe recherche web, génération d'images, synthèse vocale, navigateur cloud et bac à sable d'exécution. Un seul identifiant OAuth remplace une demi-douzaine de comptes et de clés API.

C'est le pivot économique du laboratoire : Nous Research ne facture pas ses propres modèles, mais l'infrastructure qui permet d'orchestrer ceux des autres. Une position de "Suisse des modèles" qui transforme la neutralité affichée en revenu récurrent, et qui évite de dépendre du succès commercial d'une seule famille de modèles.

Psyche, le pari de rupture

Psyche est un réseau d'entraînement distribué : plutôt que de louer un cluster géant, il coordonne des machines réparties sur internet, reliées par DisTrO, une méthode de compression des gradients qui réduit le volume de données échangées entre GPU. La coordination et la traçabilité passent par la blockchain Solana ; les gradients circulent, eux, sur un réseau pair-à-pair dédié.

La démonstration de décembre 2024 (15 milliards de paramètres entraînés sur 11 000 nœuds), puis le testnet de mai 2025 et l'entraînement d'Hermes 4.3 sur 24 nœuds à 144 000 tokens par seconde ont convaincu une partie de l'écosystème. Reste une question ouverte : personne n'a encore montré publiquement un entraînement distribué à l'échelle des modèles frontière, avec les dizaines de milliards de dollars que cela suppose.

Hermes for Businesses, l'épreuve

Annoncé avec la série B, "Hermes for Businesses" doit transposer les promesses de l'agent grand public dans le monde de l'entreprise : choix des modèles selon le budget et la sensibilité des données, cloisonnement, gouvernance des connaissances internes, support et déploiement. Le discours est explicite : l'entreprise doit posséder sa pile d'intelligence, pas la louer. Une application mobile grand public est également annoncée, signe que Nous Research ne veut pas sacrifier son ancrage individuel.

Donner le logiciel, vendre la confiance

Le logiciel est gratuit ; la confiance, la commodité et la gouvernance se paient. C'est la formule que Nous Research déploie depuis 2025, et qui explique à la fois la croissance très rapide de son audience et la frilosité de certains observateurs.

La séquence est classique dans le logiciel open source (donner le cœur du produit pour créer un standard, vendre l'exploitation), mais elle est ici appliquée à un agent, c'est-à-dire à un objet qui accumule du contexte et devient plus utile à mesure qu'on l'utilise. Chaque semaine passée avec Hermes Agent augmente le coût de sortie, sans que l'entreprise ait besoin de verrouiller quoi que ce soit.

Les chiffres connus dessinent une trajectoire impressionnante et fragile. Le revenu annualisé était d'environ 36 millions de dollars à la mi-septembre 2026, selon le Wall Street Journal ; la direction vise plus de 100 millions fin 2026. À 1,5 milliard de dollars de valorisation, le multiple dépasse 40 fois le revenu annualisé : un niveau qui suppose une exécution parfaite et une accélération immédiate des contrats entreprises.

Total levé : 158 millions de dollars selon l'entreprise, 165 millions selon certaines bases de données qui comptabilisent les tours seed séparément. La presse crypto évoquait une valorisation "token" de 1 milliard de dollars pour la série A, ce qui explique les écarts de lecture entre presse crypto et presse tech.

"D'une certaine manière, 90 millions de dollars, c'est modeste dans le financement moderne."

, Dillon Rolnick, lettre d'annonce de la série B, 7 octobre 2026

Quatre risques structurels menacent ce montage. La cannibalisation : un agent MIT peut être forké, revendu ou intégré gratuitement par un concurrent ; la protection ne vient pas du code mais de la marque, de la communauté et de la qualité d'exécution. La dépendance fournisseurs : le Portal revend l'accès à des modèles qui ne lui appartiennent pas, et une hausse de prix se répercute immédiatement. Les coûts d'inférence : un agent qui tourne en continu et appelle des outils coûte cher, et la promesse "moins de 100 dollars par jour" doit tenir face à des utilisateurs intensifs. La vente entreprise, enfin : recruter un directeur juridique et des ingénieurs "forward deployed" ne suffit pas à rassurer un RSSI ; la conformité est un chantier de longue haleine.

