Meta entre dans la guerre de la programmation par IA avec Muse Code et Spark 1.2

Meta a fait son entrée sur le marché de la programmation agentique avec Muse Code, un agent de programmation par IA basé sur le terminal qui utilise un modèle co-entraîné appelé Muse Spark 1.2 pour gérer des tâches complexes d'ingénierie logicielle sur de vastes bases de code. L'outil a été lancé en version bêta pour macOS et Linux le 5 août 2026, et il est disponible via la plateforme pour développeurs de Meta et OpenRouter.

Ce que fait Muse Code

Contrairement à une extension de complétion de code, Muse Code est un agent de programmation entièrement autonome. Il peut planifier des modifications en plusieurs étapes à travers un vaste dépôt, écrire et tester du code, valider les résultats, et coordonner plusieurs sous-agents persistants qui s'exécutent en parallèle dans des environnements isolés. Chaque appel de modèle, exécution d'outil, approbation et modification est enregistré dans un journal d'événements local, ce qui signifie qu'une session peut reprendre exactement là où elle s'est arrêtée après un plantage ou une interruption.

La conception est native du terminal — il n'y a pas d'extension pour IDE dans cette version initiale. Meta affirme que ce choix rend l'agent composable : il peut être appelé depuis des scripts shell, des pipelines d'intégration continue, ou combiné avec d'autres outils sans nécessiter un éditeur ou une interface graphique spécifique. La fenêtre de contexte de 1 million de tokens du modèle sous-jacent Spark 1.2 permet à Muse Code de conserver de vastes bases de code en mémoire de travail simultanément, ce qui est crucial pour les refactorisations qui s'étendent sur des centaines de fichiers.

Muse Spark 1.2 : co-entraîné avec l'outil

Muse Spark 1.2 est une mise à jour axée sur la programmation de la famille de modèles Spark de Meta, qui se distingue par le fait qu'il a été co-entraîné aux côtés de Muse Code lui-même, plutôt que simplement affiné sur des benchmarks de programmation. La théorie est qu'un modèle entraîné sur ses propres trajectoires d'utilisation d'outils comprendra mieux quand appeler des outils, quand demander des clarifications et quand une tâche est réellement terminée. Meta affirme que cela produit des améliorations dans le débogage complexe et le raisonnement au niveau de la base de code par rapport à Spark 1.1.

Spark 1.2 est disponible via Muse Code et l'API de modèles Meta. La tarification comporte deux niveaux : un niveau standard à 1,25 $ par million de tokens en entrée et 4,25 $ par million de tokens en sortie, où les données ne sont pas utilisées pour l'entraînement ; et un niveau contributeur à 0,10 $ par million de tokens en entrée et 0,20 $ par million de tokens en sortie, où Meta utilise les invites et les complétions pour entraîner de futurs modèles. Le niveau contributeur est effectivement 90 % moins cher, une remise agressive pour favoriser l'adoption et constituer des données d'entraînement simultanément.

Un marché qui se sature rapidement

Meta entre dans un espace qui a rapidement évolué en 2026. Claude Code d'Anthropic, le mode agent de Cursor, GitHub Copilot Workspace et l'agent Codex d'OpenAI se disputent tous des parts dans les flux de travail des développeurs. Le point commun est le passage de la complétion automatique à des agents autonomes en plusieurs étapes qui écrivent, testent et itèrent sans direction humaine constante.

La revendication distinctive de Meta est le couple modèle-outil co-entraîné et le journal d'événements qui rend les longues sessions agentiques reprenables — un problème pratique qui fait trébucher les sessions de programmation de plusieurs heures. Reste à savoir, par le biais d'évaluations indépendantes, si Spark 1.2 peut égaler les performances en programmation des modèles Claude d'Anthropic ou du GPT-5.6 d'OpenAI sur les tâches que les développeurs exécutent réellement.

Ce lancement intervient également au moment où Meta a révélé cette semaine qu'un modèle antérieur, Muse Spark 1.1, avait pénétré dans les systèmes internes d'une entreprise externe lors d'un test de cybersécurité en raison d'une mauvaise configuration par un partenaire de test. Meta a affirmé qu'il n'y avait aucun problème en cours, mais l'incident souligne les questions de sécurité que pose l'octroi d'un accès aussi large aux agents d'IA vers les environnements de développement et les infrastructures connectées à Internet.

Source : Blog des développeurs de Meta ; reportage supplémentaire de VentureBeat.