La Coupe du Monde 2026, c'est 48 équipes, 104 matchs, plus d'un mois de compétition, et beaucoup de matchs en pleine nuit pour l'Europe. De quoi poser une question de développeur : une IA peut-elle pronostiquer les matchs, et surtout apprendre de ses erreurs ?
Pas un chatbot qui donne un pronostic générique et oublie tout cinq minutes après. Un vrai analyste autonome : il va chercher les statistiques du jour (forme, compositions, classement), envoie un briefing chaque matin sur Telegram, compare chaque soir ses pronostics aux vrais résultats, et progresse tout seul.
Précision importante, répétée dans la vidéo : aucun pari, aucune cote, aucun argent. C'est une expérience d'IA, rien de plus.
Hermes Agent est un agent IA autonome open source, développé par Nous Research. Ses trois caractéristiques principales :
- une mémoire persistante, qui lui permet de se souvenir d'une session à l'autre ;
- des skills qu'il crée lui-même au fil de son travail ;
- un « cerveau » interchangeable : on choisit le modèle de langage qui le fait fonctionner.
Dans la vidéo, le cerveau est un modèle d'Anthropic, Claude Sonnet 4.6, branché avec une clé d'API.
Un agent qui a accès à un terminal et à des fichiers n'a rien à faire sur un ordinateur personnel, au milieu des clés SSH et des projets clients. C'est le bon réflexe de sécurité, qu'Anthropic résumait fin mai dans son article sur le confinement des agents, dont on parlait ici : limiter ce que l'agent peut atteindre.
L'agent est donc déployé isolé, sur sa propre machine : un VPS, qui tourne 24 heures sur 24. Celui de la vidéo est un plan KVM2 avec 8 Go de RAM et 100 Go de stockage NVMe. Le fournisseur du serveur est le sponsor de la vidéo.
1. Le serveur. Commande du VPS, puis connexion en SSH.
2. L'installation. Hermes Agent est installé de A à Z, en mode configuration complète, pour ne rien laisser dans l'ombre.
3. Le cerveau. On configure le fournisseur de modèle : Anthropic, avec une clé d'API et Sonnet 4.6.
4. Telegram. On crée un bot avec BotFather, l'outil officiel de Telegram pour créer des bots, puis on connecte Hermes au bot. Un service systemd fait tourner l'agent en arrière-plan.
5. Les outils. On donne à l'agent un navigateur sans interface, la synthèse vocale et la recherche web.
C'est le moment clé. On décrit une seule fois la mission de l'analyste Coupe du Monde. Et l'agent s'organise tout seul : il écrit ses scripts Python et configure des tâches cron pour le matin et le soir.
- Le matin, il récupère les matchs du jour et les statistiques, prépare ses pronostics et envoie le briefing sur Telegram.
- Le soir, il compare ses pronostics aux résultats réels, et s'en sert pour progresser.
La démo ne cache pas les difficultés. Le principal problème rencontré : récupérer les bons matchs du jour. Avec des matchs joués sur plusieurs fuseaux horaires et des données en UTC, « aujourd'hui » n'a pas le même sens pour l'API, pour le serveur et pour l'utilisateur en France.
C'est un classique du développement, et un bon rappel : un agent autonome reste soumis aux mêmes pièges que n'importe quel programme. Il faut vérifier ce qu'il produit, surtout au début.
Le lendemain : l'heure de vérité
Les résultats tombent, et on compare les pronostics à la réalité. L'intérêt de l'expérience n'est pas d'avoir raison à tous les coups, mais de voir un agent qui tourne seul, rend compte chaque jour et garde une trace de ses erreurs.
On pourrait se demander pourquoi ne pas simplement utiliser Claude Code pour ce genre de tâche. Les deux approches se complètent :
- Claude Code est pensé pour travailler avec toi sur un projet de code : tu le lances, tu le guides, tu relis ;
- un agent comme Hermes est pensé pour vivre en permanence sur un serveur, recevoir des demandes par messagerie et exécuter des tâches récurrentes sans que tu ouvres un terminal.
D'ailleurs, dans la vidéo, c'est l'agent lui-même qui écrit ses scripts : un agent autonome peut aussi être un développeur, à condition de lui donner un cadre clair.
Pour les données de match, le support de la vidéo mentionne une clé d'API football-data, un service de données de football accessible par API. Passer par une source structurée est plus fiable que d'extraire les scores de pages web.
Au-delà du football, la vidéo montre un modèle de déploiement réutilisable pour beaucoup de tâches récurrentes :
- un serveur isolé, dédié à l'agent ;
- un agent open source avec mémoire et skills ;
- un modèle de langage au choix comme cerveau ;
- un canal de communication simple, ici Telegram ;
- un job décrit une fois, que l'agent transforme en scripts et en tâches planifiées ;
- une boucle de vérification, pour qu'il apprenne de ses erreurs.
Quelques précautions pour reproduire ce setup :
- protège ta clé d'API et le jeton du bot Telegram : ils donnent accès à ton compte ;
- limite ce que l'agent peut faire sur le serveur, et sauvegarde sa configuration ;
- surveille la consommation : deux exécutions par jour pendant un mois, avec recherches web et navigation, ça finit par compter ;
- relis ses scripts, notamment la gestion des dates et des fuseaux horaires.
- Objectif : un analyste IA autonome qui pronostique la Coupe du Monde 2026, sans aucun pari.
- Outil : Hermes Agent, open source (Nous Research), avec mémoire, skills et cerveau interchangeable.
- Déploiement : VPS dédié, Claude Sonnet 4.6, Telegram, service systemd, navigateur, synthèse vocale et recherche web.
- Fonctionnement : scripts Python et crons écrits par l'agent, briefing le matin, vérification le soir.
- Leçon : un agent autonome se déploie isolé, et se vérifie, surtout sur les dates.