Les chiffres, et ce qu'ils ne disent pas

Ces chiffres racontent une adoption rare pour un outil en ligne de commande. Hermes Agent n'a ni campagne publicitaire ni application grand public : il s'est diffusé par GitHub, X, Discord et le bouche-à-oreille des développeurs. La métrique la plus parlante n'est peut-être pas le nombre de clones, mais la vitesse à laquelle le dépôt a dépassé les 140 000 étoiles en trois mois après le lancement public.

Il faut néanmoins les lire avec prudence. Le nombre de clones mesure des téléchargements, pas des utilisateurs actifs ; la part de tokens mondiaux est une estimation interne ; les étoiles GitHub mesurent l'attention, pas les revenus. La seule donnée financière tierce (36 millions de dollars de revenu annualisé) reste modeste au regard de la valorisation, et c'est précisément le pari de la série B.

Cinq visages

Nous Research ne publie pas d'organigramme. Les titres évoluent vite dans une entreprise de cette taille, et certaines biographies sont reconstituées à partir de sources tierces. Les cinq profils qui suivent ne prétendent pas décrire une hiérarchie : ils décrivent une répartition des rôles, celle qui explique la trajectoire du laboratoire et la nature de Hermes Agent.

Dillon Rolnick, l'opérateur venu de la finance

Il n'a ni doctorat ni parcours de chercheur. C'est précisément ce qui le rend utile : Dillon Rolnick est le traducteur entre la culture du laboratoire et les exigences du capital.

Diplômé de Vanderbilt en 2017, il commence sa carrière comme teneur de marché en devises chez Effex Capital (changes, métaux, futures, contrats sur différence, crypto). En 2019, il fonde Crysknife Capital, un véhicule nommé d'après une arme de Dune, spécialisé dans le rachat et la valorisation quantitative de créances issues de litiges. Il passe ensuite par un grand fonds de capital-risque comme responsable de recherche, avant de rejoindre Nous Research en 2023.

Il y entre comme directeur des opérations (il se présente encore ainsi en mai 2025 dans le podcast ThursdAI) et devient directeur général à mesure que l'entreprise se structure. C'est lui qui porte la parole publique : conférence Akash Accelerate 2025, passage dans l'émission TBPN au lancement de Hermes Agent en mars 2026, article du Wall Street Journal en octobre. Son argument est toujours le même : l'IA ouverte est moins chère, plus auditable, et la concurrence profite d'abord aux utilisateurs.

Son style de dirigeant se lit dans sa lettre d'annonce de la série B, où il qualifie 90 millions de dollars de somme "modeste". Derrière la formule, une méthode de trader (chercher l'actif mal évalué, y aller avant la foule) appliquée à une conviction : l'ouverture est sous-évaluée par le marché.

"Un principe est resté constant depuis la première version d'Hermes : les personnes qui utilisent un système d'IA doivent en garder le contrôle."

, Dillon Rolnick, lettre d'annonce de la série B, 7 octobre 2026

Jeffrey Quesnelle, l'architecte

C'est le cofondateur que l'on cite lorsqu'il faut prouver que Nous Research fait de la recherche, et pas seulement du bruit. Jeffrey Quesnelle est l'homme des deux innovations qui rendent Hermes Agent possible : le contexte long et l'entraînement distribué.

Formé en informatique et en mathématiques à Oakland University, puis titulaire d'un master à l'université du Michigan-Dearborn, il dirige le développement logiciel chez Intrepid Control Systems de 2017 à 2022, avant de devenir ingénieur principal chez Eden Network, une infrastructure blockchain. Ce parcours de bâtisseur de systèmes, plus que de chercheur académique, explique sa manière : des papiers courts, des implémentations qui tournent.

En 2023, il cosigne YaRN, une méthode qui étend la fenêtre de contexte des modèles de 8 000 à 16 000 tokens jusqu'à 128 000 tokens pour un coût supplémentaire limité. Citée plus de cent fois, reprise par Meta et DeepSeek, elle devient un standard de fait. En 2024, il cosigne DeMo avec Diederik Kingma, puis DisTrO, qui réduisent le trafic entre GPU et rendent l'entraînement distribué économiquement viable. C'est la base de Psyche.

