Qu’est-ce que nanobot ?
nanobot, du laboratoire HKUDS de l'Université de Hong Kong, est un framework d'agents auto-hébergé en Python, petit et lisible. Une seule passerelle gère l'exécution, les sessions, les outils, la mémoire et la politique de sécurité, et la WebUI, l'interface terminal native et les canaux de discussion s'y connectent. Les canaux comprennent Telegram, Discord, Slack, WeChat, Feishu, Email, Mattermost, Teams et Linear. Il travaille avec des fichiers (dont PDF, Word, Excel et PowerPoint), le shell, la recherche web, MCP, des tâches cron, la génération d'images et la délégation à des sous-agents. La mémoire à long terme est consolidée par un processus qu'il appelle Dream.
Créé en février 2026, le dépôt compte environ 49 700 étoiles sur GitHub et est sous licence MIT. La version 0.4.0 est sortie le 28 octobre 2026, et le paquet PyPI nanobot-ai a été téléchargé environ 19 900 fois au cours des sept derniers jours. Il nécessite Python 3.11+ et un fournisseur de modèles ou un serveur de modèles local ; il ne fournit aucun compte de modèle. Il expose aussi un SDK Python et une API compatible OpenAI.
nanobot vaut-il le coup ?
L'argument de nanobot, c'est sa taille. Il fait une bonne partie de ce que fait OpenClaw, dont la mémoire persistante, les tâches planifiées, la présence dans les applications de messagerie et MCP, à partir d'un cœur Python assez petit pour être lu. Pour un développeur qui veut un agent toujours actif qu'il peut auditer ou forker, cela compte davantage que la liste de canaux plus longue d'OpenClaw. Le SDK Python et l'API compatible OpenAI facilitent aussi son appel depuis du code existant, ce que la passerelle TypeScript d'OpenClaw permet moins directement.
Les réglages par défaut sont raisonnables. La tâche sur fichiers du premier lancement utilise des droits limités au dossier de travail, les discussions temporaires restent hors de l'historique et de la mémoire, et le README prévient qu'accéder à la WebUI revient à administrer l'instance de l'agent. Il note aussi qu'approuver un expéditeur privé sur une plateforme de messagerie ne restreint pas toujours l'accès des groupes. Ce sont les bons avertissements. Mais ce ne sont que des avertissements : l'opérateur doit toujours configurer l'appairage et la politique de groupe canal par canal.
L'historique de sécurité est court, mais pas vierge. Cinq avis de sécurité GitHub ont été publiés, deux critiques et trois élevés, tous entre mars et mai 2026. Ils comprennent un contournement d'autorisation par injection d'identifiants d'expéditeur, un détournement de WebSocket intersite dans la passerelle WhatsApp et un path traversal qui permettait d'écrire des fichiers arbitraires à partir de noms de documents WhatsApp. Tous se trouvaient dans le code exposé aux applications de messagerie, la partie qu'un agent personnel ne peut pas éviter d'exposer.
Le projet avance très vite. Le journal des nouveautés du README affiche une note de version presque chaque jour fin octobre 2026, et environ 870 tickets et pull requests sont ouverts. C'est pourquoi les branches source et stable sont documentées séparément. Les équipes qui veulent de la stabilité devraient figer une release PyPI et lire le guide de mise à jour avant chaque montée de version.
Là où il fait la différence
Un développeur Python doté d'un serveur domestique
Faire tourner sur Telegram un assistant privé qui retient les préférences et exécute des tâches nocturnes
uv tool install nanobot-ai, connectez Telegram et ajoutez des automatisations cron ; la mémoire vit dans de simples fichiers comme USER.md et memory/MEMORY.md, lisibles et modifiables. Le logiciel est gratuit ; le modèle vient d'un serveur local ou d'une clé d'API.
Un cabinet de conseil de deux personnes sur Slack
Faire résumer les rapports clients par un agent et publier une synthèse le lundi
Les outils de fichiers intégrés lisent les .docx, .xlsx et .pptx, et une automatisation planifiée publie dans Slack. Limitez le dossier de travail à celui du client et vérifiez la politique d'accès des groupes du canal avant d'inviter le bot.
