Hermes 2.3 : les nouveautés du modèle de Nous Research

Chez Nous Research, la série Hermes poursuit un objectif très différent de celui des modèles grand public : produire un LLM steerable, neutre, capable d'appeler des outils et de suivre des consignes système sans la « moraline » et les refus intégrés des modèles commerciaux. Hermes 2.3 est la dernière itération majeure de cette lignée, et elle apporte des changements concrets — pas seulement un marketing de « meilleur sur les benchmarks ». Ce guide décortique les vraies nouveautés et ce qu'elles changent pour votre usage, en local comme en API.

Rappel : qu'est-ce que la série Hermes ?

Hermes n'est pas un modèle de fondation entraîné from scratch. C'est un post-train appliqué sur une base open (Llama, Mistral, DeepSeek, Qwen selon les versions) avec un corpus massif d'instructions, de dialogues multi-tours, d'appels d'outils et de raisonnement structuré. La philosophie de Nous Research tient en trois principes :

• Steerability : le modèle obéit au system prompt. Si vous lui dites « réponds en JSON », il répond en JSON. Pas de rébellion, pas de reformulation.
• Neutralité : pas de refus intégrés pour des questions légitimes. Le modèle répond, point. C'est au développeur de mettre les garde-fous dans l'application.
• Agentic : function calling, tool use, raisonnement multi-étapes — Hermes est pensé pour être le « cerveau » d'un agent, pas juste un chatbot.

Hermes 2.3 conserve cette ADN mais pousse chacun de ces axes plus loin, et corrige les faiblesses de la 2.2 (hallucinations d'outils, formatage instable sur longs contextes).

Les nouveautés majeures de Hermes 2.3

1. Function calling nettement plus fiable

C'est le chantier numéro un. En 2.2, le modèle appelait parfois des outils avec des arguments mal formés, oubliait de fermer un appel, ou inventait des fonctions qui n'existaient pas dans le schéma fourni. Hermes 2.3 introduit un entraînement renforcé sur des schémas d'outils complexes (imbrication, paramètres optionnels, énumérations) et un format d'appel plus strict. En pratique :

• Le taux de formatage valide des appels d'outils grimpe sensiblement sur les benchmarks de tool-use (BFCL et variantes).
• Le modèle respecte mieux le schéma JSON demandé, y compris avec des types imbriqués et des contraintes d'énumération.
• Moins d'hallucinations de fonction : si une fonction n'est pas dans la liste, le modèle dit qu'il ne peut pas, au lieu d'inventer.

Pour qui construit des agents, c'est le gain le plus tangible : moins de code défensif pour parser/rejeter les appels mal formés.

2. Steerability renforcée et « system prompt compliance »

Hermes 2.3 obéit encore mieux au system prompt, même long et contraint. Les benchmarks internes de Nous Research mesurent la conformité à des consignes complexes (format de sortie, persona, restrictions de vocabulaire) et la 2.3 réduit les dérives. Concrètement, si vous voulez un modèle qui répond toujours en YAML, avec un ton précis et des champs obligatoires, la 2.3 tient la consigne sur des centaines de tours là où la 2.2 finissait par se relâcher.

La steerability n'est pas un détail : c'est ce qui sépare un modèle « jouet » d'un modèle utilisable en production. Un modèle qui obéit au system prompt est un modèle qu'on peut industrialiser.

3. Raisonnement multi-étapes et agentic loops

La 2.3 est entraînée sur des trajectoires d'agents complets : planifier, appeler un outil, observer le résultat, ajuster, rappeler. Ce n'est plus du « function calling one-shot », c'est de la boucle agentic. Le modèle gère mieux :

• l'enchaînement de plusieurs outils dans un même tour ;
• la récupération après erreur d'outil (si une API renvoie une 404, le modèle réessaie avec un autre argument au lieu de s'arrêter) ;
• la synthèse finale après une série d'appels — il résume ce qu'il a fait au lieu de simplement recracher le dernier résultat.

