Les développeurs agacés par le prix et les limites d’utilisation de Claude Code d’Anthropic commencent à se tourner davantage vers une alternative open source proposée par Block. L’outil, baptisé Goose, n’est pas nouveau au sens d’un lancement tout juste annoncé, mais les récents articles de VentureBeat en ont fait un point central d’un débat plus large sur le coût des agents de codage IA, l’endroit où ils doivent s’exécuter et qui contrôle le flux de travail.

Ce débat est important parce que Claude Code est devenu l’un des exemples les plus visibles d’un agent IA allant au-delà de l’autocomplétion pour entrer dans le travail logiciel basé sur le terminal : écrire du code, modifier des fichiers, exécuter des tests et gérer des tâches en plusieurs étapes avec une supervision limitée. Mais selon VentureBeat, la frustration des développeurs s’est accrue autour de la structure d’abonnement d’Anthropic, qui va de niveaux d’accès à moindre coût jusqu’à 200 dollars par mois, avec en plus des limites de débit que certains utilisateurs disent difficiles à interpréter en pratique.

Goose propose une approche nettement différente. Développé par Block et distribué en open source, il peut s’exécuter sur la machine du développeur, se connecter à plusieurs fournisseurs de modèles et, dans certaines configurations, fonctionner entièrement hors ligne via Ollama et des modèles locaux comme Qwen 2.5. Pour les bâtisseurs et les équipes d’entreprise, la vraie histoire n’est pas simplement « gratuit contre payant ». C’est une collision entre deux approches du codage IA : un logiciel cloud premium adossé à des modèles propriétaires de premier plan, et des outils locaux flexibles qui échangent finition et qualité maximale du modèle contre contrôle, coût récurrent plus faible et localisation des données.

Pourquoi la tarification de Claude Code est devenue le déclencheur

Selon VentureBeat, le mécontentement à l’égard de Claude Code s’est accéléré après qu’Anthropic a introduit des limites de débit hebdomadaires en plus des paliers d’abonnement existants. VentureBeat a décrit l’offre d’Anthropic comme comprenant un plan gratuit sans accès à Claude Code, un plan Pro à environ 20 dollars par mois avec des plafonds de prompts plus serrés, ainsi que des paliers Max plus élevés à 100 et 200 dollars par mois offrant davantage de marge et l’accès à des modèles plus puissants.

La friction semble venir moins de l’existence de limites que de la manière dont elles sont communiquées et vécues. VentureBeat a indiqué qu’Anthropic décrit l’usage en partie en termes d’« heures » disponibles pour l’utilisation du modèle, mais que la consommation réelle dépend de variables gourmandes en tokens telles que la taille de la base de code, l’historique des conversations et la complexité de la tâche. Cela rend difficile pour les acheteurs de prévoir le débit dans des flux de travail logiciels concrets.

Anthropic, cité par VentureBeat, a déclaré que les restrictions touchent moins de cinq pour cent des utilisateurs et visent à freiner l’utilisation permanente en arrière-plan. Mais le rapport a noté que l’entreprise n’avait pas clarifié publiquement le dénominateur de ce chiffre. Sans ce contexte, les équipes produit qui évaluent Claude Code pour des développeurs individuels ou des déploiements plus larges doivent encore déduire à quelle fréquence une utilisation d’ingénierie intense mais légitime risque de se heurter aux limites.

Cette incertitude compte sur le marché du codage IA parce que les développeurs n’achètent pas ces outils comme des sièges SaaS classiques. Ils les utilisent par à-coups, souvent sur de grands dépôts, et ont parfois besoin de plusieurs heures d’interaction ininterrompue pendant des travaux de débogage ou de migration. Si le modèle de facturation est difficile à relier à des sessions réelles, la confiance fait partie du produit.

Comment Goose se positionne différemment

Le récit de VentureBeat présente Goose comme une alternative fonctionnelle proche de Claude Code pour les tâches de codage autonomes, même si elle n’est pas nécessairement un substitut équivalent en qualité de modèle. Goose peut fonctionner comme application de bureau ou outil en ligne de commande, et il est conçu pour travailler avec plusieurs back ends de modèles plutôt qu’avec la pile hébergée d’une seule entreprise.

Cette conception agnostique au modèle est au cœur de son attrait. Selon VentureBeat, Goose peut se connecter à des modèles Anthropic via accès API, ainsi qu’à des modèles d’OpenAI et de Google, et à des couches d’acheminement comme Groq et OpenRouter. Il peut aussi fonctionner avec des modèles ouverts exécutés localement via Ollama, ce qui le fait passer d’une option moins coûteuse à un flux de travail potentiellement sans abonnement.

