Aller au contenu
RZRenZan BlogHomelab · IA · Domotique
Illustration d'un cerveau neuronal relié à des nœuds cloud et locaux par plusieurs chemins de routageIngénierie · IA · 4 septembre 2026

Repointage vers un fournisseur direct : comment un agent choisit son cerveau

Le cerveau d'un agent, c'est le modèle de langage. Mais la question la plus structurante n'est pas laquelle choisir, c'est par quel tuyau le faire tourner. Hermes Agent vient de repointer son modèle principal d'un meta-routeur vers un fournisseur direct. Petit tour de la couche de routage, des choix qui la gouvernent et de ce que ça change au quotidien.

Le cerveau, l'annonce d'un tuyau et le bloc "model"

Dans la configuration d'Hermes Agent, tout commence par un bloc minuscule, à la première ligne :

model:
  provider: fireworks
  default: accounts/fireworks/models/deepseek-v4-flash-vision-exp
  base_url: ''

Trois champs, trois décisions. provider nomme le fournisseur de référence. default identifie précisément le modèle. base_url surcharge l'endpoint — vide ici, ce qui signifie que l'agent utilise l'URL d'inférence par défaut du fournisseur. C'est la brique la plus simple du fichier, et pourtant c'est elle qui décide où va chaque appel du modèle principal.

Deux philosophies de tuyau

Le repointage récent (le 3 septembre 2026) a fait basculer le modèle principal d'une philosophie à l'autre. Avant, le bloc indiquait :

model:
  provider: openrouter
  default: deepseek/deepseek-v4-flash-0731

OpenRouter est un agrégateur : on lui envoie la requête, il la route lui-même vers le fournisseur réel, ajoute son cache de réponses et prélève une petite commission à chaque appel. Le modèle y est désigné par un identifiant court préfixé par la marque : deepseek/deepseek-v4-flash-0731. C'est pratique : un seul compte, un seul endpoint, et l'accès à des dizaines de modèles en changeant une chaîne.

Fireworks, lui, est un fournisseur d'inférence direct. La requête part de l'agent, traverse le réseau et atterrit directement sur l'endpoint du fournisseur, sans intermédiaire commercant. L'identifiant change de nature : accounts/fireworks/models/deepseek-v4-flash-vision-exp est un chemin natif du fournisseur, pas un alias de routeur. Cette adresse de type accounts/… renvoie à la notion de compte-produit : le fournisseur connaît ce modèle, le sert et le facture directement.

Ce que change le direct

Passer par un fournisseur direct, ce n'est pas qu'une question d'adresse. C'est une série de compromis concrets.

Le parcours de la requête. Plus d'un saut de routage au milieu. L'agent parle directement au moteur d'inférence, ce qui raccourcit le chemin physique de la requête et rend le streaming moins pessimiste — utile quand on attend une réponse lettre par lettre en continu.

Le cache de contexte. Hermes Agent active le prompt caching sur le préfixe de conversation, avec un cache_ttl: 1h. Face à un fournisseur direct, ce cache est serveur-dépendant : le fournisseur peut conserver et réutiliser le préfixe précalculé sur une fenêtre d'une heure, ce qui économise du calcul et de la latence sur les longues conversations à gros contexte. Avec un agrégateur, on dépend de la politique de cache de l'intermédiaire, pas de celle du moteur qui exécute réellement.

Le contrôle de bout en bout. En direct, l'agent maîtrise ses en-têtes, ses paramètres d'échantillonnage et son format de sortie. Rien n'est rebaptisé au passage. Pour un outil qui enchaîne jusqu'à deux cents tours et utilise des dizaines d'outils dans une même exécution, la prévisibilité du tuyau compte autant que la qualité du modèle.

La tarification, sans commission. Le prix payé est celui du fournisseur, au token près. Sans marge de routeur entre l'agent et le moteur.