4. Meilleure gestion du contexte long

Hermes 2.2 avait tendance à « oublier » des consignes système placées en début de contexte très long. La 2.3 améliore l'attention sur les longues fenêtres (jusqu'à 128k selon la base) et maintient la conformité au system prompt même quand des milliers de tokens de conversation s'accumulent. C'est crucial pour les agents qui accumulent de l'historique.

5. Bases mises à jour

Hermes 2.3 est déclinée sur plusieurs bases récentes, ce qui apporte un gain de connaissances et de qualité brute. Les versions courantes incluent des déclinaisons sur des bases 70B et plus, ce qui la rend accessible en local sur une machine correctement dimensionnée (voir notre guide sur le matériel pour l'IA).

Performances : où se situe Hermes 2.3 ?

Sur les benchmarks académiques classiques (MMLU, GSM8K), Hermes n'est pas conçu pour battre les frontier models — c'est un modèle steerable, pas un modèle de knowledge. En revanche, sur ce qui compte pour son usage, il est très bien placé :

Attention aux chiffres : les benchmarks d'agents sont notoirement difficiles à comparer (voir notre guide sur les harnais d'évaluation). La vraie mesure, c'est votre propre cas d'usage.

Faire tourner Hermes 2.3 en local

Hermes étant un post-train sur base open, on le trouve en GGUF sur Hugging Face (cherchez Hermes-2.3 dans la communauté). Pour l'inférence locale, deux options principales :

• Ollama / LM Studio : le plus simple, clic-bouton, détecte le GPU. Idéal pour tester.
• llama.cpp / vLLM : pour la production locale, avec function calling natif et un serveur OpenAI-compatible.

Pour un modèle 70B en Q4, comptez ~40 Go de VRAM — un Mac mini M4 Pro 64 Go ou une machine avec une RTX 5090 32 Go + offload RAM font l'affaire. Pour des versions plus petites (8B-14B), un Mac mini M4 24 Go ou une RTX 3060 12 Go suffisent. Référez-vous au guide Mac mini et IA locale pour le dimensionnement précis.

Hermes 2.3 en API

Hermes est disponible chez plusieurs providers et agrégateurs (OpenRouter, Together, Fireworks…). L'avantage : vous payez à l'usage sans gérer l'infrastructure, et vous bénéficiez du format OpenAI-compatible. Comparez les prix en temps réel sur la page d'accueil d'AI Price Watch — filtrez par « Hermes » pour voir le moins cher du moment.

Cas d'usage où Hermes 2.3 excelle

• Agents avec outils : le function calling fiable en fait un excellent cerveau d'agent (RAG + tools + planning).
• Génération structurée : JSON/YAML strict, extraction de données, parsing de documents.
• Assistants neutres : quand vous ne voulez pas d'un modèle qui refuse des requêtes légitimes (recherche, analyse, création).
• Fine-tuning de base : comme Hermes est déjà bien post-trainé, c'est une excellente base pour un LoRA métier.

Quand éviter Hermes 2.3

• Connaissances encyclopédiques pointues : ce n'est pas un frontier model. Pour du trivia ou des faits très récents, un GPT-4o ou Gemini feront mieux.
• Multimodal avancé : Hermes est avant tout texte. Pour la vision/l'audio, regardez ailleurs.
• Usage grand public « clé en main » : sa neutralité suppose que vous mettiez vos propres garde-fous. Si vous voulez un assistant « safe by default » sans config, un modèle commercial est plus simple.

Le mot de la fin

Hermes 2.3 n'est pas une révolution, c'est une maturation. La 2.2 avait ouvert la voie du modèle steerable et agentic open ; la 2.3 fiabilise le function calling, renforce la conformité au system prompt et rend les boucles agentic utilisables en production. Pour qui construit des agents et veut un cerveau obéissant, neutre et capable d'outils — sans dépendre d'un vendor fermé — c'est aujourd'hui l'un des meilleurs choix du paysage open. Et comme souvent, la meilleure façon de juger est de le brancher sur votre propre harnais d'évaluation (voir notre guide dédié) plutôt que de faire confiance aux chiffres marketing.