La plupart des agents IA d’aujourd’hui sont fondamentalement défaillants d’une manière critique — ils oublient tout. À la fin de chaque session, leur contexte, leurs comportements appris et leurs ajustements spécifiques à l’utilisateur disparaissent, les obligeant à recommencer depuis le début à chaque fois. Ce caractère sans état est un goulot d’étranglement silencieux dans la course à la création d’assistants autonomes et utiles sur chaîne. DWF Ventures vient de se concentrer sur une solution, en mettant en avant le cadre open-source Hermes de Nous Research, qui attaque directement le problème de la mémoire, selon le rapport original de WuBlockchain.
La note de DWF soutient que Hermes se distingue car ce n'est pas simplement un autre outil d'automatisation ponctuel. Le cadre introduit une mémoire persistante qui conserve les interactions utilisateur, les sessions et les préférences apprises dans le temps. Cela est combiné à un système automatisé de compétences qui élargit de manière organique les capacités de l'agent, ainsi qu'à des profils utilisateurs qui ancrent la mémoire à une identité cohérente. Une boucle d'amélioration continue affinerait en permanence ce que l'agent sait, accumulant son utilité au lieu de réinitialiser chaque cycle. Pour un secteur qui a inondé le marché de simples interfaces de chatbot et d'agents API superficiels, cette conception marque un changement structurel vers une intelligence durable et cumulative.
Pourquoi les agents sans état sont devenus la norme
Les architectures sans état sont peu coûteuses et simples. Elles sont conçues pour évoluer et évitent de stocker des données utilisateur sensibles. Cela avait du sens pour les premiers bots de trading crypto et les assistants Discord simples qui n’avaient besoin que d’envoyer des alertes ou de traiter une seule commande. À mesure que les agents IA commencent à gérer des tâches plus complexes — interpréter des positions DeFi, gérer des opérations multi-étapes entre chaînes ou apprendre à partir de flux de données sur chaîne — l’absence de mémoire devient un inconvénient. La répétition tue l’efficacité, et le manque de personnalisation mine la confiance. La présentation de DWF suggère qu’ils regardent au-delà du hype vers une infrastructure capable de survivre à un engagement utilisateur soutenu, et non seulement de bien se montrer en démonstration.
Cette orientation vers des agents dotés d'état et conscients de la mémoire s'aligne sur le mouvement plus large vers une infrastructure décentralisée d'intelligence artificielle. Des projets ont commencé à assembler des couches de calcul, de stockage et d'entraînement permettant aux agents IA de fonctionner sans dépendre des nuages centralisés. Par exemple, les partenariats de calcul distribué comme UXLINK et le travail d'Origins Network sur des applications Web3 pilotées par l'IA évolutives montrent comment les fondations sont posées pour des agents nécessitant un calcul persistant. Hermes contribue à cela en s'appuyant sur le réseau décentralisé d'entraînement Psyche de Nous, une couche qui répartit la charge lourde du raffinage des modèles.
Sécurité, clés scellées et le réseau Psyche
Les mécanismes sous-jacents ne concernent pas seulement la mémoire. Hermes intègre une isolation des identifiants afin que les jetons d'accès et les clés privées ne soient pas mélangés à la couche centrale de raisonnement de l'agent. La redaction secrète et la rotation automatique des clés lui confèrent une posture de sécurité plus proche d'un système de custody que d'un bot expérimental typique. Cette architecture est cruciale car les agents avec état qui détiennent les identifiants des utilisateurs deviennent des cibles de haute valeur. Intégrer ces fonctionnalités avec Psyche — un réseau de formation décentralisé — signifie que les modèles eux-mêmes sont affinés par une structure de nœuds distribués plutôt que par un seul serveur, ce qui réduit les points de défaillance centralisés.
La demande de stockage pour de tels agents persistants et apprentissants suit une tendance reconnaissable. À mesure que les modèles accumulent des connaissances et des historiques d'utilisateurs, le besoin de stockage peu coûteux et vérifiable augmente. L'intérêt croissant pour les couches de données IA a déjà placé des projets comme Filecoin au cœur des discussions sur des solutions de stockage décentralisé adaptées aux charges de travail IA. Hermes ne gère peut-être pas directement le stockage sur chaîne, mais la boucle d'amélioration autonome sur laquelle il repose tirera et poussera inévitablement vers des environnements décentralisés s'il s'adapte aux cas d'utilisation Web3.
Là où l'avantage n'est pas garanti
DWF compare explicitement Hermes à Claude Code et OpenAI Codex, affirmant que leur force à générer du code en temps réel ne se traduit pas par une capacité cumulative sur plusieurs semaines d'utilisation. Un agent sans état peut produire un audit de contrat intelligent parfait un jour et oublier le contexte entier du projet le lendemain. Le point fort d'Hermes réside dans sa capacité à accumuler des expériences. C'est un véritable avantage concurrentiel si l'exécution est impeccable, mais cela exige également que les utilisateurs s'engagent dans un environnement d'agent unique et à long terme, ce que le marché a lentement adopté en dehors des opérations financières de niche.
La nature open-source d’Hermès coupe les deux sens. Elle permet une audit large et une adaptation par la communauté, ce qui pourrait accélérer l’adoption dans les outils DeFi, les opérations DAO et l’analyse NFT. En même temps, rester open-source tout en conservant un avantage sécurité face à des concurrents bien financés et closed-source est une fine ligne. Il reste incertain qu’Hermès capte suffisamment l’attention des développeurs pour devenir l’échafaudage par défaut des agents Web3 avec état. La mémoire seule ne garantit pas l’utilité si la qualité du raisonnement sous-jacent est en retard ou si l’intégration avec les wallets et dApps existants reste maladroite. Le Spotlight de DWF est un signal que les fonds de risque prêtent attention à l’architecture, et non seulement au nombre d’utilisateurs. Pour les équipes qui construisent dans l’espace des agents IA, le modèle d’Hermès devient désormais la référence pour ce qui vient après l’ère des chatbots.