Il expose ces travaux dans des formats exigeants : deux heures de conversation avec Sina Habibian en mars 2025 sur les transformées de Fourier appliquées à la compression de gradients, les mathématiques de l'entraînement distribué et les théories de l'esprit. Sa signature intellectuelle est l'alignement "neutre" : un modèle doit épouser la vision du monde de son utilisateur, pas celle de l'entreprise qui l'a fabriqué.

Karan Malhotra, le philosophe du comportement

Un diplôme de religion et de philosophie, un passage en neurosciences, et la responsabilité de ce que les modèles Hermes osent dire, ou refusent de dire.

Karan Malhotra a étudié la religion et la philosophie à Emory University, puis travaillé comme chercheur en apprentissage automatique au Stanford Brain Stimulation Lab, où il étudiait les effets de la stimulation cérébrale non invasive. Le saut vers les modèles de langage n'est pas une rupture : dans les deux cas, il s'agit de comprendre comment un système complexe change de sortie quand on change son entrée.

Cofondateur en 2022, il devient le Head of Behavior, celui qui définit la personnalité, les valeurs et la pilotabilité des modèles. C'est lui qui assume publiquement la doctrine "uncensored" : un modèle qui refuse, hésite et traite l'utilisateur comme un suspect n'est pas sûr, il est inutile. Il défend aussi l'usage de la blockchain dans Psyche, non par idéologie mais pour ses propriétés d'incitation et de traçabilité face au risque d'empoisonnement des données.

Son expérience WorldSim, début 2024, reste un moment charnière : en demandant à Claude 3 Opus de sortir de son personnage d'assistant pour devenir l'interface en ligne de commande d'une réalité simulée, il démontre qu'une IA contient un modèle du monde bien plus riche que ce que les produits laissent voir. L'épisode devient viral et installe le laboratoire dans le débat public sur la nature du comportement des modèles.

"L'intelligence ne doit pas être accaparée par les entreprises. Comme l'eau et l'air, elle doit être un bien public accessible à tous."

, Karan Malhotra, entretien relayé par Plain AI, mai 2026

Teknium, l'artisan anonyme

Personne ne connaît son visage ; tout le monde connaît ses modèles. Teknium est l'artisan de la famille Hermes, celui qui transforme une base ouverte en assistant obéissant et agréable.

Il travaille sous pseudonyme, ce qui n'empêche ni crédibilité ni influence : son compte et ses publications sur Hugging Face sont suivis par une partie de la communauté open source. Avant Nous Research, il est passé par Stability AI. Il est l'auteur du jeu de données GPTeacher, qui a servi à entraîner le tout premier Hermes, et le principal responsable du post-entraînement de Hermes 2, 3 et 4, dont le modèle 405B publié en août 2025.

Son quotidien, tel qu'il le décrit, mêle ingénierie des données, infrastructure d'entraînement, évaluations et recherche sur l'alignement. C'est un travail de fourmi : constituer des jeux d'instructions, filtrer, équilibrer, mesurer les refus, recommencer. La qualité perçue d'un modèle Hermes, sa manière de suivre une consigne précise sans dériver, doit plus à cette discipline qu'à une architecture spectaculaire.

Son anonymat est cohérent avec la culture du lieu : ce qui compte, ce sont les poids publiés, les cartes de modèles et les jeux de données, pas la personnalité de leur auteur. Sa formule, lors d'une session de questions-réponses en 2025, résume le mélange de sérieux et de provocation qui caractérise la maison.

"Je suis le responsable du post-entraînement chez Nous Research, et vous savez quoi, je suis peut-être une AGI."

, Teknium, session de questions-réponses, 2025

Shivani Mitra, le pont discret

La moins visible des quatre fondateurs est aussi celle qui relie le laboratoire au monde du capital crypto, condition matérielle de son indépendance.

Shivani Mitra fait partie des quatre fondateurs d'origine. Dans les rares biographies disponibles, elle est décrite comme une chercheuse et investisseuse présente dans les communautés Ethereum, NFT et open source, et comme Managing Partner du Shiro San Fund au sein de Global Asset Capital. Au laboratoire, son rôle porte sur la direction de la recherche, la stratégie et la vision de long terme de l'IA ouverte.

