Dossier May Hermes: Tout savoir sur la mémoire d'un agent IA (Episode 3)

Dossier May Hermes: Tout savoir sur la mémoire d'un agent IA (Episode 3)

Historique des titres
  • Dossier May Hermes: Tout savoir sur la mémoire d'un agent IA (Episode 3) — observé le 20261111-1954 UTC (YouTube)

par Max Oro · Voir la chaîne sur PSI

Sciences appliquées & ingénierie IA — Actualité & Applications UYInformatiqueUYQIntelligence artificielle (IA)
🎙 Max Oro 👥 264 📅 19 juin 2026 ⏱ 13 min 👁 240 📄 tutoriel 🧭 2026-11-11
Disponible en : Français (actuel) English

Mots-clés

memory.mduser.mdmémoire de sessionplugin mémoireskill Obsidian

Résumé

Cette vidéo, troisième épisode d’une masterclass sur l’agent IA Hermes, explique en détail comment fonctionne la mémoire de cet agent et comment l’optimiser. Le créateur commence par insister sur l’importance d’une mémoire bien paramétrée pour éviter de répéter constamment le contexte. Il présente ensuite les quatre couches de mémoire : d’abord la mémoire de base constituée des fichiers MEMORY.md (notes de l’agent, leçons apprises) et USER.md (profil utilisateur, préférences), avec leurs limites de caractères respectives (2200 et 1375). Ensuite, la mémoire de session, qui correspond aux échanges en cours, et dont l’écriture ne modifie pas immédiatement le prompt actif. La troisième couche concerne les plugins de mémoire externe, tels que Honcho, Mem0, OpenViking, etc., permettant de stocker de grands volumes d’informations et de construire des profils dynamiques. Enfin, la quatrième couche est une skill, illustrée par Obsidian, servant de second cerveau et de bibliothèque structurée pour les notes et documents. L’auteur démontre comment configurer ces couches, notamment via le tableau de bord Hermes et en écrivant les fichiers mémoire. Il souligne que la mémoire est malléable et s’optimise au fil de l’utilisation. La vidéo se conclut sur l’annonce du prochain épisode consacré aux skills.

194 mots

Évaluation critique

Valeur des informations & solidité de l’argumentation

La vidéo apporte une valeur pratique indéniable pour les utilisateurs de l’agent Hermes, en démystifiant la mémoire d’un agent IA et en proposant une méthodologie claire (quatre couches). L’argumentation est structurée et illustrée par des démonstrations à l’écran, ce qui renforce la compréhension. Le créateur insiste sur la distinction entre mémoire, historique et skills, clarifiant des concepts souvent confondus. Cependant, certains points reposent sur des choix personnels (comme l’utilisation d’Obsidian) et manquent de références extérieures pour consolider les affirmations sur les capacités spécifiques de l’agent.

Rigueur scientifique, qualité des sources, adéquation du titre

Rigueur scientifique : la vidéo n’a pas de prétention scientifique, mais technique. Aucune source académique n’est citée ; seuls des liens vers le site de l’auteur (may-agent.com) et un outil de prise de rendez-vous (cal.com) sont fournis en description. Les informations semblent cohérentes en interne, mais la fiabilité est limitée par l’absence de sources vérifiables. Adéquation titre/contenu : le titre est bien choisi, le contenu couvre effectivement tous les aspects de la mémoire d’un agent IA dans le contexte de l’agent Hermes, en accord avec les chapitres annoncés.

188 mots

Adéquation titre / contenu

Le titre est fidèle au contenu : la vidéo couvre effectivement les principaux aspects de la mémoire d'un agent IA, avec des exemples concrets pour Hermes.

Qualité & fiabilité

6/10

Tutoriel pratique et structuré avec démonstrations, mais aucune source externe citée pour vérifier les affirmations sur l'agent Hermes. La fiabilité repose sur l'expérience du créateur et la cohérence interne.

Chapitres

Sources citées

  • Rendez-vous de diagnostic avec Max Oro — Lien en description pour prendre rendez-vous avec le créateur, mentionné comme offre d'accompagnement.
  • Site officiel de May Agent — Lien en description vers le site de l'agent Hermes, outil présenté dans la vidéo.

Apport & nouveautés

Cette vidéo apporte un éclairage pratique sur la gestion de la mémoire d’un agent IA, spécifiquement pour l’outil Hermes. Elle organise la mémoire en quatre couches distinctes, ce qui est une approche clarificatrice et pédagogique. Les exemples concrets de configuration des fichiers MEMORY.md et USER.md, ainsi que l’intégration d’Obsidian comme bibliothèque externe, constituent un apport original pour les utilisateurs cherchant à optimiser leur agent.

Pour aller plus loin :

  • Mémoire des agents conversationnels (RAG) — La récupération augmentée de génération est une technique connexe utilisée pour fournir une mémoire à long terme aux LLM, moyennant des bases vectorielles.
  • Base de données vectorielle — Les bases vectorielles sont au cœur des mémoires plugin comme Honcho ou Mem0, permettant de stocker et rechercher des connaissances sous forme d’embeddings.
  • Obsidian (gestionnaire de connaissances) — L’outil présenté comme second cerveau pour l’agent, dont le site officiel détaille les fonctionnalités de liens et de notes Markdown.

151 mots

Profil radar

Le profil radar montre une vidéo équilibrée : bon volume d'information, qualité informative correcte, niveau technique accessible mais non trivial, et fiabilité globale modérée faute de sources vérifiables. L'ensemble est cohérent et répond au titre.

Fiabilité 6/10