Vous n’avez pas besoin d’une plateforme pour 300 personnes. Vous avez besoin d’un agent qui travaille pour vous — qui connaît votre métier, vos dossiers, votre façon de faire, et qui ne repart pas de zéro à chaque conversation.
C’est une tout autre question que « comment j’équipe mon entreprise ». Celle-là, on l’a traitée dans notre comparatif comment organiser l’IA en entreprise. Ici, on descend d’un cran : l’agent individuel, celui du dirigeant, du consultant, de l’indépendant, du salarié qui veut son copilote à lui. Trois outils incarnent cette catégorie en 2026 : OpenHuman, Hermes et OpenClaw.
L’analyse qui circule sur ces trois-là est unanime : « inadaptés à une organisation ». C’est vrai — et c’est hors sujet. Ce ne sont pas des plateformes d’équipe. Ce sont les trois agents personnels les plus avancés du moment. Pour une personne seule, ce n’est pas un défaut : c’est le cahier des charges.
En 30 secondes
Les trois ne jouent pas le même rôle. OpenHuman construit votre cerveau numérique en local et le garde privé — c’est la meilleure réponse au vrai problème de 2026, la gestion du contexte. Hermes est l’agent qui apprend et capitalise vos méthodes — fascinant, mais encore de la R&D. OpenClaw est celui qui agit sur vos systèmes — puissant, et le plus risqué. Aucun des trois n’a de vraie gestion des droits (RBAC) : parfait tant que vous êtes seul, rédhibitoire dès qu’un tiers entre dans la boucle. Le point qui tranche pour la plupart des indépendants : où partent vos données — cloud, Zero Data Retention, ou 100 % local.
Le vrai problème de 2026 n’est pas le prompt, c’est le contexte
On a passé 2024-2025 à apprendre à bien demander — le prompt engineering. En 2026, la barre a bougé. Le modèle est déjà bon ; ce qui lui manque, ce n’est pas une meilleure formulation, c’est votre contexte : qui vous êtes, ce que vous vendez, comment vous travaillez, ce que vous avez décidé la semaine dernière. C’est le context engineering, et son aboutissement porte un nom : le cerveau numérique (ou company brain pour un indépendant — votre entreprise, c’est vous).
Deux situations vécues, anonymisées, disent la même chose :
- Un analyste data RH dans un grand groupe. Sa donnée est réglementée, son système d’information interne (ERP, plateforme data) n’est pas connectable à une IA. Son enjeu n’a jamais été de mieux prompter : c’est de donner à son assistant le contexte de son métier, de ses systèmes et de sa façon de travailler — sans jamais exposer une donnée sensible.
- Une coach indépendante qui pilote quatre activités (mastermind, coaching, formation, conseil) et rêve d’un espace unique d’où tout se pilote. Son problème, ce n’est pas l’outil : c’est qu’aujourd’hui son contexte est éparpillé dans sa tête, ses mails, ses docs — et que chaque IA repart de zéro.
C’est exactement le trou que OpenHuman, Hermes et OpenClaw essaient de combler, chacun à sa manière. Et c’est en gardant ce fil — comment cet outil gère-t-il mon contexte, et où partent mes données ? — qu’on les compare utilement.
Deux mondes à ne pas confondre
Avant les fiches, la carte. L’erreur classique : comparer un agent personnel et une plateforme d’entreprise, alors qu’ils ne répondent pas à la même question. Cliquez sur une colonne :
Un agent qui travaille pour une personne
La question : « comment moi je passe du chat à un agent qui connaît mon contexte, manipule mes fichiers et produit mes livrables ? » Mémoire personnelle, local-first, zéro administration.
Une plateforme qui équipe une organisation
La question : « comment toute l'équipe utilise l'IA avec un cadre — comptes, rôles, droits d'accès, données connectées, conformité, audit ? » Là, le RBAC et la gouvernance deviennent le cœur du sujet.