Son apport est moins visible que celui d'un CTO ou d'un porte-parole, mais structurant : c'est la partie de l'équipe qui parle la langue des fonds crypto (Paradigm, Delphi Digital, Hack VC, puis Distributed Global) tout en tenant la ligne d'un laboratoire "sérieux", selon le mot répété par Karan Malhotra. Cette double compétence explique pourquoi Nous Research a pu lever auprès d'investisseurs crypto sans être réduit à un projet de token.

Sa discrétion est réelle : nous n'avons pas identifié d'interview longue publique la concernant. Les éléments biographiques ci-dessus proviennent de bases de données professionnelles et de profils de presse, et doivent être lus comme tels.

Autour des cinq

Hervé Bizira conduit l'adoption de Hermes Agent auprès des grandes organisations : sécurité, gouvernance, déploiement. Son parcours passe par Verizon Media, au sein du studio de contenus RYOT, et par la direction technique d'un fonds d'investissement, avec une formation à l'université de Waterloo. Depuis 2026, il est le visage de la bascule entreprise : en septembre, il intervenait au World Congress de San José sur la confiance et la vitesse dans l'ère des agents, et M12, le fonds de Microsoft, le cite aux côtés de Dillon Rolnick au moment de la série B. Sa présence signale que Nous Research ne vend plus seulement un outil à des développeurs, mais une promesse de conformité à des acheteurs.

Tristan Chaudhry est, selon une enquête de Plain AI, un cofondateur resté dans l'ombre. Il aurait rencontré Jeffrey Quesnelle lors d'un événement de réseautage à San Francisco, après un parcours d'ancien manager de restaurants Chipotle devenu data scientist autodidacte. Il défend une vision "People's AI" et une théorie de la sécurité par la communauté plutôt que par le contrôle : "Le but de l'IA n'est pas de devenir un dieu de l'IA, mais de devenir plus humain", aurait-il confié à Mercury. Sa biographie n'est pas confirmée par l'entreprise et n'apparaît pas dans la liste officielle des quatre fondateurs ; elle éclaire néanmoins la culture du collectif d'origine.

Diederik Kingma est le garant scientifique extérieur. Cofondateur d'OpenAI et co-inventeur de l'optimiseur Adam, il cosigne avec Nous Research les travaux DeMo et DisTrO qui fondent Psyche. Il n'est pas salarié de l'entreprise, mais sa signature crédibilise l'ambition du laboratoire auprès des chercheurs et des investisseurs, et rappelle que Nous Research reste, avant tout, un laboratoire qui publie.

Une culture de commando

Nous Research cultive une esthétique de commando : équipe réduite, travail à distance, itérations rapides, goût du secret et de la provocation. La formule de la page carrières, un pastiche des annonces d'expédition, assume le côté "mission" plutôt que "carrière". Dans les faits, cela se traduit par des profils généralistes, capables de passer d'un papier de recherche à une infrastructure de déploiement, et par une présence constante sur Discord, GitHub et X.

"De bons salaires, de longs mois de concentration totale, un danger constant, avec l'honneur et la gloire en cas de succès."

, Page carrières de Nous Research

La communauté est traitée comme un actif stratégique, pas comme un canal marketing. Les modèles sont publiés avec leurs cartes, leurs jeux de données et leurs évaluations ; les contributions extérieures sont intégrées ; les hackathons servent à découvrir des usages réels avant de les transformer en produits. C'est ce qui permet à une équipe d'une vingtaine de personnes de tenir un rythme de publication qui ferait pâlir des organisations dix fois plus grandes.

Le revers est structurel : une petite équipe concentre les risques. La dépendance à quelques personnes clés est forte, la fonction conformité est récente, et la promesse d'un support entreprise mondial repose sur des effectifs qui n'ont pas encore été dimensionnés pour cela. La série B finance précisément ce passage : recrutements d'ingénieurs "forward deployed", d'un directeur juridique, de designers et de chercheurs.

Six contradictions

Le succès de Nous Research ne va pas sans tensions. En voici six, qui structurent les conversations des investisseurs, des chercheurs et des acheteurs entreprises.

