Hermes Agent Masterclass: Sub-agents (Episode 8)

Hermes Agent Masterclass: Sub-agents (Episode 8)

Historique des titres
  • Hermes Agent Masterclass: Sub-agents (Episode 8) — 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 📅 1 juillet 2026 ⏱ 13 min 👁 76 📄 tutoriel 🧭 2026-11-11
Disponible en : Français (actuel) English

Mots-clés

délégation de tâchesagent IAparallélisationcontext windowesport

Résumé

Dans cet épisode 8 de la masterclass sur Hermes, Max Oro explique comment utiliser les sous-agents pour déléguer des tâches complexes à plusieurs agents spécialisés. Il commence par exposer les limites d’un seul agent : le temps et la taille du contexte. Ensuite, il définit le concept de sous-agent, qui travaille dans un environnement séparé avec son propre contexte et ses propres outils, et qui renvoie uniquement une synthèse à l’agent principal. Il compare la relation parent-enfant à une équipe où le manager délègue à des chercheurs. Il insiste sur le fait que les sous-agents ne disposent d’aucune connaissance par défaut et doivent recevoir un brief très précis. Il donne des cas où utiliser les sous-agents (recherches parallèles, comparaisons) et où les éviter (tâches simples, planifiées). La démo porte sur une recherche esport concernant l’utilisation des données dans League of Legends, Counter-Strike et Fortnite. Il montre comment configurer la délégation dans le dashboard Hermes, puis comment lancer la démo et obtenir un rapport comparatif. Enfin, il énumère les limites des sous-agents (durée de vie limitée, coûts, nécessité d’un bon brief) et annonce le prochain épisode sur les workflows type Kanban. La conclusion insiste sur l’importance du découpage du travail et de la clarté du brief.

205 mots

Évaluation critique

Valeur des informations & solidité de l’argumentation

La vidéo apporte une explication claire et structurée du concept de sous-agents dans le contexte de l’agent Hermes. L’argumentation repose sur la nécessité de limiter la charge de contexte et de paralléliser les tâches. L’auteur illustre son propos avec une démo pratique qui montre concrètement l’intérêt de la délégation. Cependant, l’argumentation reste essentiellement expérientielle, basée sur des retours d’usage plutôt que sur des données objectives. Aucune étude comparative ni référence aux mécanismes internes du modèle n’est fournie, ce qui limite la solidité scientifique. L’analogie avec la gestion d’une équipe est pédagogiquement efficace, mais ne constitue pas une preuve.

Rigueur scientifique, qualité des sources, adéquation du titre

Le titre annonce une masterclass sur les sous-agents, ce qui correspond exactement au contenu. Les explications sont cohérentes et la démo illustre bien le propos. Aucune source scientifique n’est citée ; seuls des liens vers le site de l’auteur et un service de prise de rendez-vous sont fournis. La qualité de la vidéo repose sur la clarté pédagogique et l’expérience pratique, mais l’absence de références documentées limite sa rigueur scientifique. Le public semble apprécier (4 likes pour 76 vues), sans commentaires analysables.

195 mots

Adéquation titre / contenu

Le titre annonce exactement le contenu : une masterclass sur les sous-agents de Hermes. Adéquation parfaite.

Qualité & fiabilité

6/10

La vidéo est claire et didactique, basée sur une expérience pratique de l'auteur. Cependant, aucun appui scientifique n'est fourni, et les nombreuses digressions et imperfections de langage nuiraient à la rigueur.

Moments clés

Repères établis par PSI à partir de la transcription : le créateur n'a pas défini de chapitres.

Sources citées

  • May Agent - Site web — Site officiel de l'outil Hermes présenté dans la vidéo.
  • Rendez-vous découverte avec Max — Lien vers la prise de rendez-vous mentionné pour obtenir de l'aide.

Apport & nouveautés

L’apport principal de cette vidéo est de montrer comment, avec un agent comme Hermes, on peut déléguer des sous-tâches à des sous-agents pour paralléliser le travail et préserver le contexte principal. C’est une approche pragmatique de gestion des limites des modèles de langage. La démo concrète sur l’esport illustre bien le processus.

Pour aller plus loin :

  • Multi-agent system — Note de pertinence : ce concept des systèmes multi-agents est à la base des interactions entre agents autonomes.
  • Prompt engineering — Note de pertinence : indispensable pour concevoir des briefs précis à destination des sous-agents.
  • Large language model — Note de pertinence : rappel du fonctionnement et des limites de mémoire qui justifient la délégation.

115 mots

Profil radar

Le profil radar montre des scores relativement équilibrés, avec une légère supériorité pour le niveau technique et la quantité d'informations. Cela indique une vidéo didactique avec un bon contenu pratique, mais une fiabilité globale modérée en l'absence de sources externes.

Fiabilité 6/10