OpenHands : le guide de l’agent codeur autonome open source

OpenHands est l’alternative ouverte au segment des agents codeurs qui prennent un ticket en entrée et rendent une pull request en sortie. Le projet, anciennement OpenDevin, est passé au nom OpenHands en septembre 2024 sous la conduite de la société All Hands AI. Il est aujourd’hui l’un des dépôts open source les plus visibles du secteur, avec plus de soixante-et-onze mille étoiles sur GitHub, une licence MIT, et le soutien d’une communauté très active. Ce guide vous explique ce qu’il fait, comment il s’installe, et pourquoi son ouverture change la nature du choix face à ses concurrents propriétaires.

Pour situer OpenHands dans le marché plus large, notre panorama des coding agents pose le décor. Cet article s’adresse aux équipes techniques avancées et aux directions qui se posent la question de la souveraineté logicielle ; pour un public sans bagage de programmation, notre comparatif Lovable, Bolt et Replit couvre les outils visuels.

En bref

• OpenHands est un agent codeur autonome open source, sous licence MIT, porté par All Hands AI.
• C’est l’alternative ouverte à Devin, avec plus de soixante-et-onze mille étoiles sur GitHub et une communauté très contributive.
• Architecture en plusieurs briques : un SDK Python pour orchestrer les agents, une interface web, une ligne de commande, et un service hébergé optionnel (All Hands Cloud).
• Il s’appuie sur plus de soixante-quinze fournisseurs de modèles via la bibliothèque litellm, ce qui vous laisse le choix du modèle.
• Quatre voies de déploiement : poste local pour expérimenter, serveur interne pour la souveraineté, cloud privé, ou service hébergé d’All Hands.
• Atout structurant : vous gardez la main sur l’infrastructure, le code et les modèles utilisés.
• Pour structurer l’adoption en équipe : notre formation aux agents IA en intra avec choix d’outil open source.

Qu’est-ce qu’OpenHands ?

OpenHands est né en mars 2024 sous le nom OpenDevin, dans la foulée de la démonstration virale du produit commercial de Cognition AI. L’idée du projet, portée par des chercheurs et des développeurs autour du monde, était de proposer une alternative ouverte que toute équipe puisse installer, étudier et adapter. Comme le rappelle une analyse des coding agents open source en 2026, le projet s’est rapidement imposé comme l’option de référence pour les organisations qui veulent garder la maîtrise de leur infrastructure d’IA.

Le projet a été renommé OpenHands en septembre 2024 pour marquer son indépendance, et la société All Hands AI s’est constituée pour porter le développement industriel autour du code source ouvert. La licence MIT, l’une des plus permissives, autorise l’usage commercial, la modification et la redistribution sans contrepartie. Concrètement, vous pouvez télécharger le dépôt, le faire tourner sur votre poste, l’héberger en interne, ou même bâtir un produit commercial à partir de cette base.

Le positionnement, à la sortie, est clair : OpenHands prend une description de tâche en langage naturel et rend une pull request à relire, comme ses concurrents propriétaires. La différence ne se voit pas dans le résultat final mais dans tout ce qui se passe entre les deux : le code que vous exécutez est à vous, l’infrastructure aussi, et le choix du modèle de langage l’est encore plus.

L’architecture en plusieurs briques

Selon la fiche produit récente d’OpenHands, l’outil est en réalité une plateforme à briques composables, pas un simple binaire à lancer. Cette modularité est ce qui permet à des équipes de l’étendre selon leurs besoins, et c’est aussi ce qui demande un peu plus d’investissement initial qu’un produit propriétaire prêt à l’emploi.

Comme le détaille une fiche produit récente, OpenHands est conçu comme un terrain de jeu pour qui veut bâtir, étendre et orchestrer ses propres agents, plutôt que comme un produit fini qu’on consomme tel quel. Cette intention transparaît dès la première brique.

La première brique, le Software Agent SDK, est une bibliothèque Python composable qui vous permet de définir et d’exécuter des agents localement ou à grande échelle. Elle est agnostique au modèle : vous décidez si l’agent appelle un modèle d’Anthropic, d’OpenAI, de Google, un modèle ouvert hébergé chez vous, ou un autre. Cette agnosticité est rendue possible par la bibliothèque litellm, qui sert d’interface commune à plus de soixante-quinze fournisseurs.

La deuxième brique regroupe les interfaces utilisateur. Une interface web vous permet de discuter avec l’agent comme dans un chat, une ligne de commande facilite l’intégration dans des scripts, et des intégrations natives existent avec GitHub, GitLab, Slack et les principales chaînes d’intégration continue. C’est là qu’on assigne les tâches.

La troisième brique est l’environnement d’exécution sécurisé. Chaque tâche tourne dans un conteneur Docker isolé, séparé de votre hôte, ce qui limite les risques d’une action malheureuse pendant que l’agent travaille. Les déploiements en entreprise peuvent aller plus loin avec un cloud privé virtuel et un contrôle d’accès fin par rôle.

