L’essentiel
- Meta a présenté Muse Code en bêta, un agent de programmation qui vit dans le terminal et travaille sur des dépôts entiers, pas dans un éditeur.
- Il tourne sur Muse Spark 1.2, un modèle co-entraîné avec l’agent lui-même : objectifs, compaction du contexte et sous-agents ont été appris ensemble.
- Le modèle coûte 1,25 dollar par million de tokens en entrée et 4,25 dollars en sortie, ou 0,10 et 0,20 dollar si vous laissez Meta exploiter vos données.
Meta a livré le 5 août Muse Code, un agent de programmation en bêta qui vit dans le terminal, et avec lui Muse Spark 1.2, le modèle qui l’alimente. Les deux ont été fabriqués dans le même mouvement : les sessions de l’agent ont servi à entraîner le modèle qui le fait tourner. Cet ordre inversé reste rare, et il change ce que l’outil sait faire une fois lâché sur un dépôt qu’il découvre.
Le terminal plutôt que l’éditeur
La cible est annoncée sans détour : l’ingénierie logicielle de longue haleine. L’agent planifie, implémente puis valide des modifications complexes, réparties sur plusieurs fichiers, à l’échelle de grands dépôts.
Retenez l’ordre de ces trois verbes. Planifier, implémenter, valider : c’est une boucle, pas une complétion. Et le choix du terminal n’est pas un détail d’ergonomie. Le terminal, c’est l’endroit où vivent déjà git, les tests, le build et les logs. Un agent installé là n’a pas besoin qu’on lui décrive l’état du projet : il peut aller le mesurer.
Co-entraîner le modèle avec son propre outillage
La partie la plus instructive est ailleurs. D’ordinaire, un modèle est entraîné d’un côté, puis branché de l’autre sur un harness, cette couche logicielle qui lui fournit ses outils, gère son contexte et boucle sur ses réponses. Meta a pris le problème dans l’autre sens : Muse Spark 1.2 a été co-entraîné avec Muse Code, et l’outillage de l’agent est entré dans l’entraînement du modèle.
Concrètement, l’apprentissage a absorbé des trajectoires du harness filtrées par rejection sampling : on fait tourner l’agent des milliers de fois, on ne garde que les sessions qui aboutissent, et on réentraîne le modèle sur celles-là. S’y ajoutent des réglages de recette sur trois points que Meta nomme explicitement : la tenue des objectifs, la compaction et les sous-agents.
L’analogie tient en une image. On n’a pas appris à conduire à un pilote pour l’asseoir ensuite dans une voiture inconnue : on l’a entraîné dans la voiture qu’il conduira, avec ses commandes et son tableau de bord.
La compaction, ce moment où l’agent perd le fil
Le problème visé est très concret, et tout praticien l’a vécu. Une session agentique qui dure sature sa fenêtre de contexte. Pour continuer, l’agent doit compacter : résumer son propre historique afin de libérer de la place. Chaque compaction perd de l’information, et la dérive s’installe là. L’agent oublie une contrainte posée trente minutes plus tôt, revient sur un choix déjà tranché, casse ce qu’il venait de réparer.
Les sous-agents servent la même cause : déléguer une exploration à une instance fraîche et ne remonter que son résultat évite de polluer le contexte principal avec cinquante fichiers lus pour rien. Meta indique avoir entraîné Muse Spark 1.2 sur des tâches à horizon long : génération de dépôts entiers, projets menés de bout en bout, recherche automatisée. Produire une fonction juste et tenir une refonte sur deux heures ne mobilisent pas la même compétence.
Ce déplacement n’a rien d’anecdotique. Ce qui départage les modèles de programmation se mesure de moins en moins sur une fonction isolée, et de plus en plus sur le tool calling agentique en longue séquence, cette aptitude à enchaîner des dizaines d’appels d’outils sans perdre le fil. Meta a livré un agent maison pour y arriver.
Le second tarif divise la facture par douze
Muse Spark 1.2 est disponible dans Muse Code et dans l’API Meta Model. La grille tarifaire en dit long sur la stratégie. Le modèle existe sous deux identifiants distincts. Le premier coûte 1,25 dollar par million de tokens en entrée et 4,25 dollars en sortie, soit moins que Gemini 3.6 Flash, facturé 1,50 dollar en entrée et 7,50 en sortie. Le second, suffixé « contributor », tombe à 0,10 dollar en entrée et 0,20 dollar en sortie : l’entrée devient douze fois moins chère, la sortie vingt fois. La contrepartie est écrite noir sur blanc : vous acceptez que Meta exploite vos données pour améliorer ses produits.
Un écart de cette ampleur ne relève plus de la remise commerciale : Meta achète quelque chose. Ce qu’elle veut acquérir, ce sont des trajectoires d’ingénierie réelles, produites sur du code que personne ne publie. Le troc n’est pas neuf : OpenAI offre déjà des tokens gratuits chaque jour aux entreprises qui acceptent de partager leur trafic d’API pour l’entraînement de ses modèles. La différence tient à l’affichage, puisque Meta ne concède pas un quota mais met un prix public sur vos sessions de travail.
Meta ne publie aucune mesure de tenue en session
Meta a aussi mis en avant une capacité multimodale : un utilisateur glisse dans le terminal un fichier mp4, une vidéo de survol d’une maison, et Muse Code en tire un site web richement illustré. La démonstration est spectaculaire, et elle tient en un coup unique : une entrée, une sortie, aucune reprise.
Les questions qui décideront de l’adoption sont moins photogéniques. L’agent tient-il une session de plusieurs heures sur un dépôt qu’il n’a pas écrit ? Retrouve-t-il son intention après une compaction ? Sait-il s’arrêter quand les tests refusent de passer, au lieu de contourner le test ? Sur ces points, l’annonce ne donne aucun chiffre, et l’outil reste en bêta. Le pélican à vélo dessiné en SVG, ce test informel lancé par le développeur Simon Willison devenu un rituel du milieu, sort mieux qu’avec la version 1.1 de juillet : assez pour noter un progrès, trop peu pour en conclure quoi que ce soit.
Si vous évaluez ces agents, la conséquence pratique est immédiate : ne les jugez pas sur la première tâche, mais sur la trentième, dans la même session.
Mon avis
Ce tarif contributeur à 0,10 dollar est la pièce la plus importante du lancement, bien avant l’agent lui-même. Meta a compris que les benchmarks publics sont saturés et que la matière rare, désormais, ce sont les sessions de travail sur du code privé : des milliers d’heures de débogage que ni GitHub ni arXiv ne contiennent. D’ici la fin de l’année, je m’attends à ce que ce double tarif devienne la norme chez les autres éditeurs, et à ce que les équipes soient forcées de trancher une question qu’elles évitent : combien vaut leur dépôt. Payer un agent trop cher se corrige ; le payer avec son dépôt sans l’avoir chiffré, non.
