Agent IA proactif : le Super-agent de DeepSeek Harness face à Hermes
Un agent IA classique attend qu'on lui parle. Le 1er novembre 2026, le compte X @DeepSeekHarness a publié un long texte, « Exploring Super-agent Design: Towards a More Autonomous Agent System », qui propose autre chose : un agent toujours allumé, qui écoute les canaux de travail, décide seul de ce qui mérite son attention et agit sans qu'on l'appelle. La question que je me pose en le lisant n'est pas technique. Elle est de chef de projet : qu'est-ce que cela change par rapport aux agents personnels déjà disponibles, et qu'est-ce qu'il faut verrouiller avant de laisser un agent prendre l'initiative ?
Une précision d'emblée, que l'article donne lui-même : il expose des idées d'architecture, pas des fonctions existantes de DeepSeek Harness. Le texte original est en chinois ; je travaille sur sa traduction anglaise automatique, publiée avec lui.
Le Super-agent expliqué simplement
Le point de départ est un constat sur l'attention humaine. Selon les auteurs, une personne ne suit en général que 3 à 5 sessions actives à la fois. Les agents actuels progressent sur chaque tâche, mais dès qu'on en lance plusieurs, c'est l'humain qui devient le goulot : il doit passer d'une session à l'autre et se souvenir de ce que chacune contient.
Les quatre caractéristiques
L'article définit le Super-agent par quatre traits :
- Continu : on lui parle là où l'on travaille déjà (messagerie, commentaires GitHub) et c'est toujours le même agent. Si vous demandez un plan A dans la messagerie puis passez au plan B dans un commentaire de Pull Request, il comprend le changement.
- Productif : il mène plusieurs tâches complexes en parallèle et accepte une nouvelle consigne avant d'avoir fini la précédente.
- Proactif : il n'attend pas d'instructions pas à pas. Il surveille son environnement, agit sur ce qui mérite d'être traité et se tait sinon.
- Persistant : il est toujours en ligne, branché sur les vrais environnements de travail, et se remet seul des incidents.
Les deux couches
Pour tenir ces promesses, l'architecture sépare deux rôles. En haut, une couche routeur, permanente, reçoit tout ce qui vient des humains, garde la mémoire globale et répartit le travail. Elle n'exécute rien elle-même ; les auteurs précisent qu'elle peut fonctionner sans accès au terminal, et qu'un modèle plus léger y suffit souvent.
En bas, une couche de workers : chaque worker est une session isolée, dédiée à une seule tâche, avec tous les outils d'exécution. Les workers ne parlent jamais directement aux humains. Ils rendent compte au routeur, qui seul répond. Pour l'utilisateur, la notion de session disparaît : il a affaire à un seul interlocuteur.
L'image est familière à qui a piloté une équipe : un coordinateur qui distribue sans exécuter, et des personnes qui traitent chacune leur lot.
Les déclencheurs
Le changement le plus profond tient à ce qui fait démarrer l'agent. Ce n'est plus une consigne tapée par un humain, mais des événements de l'environnement : messages de groupe, emails, rappels d'agenda, commentaires de revue de code, résultats d'intégration continue. L'article les appelle des déclencheurs (« Triggers »).
Comme la plupart des messages ne demandent rien, le système filtre en deux temps : d'abord des règles codées (source, groupe, listes d'expéditeurs autorisés), chaque source pouvant être réglée sur « répondre seulement aux demandes explicites », « considérer comme candidat » ou « ignorer » ; ensuite seulement, un modèle juge les événements restants à partir de consignes en langage naturel.
L'article va plus loin avec l'exécution anticipée : l'agent commence un travail en arrière-plan avant de savoir s'il servira. L'exemple donné en interne est une règle « reproduire et corriger en silence » : quand quelqu'un signale un problème dans le groupe d'utilisateurs, l'agent tente de le reproduire et de trouver un correctif, et ne se manifeste que s'il a confirmé le problème et trouvé une correction simple. Les auteurs écrivent aussi que leur instance interne surveille des discussions de groupe et, même quand personne ne la mentionne, cherche les causes et ouvre des Pull Requests pour corriger.
Le reste de l'architecture complète l'ensemble, dont un « watchdog » : une session indépendante qui vérifie que chaque worker progresse vraiment et ne dérive pas de son objectif.
Ce que disent les expériences
Les auteurs présentent leurs résultats comme indicatifs : charges synthétiques, environnement simplifié, protocole perfectible. Sur un flux d'environ 300 messages, dont environ 20 demandes de travail, rejoué 5 fois, le Super-agent termine les tâches en 12,4 minutes en médiane et 15,7 minutes au 95e centile. Une session unique avec un prompt neutre n'a délégué à aucun sous-agent sur les 5 essais et monte à 29,5 minutes au 95e centile. Avec un prompt qui pousse à déléguer, le modèle a délégué dans 4 essais sur 5 seulement. Le prix de la vitesse est clair dans le texte : le Super-agent consomme plus de jetons que les designs à session unique, il échange des jetons contre des délais plus courts et plus stables.