Self-hosted, sur site, ou hébergé : choisir sa voie

C’est probablement la décision la plus structurante quand on adopte OpenHands. Comme le décrit la documentation officielle, quatre chemins d’usage cohabitent en 2026, et leur choix dépend de votre rapport au risque, à la confidentialité du code et à la maintenance.

Le premier chemin est l’installation locale sur un poste de développeur. Vous clonez le dépôt GitHub, vous lancez deux commandes pour bâtir et démarrer le service, vous configurez votre clé d’accès au modèle de votre choix, et vous travaillez. La plupart des retours signalent une mise en route en quinze à trente minutes pour qui connaît Docker. C’est le chemin recommandé pour explorer. À ce stade, vous pouvez tester avec un modèle peu coûteux pour ne pas brûler de budget en apprenant, et vous gardez la possibilité de basculer vers un modèle plus capable une fois la prise en main faite.

Le deuxième chemin est le déploiement sur un serveur interne de votre organisation. Vous gardez le contrôle complet : le code ne sort pas de votre réseau (sauf vers le fournisseur du modèle), vous appliquez vos règles d’accès, vos politiques de journalisation et votre supervision. C’est le chemin qu’empruntent les organisations sensibles à la souveraineté du code et aux exigences de conformité.

Le troisième chemin est le cloud privé virtuel, qui combine la flexibilité d’un cloud public et l’isolation d’un environnement dédié. Cette voie est souvent retenue par les entreprises qui ne veulent pas exploiter leur propre infrastructure mais qui exigent un cloisonnement réseau strict.

Le quatrième chemin est le service hébergé d’All Hands AI, qui propose une version managée pour les équipes qui préfèrent un service prêt à l’usage et acceptent de confier l’exploitation à un tiers. Cette option est aussi un moyen de soutenir le projet open source par un contrat commercial avec la société qui le porte.

Combien coûte OpenHands ?

C’est l’autre point qui change tout : le cœur d’OpenHands est gratuit. Vous pouvez télécharger le code, le faire tourner sur votre poste ou sur votre serveur, et l’utiliser sans payer de licence. Vous payez seulement ce que vous consommez du côté du fournisseur de modèles que vous branchez (une clé API d’Anthropic, d’OpenAI, ou d’un autre éditeur). Pour un développeur curieux ou une petite équipe qui explore, c’est une porte d’entrée sans engagement.

Le coût total réel d’un déploiement professionnel n’est pas nul pour autant. Trois postes pèsent. Le premier est le temps d’ingénierie : installer, configurer, intégrer aux outils internes, maintenir à jour, prend du travail. Le deuxième est l’infrastructure : machines pour héberger, conteneurs pour isoler, supervision pour suivre. Le troisième est la consommation des modèles : chaque tâche envoyée à un agent appelle un modèle qui se facture au jeton chez son fournisseur. Sur des usages intenses, ce poste peut devenir le plus lourd des trois.

Pour les organisations qui ne veulent pas porter ces trois postes en interne, All Hands Cloud propose une offre managée avec des contrats négociés, qui incluent l’exploitation, le support et l’engagement de service. C’est l’équivalent fonctionnel d’un produit propriétaire, en gardant l’avantage d’un cœur open source à inspecter si nécessaire.

OpenHands face à Devin et à Jules

Le segment des agents autonomes en sandbox cloud compte aujourd’hui trois acteurs principaux. La meilleure façon de choisir entre eux passe par la question « quel rapport voulez-vous avec votre outillage ? ». Comme le rappelle un comparatif récent, le choix dépend moins des fonctionnalités déclarées que du modèle économique et du contrat de confiance que vous acceptez.

Devin est l’option propriétaire mature, vendue à des équipes d’ingénierie qui veulent un produit fini et acceptent d’en payer le prix. C’est le candidat le plus avancé du segment côté intégrations entreprise prêtes à l’emploi, et le plus coûteux côté facture. Si votre direction technique cherche un outil qu’elle peut acheter, signer, et déployer sans réinvestir d’effort d’ingénierie en amont, c’est le choix le plus naturel.

OpenHands est l’option ouverte et configurable. Vous payez moins en licences et plus en compétence interne. Vous gardez la main sur l’infrastructure, le code et le modèle. Pour une organisation qui tient à la souveraineté de son outillage ou qui veut étendre l’agent avec ses propres règles, c’est le choix qui ouvre le plus de portes.

Jules, plus récent, vient de Google et se distingue par son fonctionnement asynchrone et son intégration profonde dans l’écosystème Google. C’est l’option qui s’inscrit le plus naturellement dans une équipe déjà sur Google Cloud. Pour le match plus large entre les outils dev, notre comparatif GitHub Copilot, Cursor et Claude Code couvre les choix pour le travail interactif.

OpenHands pour qui ?