1. "Uncensored" : produit ou risque ? Le RefusalBench, qui mesure la capacité à ne pas refuser, est un contre-benchmark assumé : il fait de la docilité inversée un argument commercial. Les critiques y voient un déplacement du risque vers l'utilisateur et une porte ouverte à des usages problématiques. La réponse de Nous Research tient en deux points : l'auditabilité des poids ouverts vaut mieux que l'opacité des filtres, et un modèle qui refuse trop devient inutilisable pour les chercheurs comme pour les entreprises.

2. Le crypto, talon d'Achille ou avantage ? Psyche repose sur Solana, et la valorisation de la série A a été présentée comme adossée à un token. Une partie de l'écosystème IA y voit un risque de conflit d'intérêts et de volatilité ; une autre y voit la seule manière de financer un entraînement distribué à grande échelle. Karan Malhotra a lui-même reconnu que la crypto offrait "beaucoup de place pour l'arnaque", avant d'assumer le pari de la traçabilité.

3. Open source et entreprise : le paradoxe du MIT. Comment vendre "Hermes for Businesses" quand l'agent est gratuit et forkable ? La réponse est classique : on vend le support, la conformité, l'intégration et la tranquillité, mais elle n'a pas encore été démontrée à l'échelle. Le risque : que les clients entreprises préfèrent payer un intégrateur plutôt que l'éditeur lui-même.

4. La dépendance aux modèles d'autrui. Hermes est un post-entraînement : sans bases ouvertes de qualité (Llama, Seed-OSS), la recette ne fonctionne pas. Meta pourrait cesser de publier ses poids ; d'autres fournisseurs pourraient restreindre leurs licences. C'est précisément ce qui motive Psyche et, à terme, des modèles maison, mais le chemin est long.

5. La valorisation avant le revenu. 1,5 milliard de dollars pour environ 36 millions de dollars de revenu annualisé, soit plus de 40 fois les ventes. Le multiple se justifie par la croissance et par l'option Psyche ; il ne laisse aucune marge d'erreur. Un ralentissement de l'adoption ou un échec de la bascule entreprise se paierait cher.

6. La mesure de la traction. 24 millions de clones, 2,5 % des tokens mondiaux, 258 000 étoiles : ces indicateurs mesurent l'attention et l'usage, pas la valeur capturée. Aucun n'est audité par un tiers. La discipline habituelle (séparer traction, revenu et rétention) reste indispensable pour évaluer l'entreprise.

Face à OpenClaw et aux géants fermés

Le concurrent le plus direct est OpenClaw, l'autre agent open source de référence, avec lequel Hermes Agent est régulièrement comparé, parfois au point que les documentations des deux projets se citent mutuellement. Face à lui, Nous Research met en avant la sobriété en tokens, la stabilité et une intégration plus profonde avec ses propres modèles.

Face aux acteurs fermés, l'argument est différent : ce n'est pas la puissance brute, mais le contrôle. Un utilisateur de Hermes Agent peut changer de modèle, héberger ses données, conserver sa mémoire et ses compétences, et migrer vers un autre fournisseur sans tout perdre. C'est une promesse de souveraineté individuelle, et, pour une entreprise, un argument de conformité.

La position la plus singulière reste Nous Portal : en revendant l'accès aux modèles de ses concurrents, Nous Research se place au-dessus de la mêlée. Elle devient l'intermédiaire neutre qui permet de comparer, de basculer et de budgétiser, un rôle que ni Anthropic ni OpenAI ne peuvent tenir, puisqu'ils vendent leurs propres modèles.

Ce qu'il faut surveiller

Quatre signaux diront, dans les douze prochains mois, si Nous Research réussit sa bascule.

• Le premier grand contrat entreprise rendu public. Un nom, un montant, une durée : la preuve que "Hermes for Businesses" existe commercialement.
• Le lancement de l'application mobile. Il dira si Nous Research veut rester un outil de développeurs ou devenir un assistant grand public.
• Un entraînement Psyche à l'échelle frontière. Passer de 36 à plusieurs centaines de milliards de paramètres en distribué validerait la thèse.
• La publication d'un rapport de sécurité ou d'une certification. SOC 2, audits de code, politique de divulgation : la preuve que l'entreprise prend la confiance au sérieux.

