Meta mise sur une solution moins coûteuse pour les équipes qui développent des agents de programmation IA.
Jeudi, l’entreprise a lancé Muse Spark 1.1 en aperçu public aux États-Unis, ouvrant l’accès aux développeurs qui conçoivent des assistants de programmation capables d’utiliser des outils, d’inspecter des fichiers et de mener à bien des tâches logicielles plus longues. Les tarifs commencent à 1,25 dollar US par million de tokens en entrée et à 4,25 dollars US par million de tokens en sortie, offrant aux équipes une option moins coûteuse tandis qu’elles comparent les modèles de programmation agentique de Meta, OpenAI, Anthropic et d’autres acteurs.
Pour les équipes d’ingénierie, la promesse est simple : davantage de latitude pour expérimenter. La question la plus délicate est de savoir si des agents moins chers peuvent être utilisés en toute confiance sur du code réel sans procédures plus strictes de vérification, de journalisation et d’approbation.
« Les plus performants pour les agents, l’utilisation d’outils et l’utilisation d’ordinateurs »
Les utilisateurs américains qui rejoignent l’aperçu bénéficient de 20 dollars US de crédits gratuits avant le début de la facturation.
L’accès anticipé était jusque-là limité à certains partenaires. L’aperçu public ouvre les tests aux développeurs américains qui travaillent sur des assistants de programmation, le développement d’applications et des flux de travail fondés sur des agents. La compatibilité avec les interfaces de type OpenAI pourrait également réduire le travail de configuration pour les équipes qui comparent Muse Spark 1.1 avec d’autres modèles d’IA.
Mark Zuckerberg a qualifié cette version de « modèle agentique et de programmation performant à un prix très bas » dans une publication sur X, ajoutant qu’il se distingue particulièrement par ses performances en matière d’agents, d’utilisation d’outils et d’utilisation d’ordinateurs.
Alexandr Wang, directeur de l’IA de Meta, a déclaré à CNBC que les tarifs étaient « très agressifs et attrayants », ajoutant que l’entreprise voulait une tarification qui « évolue avec une consommation massive ».
Le modèle peut travailler sur des fichiers et des écrans
Meta affirme que Muse Spark 1.1 est conçu pour plusieurs types de tâches :
- Écrire et déboguer du code
- Utiliser des outils logiciels
- Comprendre du texte, des images, des vidéos et des documents
- Accomplir des tâches en plusieurs étapes avec moins d’intervention humaine
L’un de ses principaux arguments de vente est sa capacité à travailler avec différents types d’entrées. Un développeur pourrait demander au modèle d’analyser des consignes écrites, d’examiner une capture d’écran, de lire des fichiers de projet ou d’opérer dans un environnement logiciel dans le cadre d’une même tâche.
L’entreprise indique également que le modèle prend en charge une fenêtre de contexte d’un million de tokens, ce qui pourrait l’aider à suivre des projets plus longs ou de vastes ensembles d’instructions.
Pourquoi la programmation est un test clé pour Muse Spark 1.1
Le développement logiciel constitue un test particulièrement exigeant pour Muse Spark 1.1, car le code généré doit encore fonctionner une fois la réponse produite. Un test échoué peut contraindre le modèle à remonter jusqu’à l’erreur avant de modifier le code source. Une fois la modification effectuée, la correction doit encore tenir.
Les bugs visuels posent un problème différent. Tous les échecs n’apparaissent pas dans le résultat d’un test. Une page défectueuse peut obliger le système à lire une capture d’écran avant d’ouvrir un navigateur isolé ou d’examiner les fichiers du projet.
Les équipes ont toujours besoin de garde-fous avant de travailler sur du code réel
Des tarifs plus bas pourraient attirer davantage de start-up et d’équipes d’ingénierie vers les tests de programmation assistée par l’IA, en particulier si elles ont évité de faire fonctionner des agents à grande échelle en raison des coûts.
L’accès à lui seul ne rend toutefois pas l’automatisation sûre. Un agent de programmation peut accélérer les tâches routinières, puis créer un nouveau problème en modifiant le mauvais fichier ou en passant à côté d’un contexte qu’un réviseur humain aurait repéré.
Avant d’utiliser ces systèmes sur du code en production, les responsables de l’ingénierie doivent définir les endroits où l’outil peut intervenir et les moments où une personne doit approuver l’étape suivante. Les journaux deviennent également importants, car les équipes doivent savoir ce qui a changé si une correction assistée par l’IA provoque un problème ultérieurement.
Des tests moins coûteux peuvent aider les développeurs à avancer plus vite, mais la responsabilité restera entre les mains de l’équipe qui utilise l’outil. Si un agent introduit un bug dans un produit ou un système interne, les clients et les employés en subiront les conséquences en premier.
Meta fait face à une pression renouvelée en France concernant la question de savoir si les éditeurs de presse doivent être rémunérés pour les contenus qui contribuent au fonctionnement de ses plateformes.