Retenez la frontière : dès qu’une deuxième personne doit entrer dans la boucle, ou que vous manipulez la donnée d’un client au nom de plusieurs mandats, vous basculez à droite. On y revient — c’est précisément là que le RBAC change tout.
OpenHuman — le cerveau numérique, local-first beta précoce
OpenHuman (édité par tinyhumans.ai) est le plus directement taillé pour le problème de 2026 : la gestion du contexte. Son principe : il compresse vos documents, mails et échanges en un graphe de mémoire — stocké en Markdown lisible dans une base locale, doublé d’un coffre Obsidian que vous pouvez ouvrir et éditer à la main. Pas d’embeddings opaques : votre cerveau numérique, vous le voyez et vous le corrigez.
Autour de cette mémoire, trois briques : un orchestrateur d’agents (workflows durables, reprenables), une capacité de recherche profonde dans vos données + le web, et surtout un mode privé revendiqué au niveau du cœur technique : aucune inférence ne quitte votre machine. Une couche de fond (« subconscient ») diffe votre monde toutes les 20 minutes et vous écrit un briefing du matin.
Pour qui : l’indépendant ou le salarié dont l’enjeu n°1 est de centraliser son contexte en gardant la main sur ses données. C’est la réponse la plus nette au cas « analyste en environnement réglementé » ou « coach qui veut un espace unique ».
La réserve : c’est une beta précoce. Prometteur, mais on ne bâtit pas encore la colonne vertébrale d’une activité dessus les yeux fermés — on teste, on garde une sauvegarde, on ne jette pas Notion.
Hermes — l’agent qui apprend R&D
Hermes (Nous Research, open source) explore une autre voie : un agent doté d’une boucle d’apprentissage. Il ne se contente pas d’exécuter — il crée ses propres compétences à partir de l’expérience, les réutilise et les affine mission après mission. Conceptuellement, c’est le plus proche de l’idée « mon agent capitalise ma méthode » : votre façon de faire un diagnostic, de préparer une formation, de structurer un compte rendu devient un skill réutilisable.
Pour qui : un profil technique — consultant, chercheur, développeur — qui veut expérimenter la capitalisation d’un savoir-faire, et que le bricolage ne rebute pas.
La réserve : c’est une brique de R&D, pas un produit fini. Parfait pour une veille active et des tests ; inadapté comme socle opérationnel. À surveiller, pas à déployer.
OpenClaw — le moteur qui agit le plus risqué
OpenClaw est l’agent qui fait au lieu de répondre : il lit vos mails, manipule vos fichiers, exécute des actions sur votre système, et se pilote depuis WhatsApp ou Telegram. Open source et auto-hébergeable — un vrai argument pour les données sensibles. C’est la marche « exécution » : là où OpenHuman sait et Hermes apprend, OpenClaw agit.
Pour qui : le power-user qui veut automatiser des actions récurrentes sur ses propres outils et n’a pas peur de mettre les mains dans la configuration.
La réserve : c’est, honnêtement, le plus dangereux de la liste. Un agent qui a accès à votre système et vos communications, c’est une surface d’attaque : les travaux sur l’injection de prompt et les exécutions non voulues sont sans ambiguïté. Notre position d’intégrateur : OpenClaw peut être un excellent moteur d’exécution derrière des garde-fous construits exprès — droits limités, environnement isolé, validation humaine sur les actions sensibles. Jamais en accès libre, jamais sur des données qu’on ne peut pas se permettre de voir partir.