Trois scénarios sont sur la table. Le plus favorable : l'entreprise adopte l'agent, le Portal devient le point de passage, Psyche abaisse les coûts, soit plus de 200 millions de dollars d'ARR en 2028. Le scénario central : une croissance entreprise réelle mais lente, 100 à 150 millions d'ARR, et un laboratoire respecté avec une activité commerciale solide. Le plus défavorable : les modèles frontière banalisent l'agent, la régulation renchérit l'open source, et la valorisation se contracte. Ce ne sont pas des prévisions : ce sont les trois hypothèses que les faits connus permettent de tenir.

Sources

1. Nous Research, A Note on Our Fundraise, 7 octobre 2026.
2. Nous Research, Introducing Hermes 4.3: Local Intelligence Globally Trained, 1er décembre 2025.
3. Nous Research, Hermes Agent, documentation, consultée le 28 octobre 2026.
4. Nous Research, Nous Portal, documentation, consultée le 28 octobre 2026.
5. Hermes Agent, About, 2026.
6. GIGAZINE, The open-source AI agent Hermes Agent has been downloaded more than 24 million times, 8 octobre 2026.
7. TechCrunch, Hermes agent maker Nous Research in talks for new funding at $1.5B valuation, 13 juillet 2026.
8. The Block, Decentralized AI project Nous Research in talks to raise $75M at $1.5B valuation, 14 juillet 2026.
9. Fortune, Crypto VC giant Paradigm makes $50 million bet on decentralized AI startup Nous Research, 25 avril 2025.
10. Tech Funding News, Nous Research raises $90M at a reported $1.5B valuation, octobre 2026.
11. FinSMEs, Nous Research Raises USD90M in Funding at USD1.5 Billion Valuation, octobre 2026.
12. The Next Web, Nous Research raises $90M to take its Hermes AI agent to businesses, octobre 2026.
13. Plain AI, He Studied Religion. Then He Built the Most Uncensored AI Models in the World, 30 mai 2026.
14. Plain AI, The Nous Co-Founder Nobody Talks About, We Found the Trail, 30 mai 2026.
15. Plain AI, Nous Research, fiche startup et fondateurs, mai 2026.
16. YesPress, Dillon Rolnick, The Trader Betting on Open AI at Nous Research, 2026.
17. ThursdAI, Fiche invité : Dillon Rolnick, mai 2025.
18. TBPN Digest, Nous Research launches Hermes agent and hackathon, 4 mars 2026.
19. FundedIQ, Nous Research: Funding, Investors & Team, octobre 2026.
20. StartupHub.ai, Shivani Mitra, Co-founder at Nous Research, septembre 2026.
21. WeAreDevelopers, Hervé Bizira, profil intervenant, 2026.
22. GitHub, API du dépôt NousResearch/hermes-agent, 28 octobre 2026.
23. OpenRouter, Hermes 4 405B, fiche modèle, 2026.
24. VentureBeat, Nous Research drops Hermes 4 AI models that outperform ChatGPT without content restrictions, août 2025.

Note d'auteur

• Commande et cadrage : James AUDRY SPENCER.
• Exécution : DeepSeek Flash (deepseek-flash, fournisseur deepseek-official, effort de raisonnement maximal).
• Temps de production : 22 min 50 s (28 octobre 2026, 16:09:49 → 16:32:39, heure de Paris).
• Tokens : 197 184 en entrée hors cache, plus 40 571 136 lus en cache, soit 40 768 320 tokens traités ; 156 524 tokens en sortie, raisonnement et appels d'outils inclus.
• Périmètre : 175 étapes d'agent, 24 sources.

Cet article a été compilé à partir de sources ouvertes : communiqués et documentation de Nous Research, presse généraliste et spécialisée, bases de données de financement, API GitHub. Aucun entretien direct avec l'entreprise n'a été conduit. Les chiffres de traction avancés par Nous Research ne sont pas audités ; les divergences entre sources (date de lancement d'Hermes Agent, siège, total levé) sont signalées dans le texte. Les citations anglaises ont été traduites ; les zones d'ombre biographiques sont explicitées plutôt que comblées.

Article indépendant, sans lien avec Nous Research. Rédigé le 29 octobre 2026.