Un ingénieur backend qui ajoute un agent à un outil interne
Appeler un agent persistant, avec outils et mémoire, depuis un service existant
Utilisez le SDK Python dans le processus ou pointez un client OpenAI vers l'API compatible OpenAI de nanobot. Le coût, ce sont les tokens du modèle ; figez une version PyPI, car la branche source change presque chaque jour.
Avant de vous engager
- Mise en route
- Lancez le script d'installation (curl ou PowerShell), qui crée /.nanobot/venv et ouvre la WebUI pour configurer le modèle ; ou uv tool install nanobot-ai ou pip install nanobot-ai, puis nanobot webui. Python 3.11+. La première réponse arrive en quelques minutes une fois la clé d'un fournisseur saisie.
- Intégrations
- Telegram, Discord, Slack, WeChat, Feishu, Email, Mattermost, Teams et Linear ; serveurs et presets MCP ; fournisseurs de modèles compatibles OpenAI et locaux avec solutions de repli ; traçage Langfuse ; SDK Python et API compatible OpenAI.
- Données et confidentialité
- Sessions, mémoire et fichiers restent sur votre machine ; les prompts partent chez le fournisseur de modèles configuré. Cinq avis de sécurité GitHub (deux critiques, trois élevés) ont été publiés entre mars et mai 2026. Licence MIT.
- Coût à grande échelle
- Pas d'édition payante. Le coût, c'est l'usage du modèle plus une petite machine ou VM toujours allumée pour la passerelle.
- Limites
- Branche source très mouvante et environ 870 tickets et pull requests ouverts. L'accès à la WebUI donne l'administration complète. Les politiques de groupe de chaque plateforme se configurent séparément.
Les points forts
- Petit cœur Python qu'on peut réellement lire et forker
- SDK Python et API compatible OpenAI
- Droits limités au dossier de travail dans le parcours de premier lancement par défaut
- WebUI, TUI native et 9 canaux de messagerie ou plus
Les points faibles
- Deux avis critiques et trois élevés dans ses premiers mois
- Changements quasi quotidiens ; figez une release pour la stabilité
- Les règles d'accès des groupes se règlent canal par canal
- Moins de canaux et d'applications qu'OpenClaw
Idéal pour
Les développeurs Python qui veulent un agent personnel ou d'équipe auto-hébergé qu'ils peuvent lire, étendre et appeler depuis leur propre code.
Alternatives à nanobot
nanobot : questions fréquentes
- nanobot vaut-il le coup ?
- nanobot est l'agent personnel à choisir quand vous voulez lire le code auquel vous faites confiance : plus petit et plus facile à suivre qu'OpenClaw, avec un historique de sécurité plus jeune et plus heurté. Nous lui donnons 4.0 sur 5.
- Combien coûte nanobot ?
- Gratuit et open source (MIT). Vous payez votre fournisseur de modèles, ou faites tourner un modèle local.
- Quels sont les inconvénients de nanobot ?
- Deux avis critiques et trois élevés dans ses premiers mois; changements quasi quotidiens ; figez une release pour la stabilité; les règles d'accès des groupes se règlent canal par canal; moins de canaux et d'applications qu'OpenClaw.
- À qui s’adresse nanobot ?
- Les développeurs Python qui veulent un agent personnel ou d'équipe auto-hébergé qu'ils peuvent lire, étendre et appeler depuis leur propre code.
- Combien coûte nanobot pour une équipe ou en production ?
- Pas d'édition payante. Le coût, c'est l'usage du modèle plus une petite machine ou VM toujours allumée pour la passerelle.
- nanobot est-il sûr pour les données de l’entreprise ?
- Sessions, mémoire et fichiers restent sur votre machine ; les prompts partent chez le fournisseur de modèles configuré. Cinq avis de sécurité GitHub (deux critiques, trois élevés) ont été publiés entre mars et mai 2026. Licence MIT.
- Quelles sont les meilleures alternatives à nanobot ?
- Les alternatives les plus proches que nous avons testées sont OpenClaw, Hermes Agent, OpenBot et goose.
Réponses vérifiées le 31 oct. 2026.