Le comparatif, sur les axes qui comptent vraiment
Trois lignes tranchent pour un usage individuel : comment l’outil gère votre contexte, où partent vos données, et ce qui se passe le jour où vous n’êtes plus seul.
| Critère | OpenHuman | Hermes | OpenClaw |
|---|---|---|---|
| Ce qu'il fait de mieux | Mémoriser & centraliser votre contexte | Apprendre et capitaliser vos méthodes | Agir sur vos systèmes |
| Gestion du contexte (cerveau numérique) | Cœur du produit — graphe de mémoire local + coffre Obsidian éditable | Orientée compétences — mémoire au service des skills appris | Fonctionnelle — mémoire + fichiers, mais l'accent est mis sur l'action |
| Données : ZDR, provider, full local | Full local possible — mode privé, aucune inférence sortante ; modèles locaux en option | Auto-hébergeable (open source) — vous choisissez le modèle et le provider | Auto-hébergeable (open source) — mais l'agent agit, donc surface d'exposition maximale |
| RBAC / multi-utilisateur | Aucun — mono-utilisateur, par conception | Aucun — agent personnel | Aucun — une instance = un périmètre de confiance |
| Maturité | Beta précoce | R&D / expérimental | Utilisable, à encadrer |
| Pour qui | Indépendant / salarié qui veut son cerveau numérique privé | Profil technique en veille active | Power-user qui veut de l'exécution |
Les trois sont open source ou local-first et évoluent vite : vérifiez toujours l'état réel du projet avant de vous engager. Ce tableau reflète leur positionnement à l'été 2026.
Le nerf de la guerre : où partent vos données
Pour un usage professionnel individuel, c’est la question — avant même les fonctionnalités. Trois niveaux, du plus exposé au plus fermé :
- Cloud standard. Vos requêtes partent chez un fournisseur de modèle (OpenAI, Anthropic, Google…). Pratique, mais vos données transitent — et selon le plan, peuvent être conservées. Pour un brainstorming, aucun problème. Pour un dossier client ou de la donnée RH, c’est non.
- Zero Data Retention (ZDR). Le fournisseur s’engage contractuellement à ne rien conserver : la requête est traitée, rien n’est stocké ni réutilisé pour l’entraînement. C’est le minimum sérieux dès qu’on manipule de la donnée client. À vérifier au niveau du plan et du modèle appelé.
- 100 % local. Le modèle tourne sur votre machine, rien ne sort. C’est le seul niveau qui répond au cas « donnée réglementée, non partageable » — et c’est précisément l’argument d’OpenHuman en mode privé ou d’un OpenClaw / Hermes auto-hébergés avec un modèle local.
Le bon niveau dépend de votre donnée, pas de la mode. L’analyste en environnement réglementé n’a pas le choix : ce sera full local, ou rien. La coach qui manipule des échanges clients confidentiels vise au minimum le ZDR, idéalement le choix du provider. C’est un arbitrage qu’on pose systématiquement en amont — bien avant de choisir l’outil. On l’avait développé côté entreprise dans IA souveraine : héberger vos données en France ; à l’échelle individuelle, la logique est la même, en plus simple à mettre en œuvre.
Et le RBAC ? Justement, il n’y en a pas — et c’est le signal
Aucun de ces trois outils n’a de vraie gestion des droits (RBAC) : pas de rôles, pas de groupes, pas de « cette personne voit ça mais pas ça », pas de journal d’audit. Une instance = une personne = un périmètre de confiance.
Tant que vous êtes seul, c’est une force : rien à administrer, tout est à vous. Mais c’est aussi le signal de bascule le plus fiable. Le jour où :
- une deuxième personne doit accéder au même agent,
- vous gérez la donnée de plusieurs clients qui ne doivent jamais se croiser,
- ou il vous faut tracer qui a fait quoi (conformité, sécurité)…
…vous n’êtes plus dans le monde de gauche. Forcer un outil individuel à jouer ce rôle, c’est mutliplier les instances à la main jusqu’à l’ingérable. La bonne réponse, ce sont les plateformes administrées — Langdock, Dust, Copilot Studio et consorts — qu’on détaille dans un dossier dédié à la gouvernance et aux droits d’accès.
Alors, lequel pour vous ?
Trois questions, et on élimine l’essentiel du bruit.
🧭 Quel agent personnel pour votre situation ?
Répondez aux 3 questions — la reco s'affiche automatiquement.