Selon les comparatifs récents du segment, trois profils tirent un avantage particulier d’OpenHands. La DSI sensible à la souveraineté, par exigence réglementaire ou par culture interne, y trouve la rare combinaison d’un agent autonome moderne et d’un déploiement sous son contrôle. Pour une organisation française ou européenne soumise à des contraintes sur le traitement des données, c’est souvent le seul candidat qui passe sans ajustement contractuel lourd. La possibilité d’héberger le service sur son propre datacenter, de tracer chaque action de l’agent dans ses propres journaux et de vérifier le code exact qui tourne lève des inquiétudes que les contrats SaaS, même bien rédigés, ne résolvent pas toujours auprès des directions des risques.

L’équipe de plateforme ou l’équipe IA qui industrialise les usages internes y trouve un terrain d’expérimentation ouvert. Vous pouvez forker le code, ajouter vos propres types d’agents, brancher des outils internes via le protocole MCP, et bâtir une plateforme adaptée à votre organisation. C’est aussi un excellent socle pédagogique : étudier le code source d’OpenHands est l’un des meilleurs moyens de comprendre comment fonctionne un agent autonome moderne.

Le développeur curieux ou le chercheur qui veut tester les agents autonomes sans engager de budget y trouve une porte d’entrée généreuse. Quinze minutes d’installation, une clé API gratuite chez un fournisseur de modèles, et vous explorez la catégorie. Pour comprendre ce que recouvrent ces outils avant de signer un contrat propriétaire, c’est un excellent point de départ. Pour un usage encore plus léger sans même passer par Docker, Claude Code en ligne de commande peut être un complément utile sur les tâches interactives courtes. Pour cadrer ensuite le passage à un usage régulier, notre check-list avant de mettre un agent en production aide à poser les questions de gouvernance et de budget.

Forces et limites d’OpenHands

Quatre forces structurent le projet. La première est la liberté du code source : tout est inspectable, modifiable et redistribuable sous licence MIT, ce qui change le rapport à l’outil. La deuxième est l’agnosticité au modèle : la prise en charge de plus de soixante-quinze fournisseurs par litellm permet d’ajuster le choix selon vos contraintes de prix, de performance et de confidentialité. La troisième est la communauté : plus de soixante-et-onze mille étoiles sur GitHub et un rythme de contributions élevé garantissent que le projet vit et progresse, sans dépendre du calendrier commercial d’un unique éditeur. Cette densité de contributeurs change aussi le rapport au temps de réponse : un bug critique signalé sur le dépôt trouve souvent une réponse en quelques heures, là où le support d’un éditeur propriétaire peut prendre des jours selon le contrat. La quatrième est la flexibilité de déploiement : du poste local au cloud privé virtuel en passant par le serveur on premises, vous trouvez la voie qui colle à votre contexte.

Trois limites méritent attention. D’abord, l’open source a un coût caché : du temps d’ingénierie pour installer, configurer, maintenir, et faire évoluer. Sans cette compétence en interne ou un contrat de support, le projet peut prendre la poussière au bout de quelques mois. Pour évaluer ce coût avant de s’engager, le bon réflexe consiste à dédier deux ou trois jours d’un ingénieur pour faire l’installation et un cas d’usage complet, puis à projeter ce temps à l’année selon la fréquence des évolutions à intégrer. Ensuite, l’expérience produit reste plus brute que celle d’un outil propriétaire poli. L’interface est fonctionnelle, les intégrations marchent, mais on sent que l’optimisation de l’ergonomie n’est pas l’unique priorité du projet, qui vise d’abord la solidité technique. Enfin, comme pour tout agent qui écrit du code, la relecture humaine reste indispensable avant la mise en production, en particulier sur la sécurité et les données. L’ouverture du code ne dispense d’aucune des vigilances usuelles.

Se former à l’usage d’un agent autonome dans sa stack

Choisir entre OpenHands et ses alternatives propriétaires ; structurer une équipe pour porter le déploiement open source ; définir une politique de relecture des pull requests : ces questions reviennent à chaque adoption sérieuse. Notre formation pour piloter un agent autonome dans votre stack couvre ces sujets : choix d’outils selon le profil, gouvernance des données, cadrage AI Act et RGPD, architecture de déploiement à l’échelle.

La formation existe en inter-entreprises et en intra (3 350 € HT pour un groupe de douze participants au maximum), en présentiel ou à distance, et elle est éligible aux financements des OPCO.

FAQ OpenHands

OpenHands change le rapport que vous entretenez avec votre outillage d’IA. Là où la plupart des produits propriétaires demandent de confier le code à un tiers et de l’accepter sur sa parole, l’option open source vous laisse inspecter, modifier et déployer comme vous le souhaitez. Cette liberté a un prix en compétence interne, mais elle est aussi ce qui rend possible une adoption sereine dans les contextes où la souveraineté du code n’est pas négociable. Le segment des agents autonomes va continuer à se structurer en 2026 et 2027 ; avoir l’option ouverte parmi ses choix, même si elle n’est pas retenue immédiatement, garde une marge de manœuvre stratégique précieuse. Pour décider si cette voie est la vôtre, notre formation aux agents codeurs adaptée à vos contraintes de souveraineté en aborde les enjeux concrets.