Ce qu'un agent personnel comme Hermes fait déjà
J'utilise Hermes Agent, le projet open source de Nous Research, sur un serveur privé (VPS). Je lui parle par Telegram, et il exécute quelques tâches programmées simples : des rappels, une veille de l'état du serveur. J'applique une règle d'accès minimal : mes mails et mon agenda ne sont branchés sur aucun agent.
D'après sa documentation (version 0.22.2), Hermes couvre déjà une partie du terrain décrit par l'article :
- une passerelle unique vers Telegram, Discord, Slack, WhatsApp ou Signal, qui permet de lui parler depuis son téléphone pendant qu'il tourne ailleurs ;
- une mémoire qu'il gère lui-même et des compétences qu'il crée et améliore à l'usage ;
- un planificateur de tâches récurrentes (cron), dont chaque exécution démarre dans une session neuve ;
- des webhooks : un événement venu de GitHub, GitLab ou d'un autre service déclenche une exécution ;
- des sous-agents isolés lancés en parallèle (jusqu'à 10 par défaut), dont seul le résumé final remonte ;
- un tableau kanban partagé entre plusieurs profils, avec un mode « swarm » : des workers en parallèle, puis un vérificateur, puis une synthèse.
Sur la proactivité, la différence est nette. Dans un groupe Telegram, Hermes peut être réglé pour ne répondre que si on le mentionne, et un mode optionnel lui fait lire les messages non adressés comme contexte sans pour autant le déclencher. Ce qui le met en mouvement sans qu'on lui parle, ce sont des déclencheurs que l'on a configurés explicitement : une heure, un webhook. Le Super-agent, lui, est pensé pour décider seul qu'un message mérite une action.
Le tableau comparatif
| Critère | Super-agent (proposition DeepSeek Harness) | Hermes Agent (Nous Research) |
|---|---|---|
| Statut | Idées d'architecture, prototype « non officiel » | Logiciel installable, licence MIT |
| Ce qui le déclenche | Événements de l'environnement, filtrés puis jugés par un modèle | Un message, une tâche planifiée, un webhook configuré |
| Unité de travail visible | Aucune session : un seul interlocuteur | Des conversations, plus des sous-agents à la demande |
| Parallélisme | Un worker isolé par tâche, abonné à ses fils de discussion | Sous-agents isolés, kanban avec mode swarm |
| Initiative | Agit sans mention, travaille par anticipation | Agit sur ce qu'on a programmé ; en groupe, peut exiger une mention |
| Garde-fous décrits | Watchdog de progression ; sécurité classée « problème ouvert » | Validation des commandes dangereuses, arrêt d'urgence hermes pause |
Les risques d'un agent qui agit sans qu'on l'appelle
Un agent proactif n'est pas un assistant plus rapide, c'est un acteur de plus qui prend des décisions. Six risques sont à poser sur la table avant tout déploiement.
Les droits nécessaires. Pour agir seul, l'agent doit lire les canaux et écrire dans les outils : ouvrir des Pull Requests, répondre dans un groupe, rédiger des mails. Chaque droit ajouté élargit ce qu'une erreur ou une attaque peut toucher.
Les actions non demandées. Un correctif spontané peut être juste et mal venu : pendant un gel, sur le périmètre d'une autre équipe, ou en court-circuitant une décision en cours.
La traçabilité. Quand plusieurs workers agissent en arrière-plan et qu'un seul routeur parle, il faut pouvoir reconstituer qui a décidé quoi, sur quel événement, et pourquoi.
La vie privée des canaux surveillés. Écouter un groupe, c'est lire des personnes qui n'ont pas choisi de parler à un agent : consentement et conservation se règlent dès le départ.
Le coût. L'exécution anticipée consiste par définition à produire du travail qui sera parfois jeté. Les expériences de l'article montrent d'ailleurs l'effet d'un seul mécanisme : sans le transfert direct des événements aux workers, le routeur prend environ 30 % de décisions en plus et la consommation de jetons lus en cache passe de 23,2 à 31,8 millions, soit environ 37 % de plus.
Les erreurs en cascade. Un agent qui réagit aux événements réagit aussi aux siens : une correction produit un résultat d'intégration continue, qui appelle une nouvelle action. Le watchdog de l'article vise justement les boucles improductives.
