En matière d’IA, on a à peine le temps de retenir le nom d’un modèle que son remplaçant débarque. Ça promet de mieux raisonner, de coder plus proprement et de coûter moins cher. À ce rythme, choisir son assistant de développement ressemble de plus en plus à comparer les forfaits mobiles. Sauf qu’ici, les petites lignes peuvent concerner votre code source.
Cette fois, c’est Meta qui vient avec Muse Spark 1.3, un modèle orienté raisonnement, programmation et agents IA. Son argument pour attirer les développeurs ? Des tarifs particulièrement bas avec une formule baptisée Contributor. Mais avant de lui confier le dépôt Git de votre boîte, on va regarder ce que ce joli mot veut dire.
Un modèle pensé pour les tâches qui durent
D’après Meta, Muse Spark 1.3 a été amélioré pour les tâches qui demandent plusieurs étapes : garder le contexte, tenir compte des résultats précédents, utiliser des outils et demander une précision quand quelque chose coince. Bref, l’objectif n’est pas seulement de générer une fonction en trois lignes, mais d’accompagner des travaux de développement plus longs sans perdre le fil au premier virage.
Pour ça, le modèle dispose d’une fenêtre de contexte d’environ un million de tokens. Même si ça parafait bien fat, n’oubliez pas qu’un LLM perd en qualité avec sa longueur de contexte. En bref, ça fait de quoi lui transmettre beaucoup de code, de documentation ou d’historique.
Point positif, Muse Spark 1.3 est multimodal. Multi-quoi ? Ça veut dire que le modèle est en capacité de lire aussi bien du texte que des médias. Muse Spark 1.3 accepte des images, des vidéos et des documents PDF en entrée. Pour ce dernier ça se discute, car un PDF c’est très souvent beaucoup de texte que n’importe quel LLM peut convertir avec Pandas. Quoi qu’il en soit, on peut donc envisager de lui soumettre une capture d’interface accompagnée de ses spécifications, plutôt que de tout décrire à la main.
Deux tarifs, et une contrepartie à bien comprendre
Le morceau intéressant, c’est la grille tarifaire. Meta propose une offre Standard et une offre Contributor. Voici les prix affichés pour un million de tokens, en dollars :
| Utilisation | Standard | Contributor |
|---|---|---|
| Entrée | 1,25 USD | 0,10 USD |
| Entrée servie depuis le cache | 0,15 USD | 0,002 USD |
| Sortie | 4,25 USD | 0,20 USD |
Oui, vu comme ça, ça a vraiment l’air pas cher. On croirait presque les prix de DeepSeek tellement c’est bas. C’est à se demander comment Meta arrive à avoir ses tarifs.
L’écart de prix est franchement important. Sauf que Contributor n’est pas juste un code promo offert par un Zuckerberg d’humeur généreuse : vous autorisez Meta à utiliser vos prompts et les réponses du modèle pour entraîner ses futurs modèles. Avec l’offre Standard, la documentation indique que ces données ne sont pas utilisées pour cet entraînement.
Ça ne signifie pas que Meta récupère magiquement tout votre disque dur. En revanche, si votre assistant de code transmet des fichiers du projet dans ses requêtes, leur contenu fait partie des données envoyées. Le nom « Contributor » prend alors tout son sens : vous contribuez aussi avec ce que vous lui faites lire.
Enfin, pour ceux qui découvrent la facturation des API, l’entrée correspond à ce que vous envoyez au modèle, et la sortie à ce qu’il génère. Le cache permet de payer moins cher certaines portions d’entrée réutilisées. Et un token n’est pas exactement un mot : inutile de sortir votre compteur de caractères pour tenter de retrouver la facture au centime près.
Le dépôt client n’est pas un jeu de données gratuit
Pour apprendre, bricoler un prototype ou expérimenter avec des données que vous avez le droit de partager, cette formule mérite un coup d’œil. Pour du code propriétaire, des informations personnelles ou les documents confidentiels d’un client, ne choisissez pas Contributor uniquement parce que la colonne des prix vous fait de l’œil.
Vérifiez notamment ce que votre outil envoie réellement à l’API. Entre le fichier ouvert, les extraits récupérés automatiquement et les journaux d’erreur ajoutés au contexte, une simple demande de correction peut voyager avec une sacrée valise. Et même avec l’offre Standard, l’absence d’utilisation pour l’entraînement ne veut pas dire absence de traitement ou de conservation : les conditions du service restent à lire.
Et pour coder, ça donne quoi ?
Je l’ai personnellement testé sur du Ruby on Rails et sincèrement, ça fait le café. Faut pas s’attendre à avoir Fable ou Astra (le dernier modèle d’OpenAI), mais globalement sur mes projets j’en ai rien à dire. Il fait erreurs c’est certain et je fais réviser le code par Kimi K3 (dont on reparlera dans un autre article) mais c’est à mon sens vraiment bien.
Officiellement, Meta annonce des performances compétitives sur plusieurs évaluations de programmation. C’est encourageant, mais un tableau publié par le fabricant ne remplace pas un essai sur votre projet. Le vrai test, c’est votre bug pénible, votre documentation incomplète et cette dépendance que personne n’ose mettre à jour depuis trois ans – coucou les projets legacy.
Un détail mérite aussi votre attention : le niveau de raisonnement « max » est réservé à l’offre Standard, selon la documentation actuelle. Ne partez donc pas du principe que tous les résultats annoncés avec ce réglage seront reproductibles avec Contributor.
Au final, Muse Spark 1.3 mérite une place dans les modèles à essayer, notamment pour expérimenter avec des agents de développement à petit budget. Mais son tarif le plus agressif vient avec un choix très concret : payer moins cher en autorisant l’utilisation des données transmises pour l’entraînement. À vous de voir ce que vous êtes prêt à mettre dans la balance. Et dans le prompt.
Pour consulter les caractéristiques et les conditions à jour, direction la présentation officielle de Muse Spark 1.3 et la documentation des modèles Meta. Petit point