Pour les développeurs qui manipulent des dépôts sensibles, la configuration locale est le véritable différenciateur. Si Goose est associé à un modèle exécuté sur la même machine, le code et les prompts n’ont pas besoin d’être envoyés à un fournisseur externe. Cela crée une posture différente en matière de confidentialité et de conformité par rapport à un service hébergé comme Claude Code, même si le modèle local est moins performant.

Le projet semble également bénéficier d’un élan important. VentureBeat a fait état de plus de 26 100 étoiles GitHub, de 362 contributeurs et de plus de 100 versions pour Goose, y compris une version récente numérotée 1.20.1. Les étoiles GitHub ne sont pas la même chose qu’une utilisation active en production, et la popularité open source ne garantit pas la fiabilité en entreprise. Néanmoins, ces chiffres suggèrent que Goose a dépassé le stade de l’expérience secondaire pour entrer dans la catégorie des outils que les développeurs surveillent activement.

Ce que Goose peut faire, et où commencent les arbitrages

L’argument le plus fort en faveur de Goose est qu’il n’est pas qu’un simple complément de complétion de code. VentureBeat le décrit comme un agent capable de créer des fichiers, modifier des projets, exécuter du code, tester des changements et interagir avec des systèmes externes. Cela le rapproche de la classe émergente des agents IA plutôt que d’un assistant de codage traditionnel.

Le rapport a également noté que Goose prend en charge le Model Context Protocol, ou MCP, qui devient un standard de connexion important pour les outils d’agents qui ont besoin d’accéder à des fichiers, des bases de données, des API et des services tiers. Pour les bâtisseurs, le support MCP est important parce qu’il réduit la quantité de colle personnalisée nécessaire pour permettre à un agent d’opérer dans un véritable environnement logiciel plutôt que dans une simple boîte de dialogue.

Malgré tout, les arbitrages sont substantiels. VentureBeat a explicitement indiqué que Claude 4.5 Opus reste parmi les meilleures options pour les travaux difficiles d’ingénierie logicielle, en particulier pour le suivi d’instructions, la compréhension étendue de bases de code et la qualité du premier jet. C’est un avantage significatif pour Anthropic dans les environnements d’entreprise et professionnels où le temps gagné peut l’emporter sur le coût de l’abonnement.

L’exploitation locale impose aussi des limites matérielles. VentureBeat a cité la documentation de Block suggérant 32 Go de RAM comme base solide pour les grands modèles locaux, tandis que des modèles plus petits peuvent fonctionner sur des systèmes de 16 Go. Cela signifie que Goose peut être gratuit en termes de licence, mais pas gratuit dans la réalité du déploiement pour chaque développeur. Les équipes qui veulent de l’IA locale à grande échelle peuvent encore finir par payer via les cycles de renouvellement du matériel, le support interne et une inférence plus lente.

La longueur du contexte est un autre différenciateur pratique. Les modèles hébergés par Claude peuvent prendre en charge des contextes beaucoup plus larges que de nombreuses configurations locales par défaut, ce qui influe sur la capacité d’un agent à absorber un grand dépôt ou une conversation longue. La vitesse reste aussi un facteur : l’inférence de niveau serveur derrière Claude Code est généralement plus rapide qu’un ordinateur portable exécutant un modèle local.

Preuves, affirmations et ce qui est vérifié

Les éléments de preuve dans cette histoire sont relativement limités, car la base de sources repose ici sur un seul article de VentureBeat plutôt que sur un mélange de documentation d’entreprise, d’études de benchmarks et de cas d’usage en entreprise. Cela appelle donc à la prudence.

Confirmé à un niveau général : Goose est un projet open source de Block, il peut s’exécuter localement, il s’intègre avec des fournisseurs dont Ollama, et il est conçu comme un agent de codage IA plutôt que comme un simple outil d’autocomplétion. VentureBeat a également rapporté des signaux publics concrets tels que le nombre d’étoiles GitHub, le nombre de contributeurs et la cadence des versions.

Plus incertaines sont les implications du « fait la même chose » dans l’angle initial du titre. Fonctionnellement, Goose et Claude Code appartiennent tous deux à la catégorie des agents IA pour le développement logiciel. Mais un même positionnement de catégorie ne prouve pas une fiabilité, une qualité de modèle, une facilité d’utilisation ou un débit identiques. VentureBeat lui-même a reconnu des écarts de performance persistants entre les principaux modèles propriétaires et les alternatives open source sur les tâches plus difficiles.

Les références aux benchmarks doivent elles aussi être contextualisées. VentureBeat a cité le Berkeley Function-Calling Leaderboard pour appuyer l’idée que les modèles d’Anthropic performent actuellement bien dans l’utilisation d’outils. C’est une indication utile, mais les résultats d’un classement ne sont pas identiques aux résultats d’ingénierie au quotidien dans un environnement de production chaotique.