L'article a l'honnêteté de lister lui-même ses problèmes ouverts. Sur la sécurité, il reconnaît qu'un design piloté par les événements expose l'agent à davantage d'entrées non fiables, et que sans réponse solide, un Super-agent ne peut fonctionner que dans un périmètre très restreint et de confiance. Si le cœur de l'agent dans le cloud est compromis par une intrusion ou une injection de prompt, toutes les machines qui y sont reliées peuvent l'être aussi. Les identifiants peuvent fuiter même sans attaque, dès qu'ils entrent dans le contexte du modèle : l'agent devrait pouvoir s'en servir sans jamais les voir. Les auteurs citent aussi la mémoire à long terme, l'intervention humaine en cours de tâche et la collaboration entre agents qui ne partagent ni contexte ni droits.
Ce qu'un chef de projet peut en retenir
Ce texte montre où va la conception des agents : du chat qui attend vers un collègue qui prend des initiatives, l'humain remontant vers la décision et la validation. Encore faut-il que cette validation existe. Les garde-fous que je demanderais :
- Commencer en mode « signaler seulement ». L'agent observe et propose, il ne fait rien. Le filtrage de l'article le permet déjà, puisque chaque source peut être réglée sur « répondre seulement aux demandes explicites ».
- Des droits par tâche, pas des droits globaux. Un worker qui reproduit un bug n'a pas besoin de pouvoir fusionner du code ni d'écrire dans un groupe. Hermes va dans ce sens : les droits élargis d'un webhook se règlent à la main dans la configuration, et un abonnement créé par l'agent ne peut pas s'en accorder.
- Un arrêt d'urgence connu de tous. Chez Hermes,
hermes pausesuspend les nouvelles tâches planifiées, le kanban et les conversations, mais n'interrompt pas celles déjà en cours : il faut le savoir avant d'en avoir besoin. - Un journal des actions lisible par un humain. Quel événement, quelle décision, quelle action, quel résultat.
- Une validation humaine avant toute écriture. Lire, analyser, préparer un brouillon : oui. Envoyer, publier, fusionner : après accord. Dans Hermes, les commandes jugées dangereuses sont refusées par défaut dans les tâches planifiées et les webhooks, faute d'humain pour les approuver.
Et quelques questions à poser à tout fournisseur : quels canaux l'agent lit-il, et qui en a été informé ? Que se passe-t-il s'il se trompe à trois heures du matin ? Combien coûte un mois de travail anticipé jeté ? Qui peut l'arrêter, et en combien de temps ?
Sources :
- DeepSeek Harness, « Exploring Super-agent Design: Towards a More Autonomous Agent System », 1er novembre 2026 : https://x.com/deepseekharness/status/2116857257245987236
- Nous Research, Hermes Agent, dépôt et README : https://github.com/NousResearch/hermes-agent
- Documentation Hermes Agent (sécurité, cron, délégation, kanban, webhooks, Telegram) : https://hermes-agent.nousresearch.com/docs/
Pour aller plus loin
Questions fréquentes
Qu'est-ce qu'un Super-agent selon l'équipe DeepSeek Harness ?
Une architecture où l'agent est une entité unique et permanente : un routeur reçoit les interactions humaines et répartit le travail, des workers isolés exécutent chaque tâche, et les événements de l'environnement déclenchent l'action.
Le Super-agent est-il un produit DeepSeek disponible ?
Non. L'article précise qu'il expose des idées d'architecture et non des fonctions existantes de DeepSeek Harness. Une partie du design est implémentée dans un prototype que les auteurs décrivent comme un outil de validation, pas comme un produit officiel de DeepSeek.
Hermes Agent est-il un agent proactif ?
En partie. Il agit sans qu'on lui parle quand on l'a programmé pour : tâche planifiée, webhook, rappel. Il ne décide pas seul, par défaut, qu'un message de groupe mérite une action, et peut être réglé pour ne répondre qu'aux mentions.
Quel est le principal risque d'un agent IA proactif ?
L'étendue de ses droits. Pour agir sans qu'on l'appelle, il doit lire beaucoup et écrire quelque part. Les auteurs du Super-agent classent eux-mêmes la sécurité et la vie privée parmi les problèmes ouverts, notamment l'exposition à des entrées non fiables et la fuite d'identifiants.
Par où commencer pour tester un agent proactif en équipe ?
Par un périmètre restreint où l'agent signale sans agir, avec un journal, un arrêt d'urgence et une validation humaine avant toute écriture, puis on élargit tâche par tâche.
Découvre mes outils

À propos de l'auteur
Delivery Manager à Rennes. Je pilote des projets de transformation digitale, SEO/GEO et accessibilité RGAA pour des clients grands comptes. Ce blog est le reflet de ce que je rencontre sur le terrain.