Le même modèle, une passe de vision en plus

Le repointage n'a pas seulement changé de tuyau : il a changé de variante. En routeur, la référence était deepseek-v4-flash-0731, un modèle tekstuel. En direct, la référence est deepseek-v4-flash-vision-exp, la variante expérimentale capable — au moins en principe — de comprendre des images. Le suffixe exp signale qu'il s'agit d'une déclinaison de recherche, disponible directement sur le fournisseur, pas d'un modèle consolidé du routeur.

Ce détail illustre le vrai avantage du direct : l'accès immédiat aux modèles et aux variantes que le fournisseur publie, y compris celles qui ne sont pas encore exposées via un aggregator. On ne dépend plus du catalogue de l'intermédiaire pour découvrir une nouveauté.

Les cerveaux auxiliaires suivent le tuyau principal

Le modèle principal n'est pas le seul consommateur de tokens. La vision, la compression de contexte, la génération de titre de conversation, les appels MCP, l'approbation : autant de tâches secondaires qui elles aussi ont besoin d'un modèle. Dans la configuration, elles sont regroupées dans un bloc auxiliary: et toutes laissées en provider: auto, avec un modèle vide :

auxiliary:
  vision:
    provider: auto
    model: ''
  title_generation:
    provider: auto
    model: ''
  compression:
    provider: auto
    model: ''

provider: auto signifie que ces tâches héritent du fournisseur et du modèle actifs. En pratique, basculer provider en tête de fichier aligne toute l'écosystème de modèles sur le même tuyau en une seule modification. Le direct et le consistency vont de pair : un seul fournisseur, un seul cache, une seule clé, une seule source de vérité pour toutes les inférences annexes.

Le contrepoids : le local, toujours présent

Le bloc providers: de la configuration garde une entrée locale :

providers:
  lmstudio:
    api: http://192.168.1.11:1234/v1
    base_url: http://192.168.1.11:1234/v1
    api_key: not-needed

Un moteur d'inférence local (LM Studio) tourne sur la machine du poste, accessible sur le réseau familial. Ce n'est pas un concurrent du cloud : c'est un filet. Pour les tâches sensibles, hors ligne ou à forte empreinte, le local offre une inférence gratuite qui ne quitte pas le logement. Le cloud, lui, apporte la pointe de performance et la variante vision. Des deux côtés, l'agent reste maître de sa configuration.

Cette tension local contre cloud rappelle l'équilibre déjà décrit pour la chasse au gigaoctet sur le NAS : les gros modèles coûtent cher en mémoire et en latence, et il faut souvent arbitrer entre la commodité du cloud et la sobriété du local.

L'argument self-hosté

Le choix d'un fournisseur direct n'est pas anodin dans un homelab. Le projet de départ — héberger soi-même, contrôler son infrastructure — se prolonge naturellement dans le choix du tuyau de modèle. Repointer vers un fournisseur direct, c'est une façon de garder la main sur la chaîne d'inférence plutôt que de déléguer cette décision à un routeur. L'agent ne dépend que des briques qu'il a explicitement choisies, et il peut les changer sans toucher à l'architecture : trois lignes, et le cerveau change de logement.

Le 26 août 2026, le modèle était déjà passé d'un fournisseur local à un routeur. Le 3 septembre 2026, il est passé du routeur au direct. Chaque bascule est un changement de trois lignes dans la même section. C'est tout l'intérêt d'une couche de routage bien pensée : le cerveau se déménage sans que l'agent ni ses outils s'en aperçoivent.

Ce qu'on retient

Le bloc model d'un agent est minuscule mais stratégique. Le choix entre un agrégateur et un fournisseur direct n'est pas technique : c'est un choix de degré de contrôle, de latence, de cache et de coût. Repointer vers Fireworks direct, c'est retrouver le chemin le plus court vers le moteur, aligner tous les modèles auxiliaires sur le même tuyau et profiter des variantes que seul le fournisseur publie. Pour un homelab qui cherche à tout garder sous la main, c'est une cohérence de plus.

← Retour aux articles