Les signaux d’adoption doivent être lus de la même manière. Une forte activité GitHub autour de Goose suggère un intérêt des développeurs, mais ce n’est pas un proxy vérifié pour un déploiement en entreprise ou une utilisation active quotidienne. De même, les plaintes sur Reddit et dans les forums de développeurs au sujet de Claude Code indiquent une frustration réelle, mais ne montrent pas à quel point cette frustration est représentative de l’ensemble de la clientèle d’Anthropic.

Ce que cela signifie pour les créateurs d’IA et les acheteurs en entreprise

Pour les créateurs d’IA, Goose renforce une idée qui se développe à travers la pile d’outils : la couche agent devient de plus en plus séparable de la couche modèle. Une équipe peut de plus en plus choisir un shell d’orchestration, brancher le modèle de son choix et décider si elle s’exécute dans le cloud, sur un endpoint géré ou localement.

Cela compte pour les start-up, car cela réduit la dépendance à l’expérience packagée d’un seul fournisseur. Si Goose ou des outils similaires deviennent suffisamment bons, des produits comme Claude Code, Cursor et GitHub Copilot devront justifier un tarif premium par la qualité du flux de travail, les contrôles d’équipe, les fonctions de collaboration ou l’accès aux meilleurs modèles, et non par la seule exclusivité du concept d’agent de base.

Pour les entreprises, le principal sujet est l’adéquation au déploiement. Claude Code peut rester le meilleur choix lorsque la précision, la vitesse et la gestion de longs contextes priment et que les budgets autorisent une dépense premium. Goose devient plus convaincant lorsque la résidence des données, le travail hors ligne, les frictions d’approvisionnement ou le coût par siège rendent les outils cloud-first plus difficiles à standardiser.

Il y a aussi un angle de gouvernance. Les équipes qui évaluent des agents IA pour des bases de code réglementées veulent souvent un contrôle clair sur l’endroit où transite le code source. Une pile locale Goose plus Ollama n’élimine pas tout risque de sécurité, mais elle modifie la surface de risque d’une manière que certaines équipes de sécurité peuvent préférer.

Ce qu’il faut surveiller ensuite

Le prochain signal à surveiller est de savoir si Anthropic modifie la communication tarifaire ou la transparence des limites de débit autour de Claude Code. Si les acheteurs continuent à avoir du mal à convertir les conditions d’abonnement en capacité d’ingénierie pratique, les alternatives moins chères ou ouvertes gagneront en levier, même si la qualité des modèles reste inférieure.

Un deuxième signal est de voir si Goose transforme sa popularité open source en maturité produit plus profonde. Les administrateurs d’entreprise voudront de meilleures preuves de stabilité, de gestion des permissions, d’auditabilité et de modes de déploiement en équipe avant de le considérer comme autre chose qu’une option portée par les développeurs.

Troisièmement, surveillez l’écosystème des modèles locaux. Si Qwen 2.5 et d’autres modèles ouverts améliorent l’appel d’outils, la qualité de codage et la longueur de contexte tout en restant utilisables via Ollama, l’argument coût-performance pour les agents IA locaux devient plus solide. Cela pourrait mettre la pression non seulement sur Claude Code, mais aussi sur Cursor et GitHub Copilot, qui concurrencent des flux de travail adjacents d’assistants de codage.

Enfin, l’adoption de MCP comptera. Si le Model Context Protocol devient un standard commun à travers les agents IA, les coûts de changement entre outils pourraient diminuer, et la valeur pourrait se déplacer vers la qualité d’exécution, la confiance et les contrôles opérationnels plutôt que vers le verrouillage par connecteurs.

Perspective Creati.ai

L’évolution importante ici n’est pas que Goose ait parfaitement égalé Claude Code. L’évolution importante est que les développeurs disposent désormais d’une voie open source crédible vers la même catégorie de flux de travail : des agents IA centrés sur le terminal qui peuvent agir sur le code, et pas seulement le commenter. Cela change la psychologie des prix dans les outils de codage IA d’entreprise.

À court terme, les modèles propriétaires premium semblent toujours conserver un avantage qualitatif, en particulier pour les grands dépôts et les tâches d’ingénierie ambiguës. Mais une fois que les shells d’agents, les intégrations MCP et les runtimes locaux deviennent suffisamment bons, les acheteurs commencent à poser une question plus tranchante : quelle part de la facture paie pour une performance réelle, et quelle part paie pour l’emballage autour d’une capacité qui devient plus modulaire ? Goose offre au marché un moyen concret de tester cette question.