Cette reco applique des règles volontairement simples — elle dégrossit, elle ne remplace pas un échange. Le vrai arbitrage dépend de vos données, de votre métier et de votre façon de travailler.
Notre réponse : le contexte, structuré et à vous
On nous demande souvent « lequel installer ». Réponse honnête : le choix de l’outil, c’est la dernière étape, pas la première. Un agent personnel ne vaut que par le contexte qu’on lui donne — branchez OpenHuman (ou n’importe lequel des trois) sur une mémoire vide, il ne servira à rien. Le vrai travail, celui qui produit la valeur, c’est de structurer votre contexte : qui vous êtes, votre offre, vos process, vos décisions. C’est 80 % du résultat ; l’agent, c’est les 20 % restants.
Alors plutôt que de pousser un énième agent, on construit la couche que les trois outils ci-dessus supposent déjà prête : votre cerveau numérique. Concrètement :
- Un dépôt Git comme socle — votre contexte versionné, avec un historique et une marche arrière possible, que vous possédez. Pas une base enfermée dans un SaaS : un dossier de fichiers, à vous, exportable en une commande.
- Local-first, sauvegarde locale — le socle vit sur votre machine. C'est la réponse directe au cas « donnée sensible » : rien ne part si vous ne le décidez pas.
- Lisible dans Obsidian — le même socle sert de mémoire à l'IA et de second cerveau humain : vous naviguez, éditez, reliez vos notes. L'IA lit exactement ce que vous lisez.
- Agnostique LLM — aucun mariage avec un fournisseur. Claude aujourd'hui, un modèle local demain, autre chose ensuite : le contexte, lui, ne bouge pas.
- Apprenant par conception — le dépôt capitalise votre méthode au fil des missions (décisions, tournures, procédures). L'idée d'Hermes, mais maîtrisée, tracée, et qui reste la vôtre.
- Taillé pour le contexte complexe — plusieurs activités, plusieurs clients étanches, plusieurs casquettes : la structure tient là où une simple « mémoire » d'agent se noie.
Une fois le socle posé, tout tient dans un triptyque — c’est le modèle qu’on installe et qu’on transmet :
Contexte
Votre savoir structuré dans un dépôt Git local, lisible dans Obsidian. La matière que l'IA doit connaître.
Outils
L'agent et les connecteurs — OpenHuman, OpenClaw, Claude… — choisis pour votre besoin, remplaçables sans tout refaire.
Processus
Les routines qui font tourner l'ensemble : quand l'IA agit, quand vous validez, comment le contexte se met à jour.
C’est ce qu’on transmet en formation — devenir autonome avec l’IA et le module performance commerciale & second cerveau partent tous les deux du contexte avant l’outil — et ce qu’on installe en clé en main pour qui veut le résultat sans le montage. Pour la donnée sensible, on cadre le niveau (cloud, ZDR, local) avant d’installer quoi que ce soit.
L’essentiel à retenir
- Ces trois-là sont des agents personnels — pas des plateformes d’équipe. Les juger sur leur RBAC, c’est se tromper de cahier des charges : leur force, c’est justement d’être à une personne.
- Le combat de 2026, c’est le contexte, pas le prompt. OpenHuman s’y attaque de front (cerveau numérique local-first), Hermes par l’apprentissage, OpenClaw par l’action.
- Avant l’outil, la donnée. Cloud, ZDR ou 100 % local : ce niveau se décide selon votre donnée — et il conditionne quels outils sont même envisageables.
- L’absence de RBAC est un signal. Le jour où un tiers entre dans la boucle ou que vous croisez des données clients, vous basculez vers une plateforme administrée.
- L’outil ne fait pas le cerveau numérique. Le context engineering — structurer votre savoir pour que l’agent le lise — pèse plus lourd que le choix entre les trois.
Envie de savoir où vous en êtes et par quoi commencer ? Le diagnostic de maturité IA prend 10 minutes et vous repartez avec une réponse argumentée sur votre situation. Ou directement un échange de 30 minutes si vous avez déjà un projet en tête.
