Claude Code d’Anthropic a contribué à définir le marché des outils autonomes de codage par IA, mais ses prix d’abonnement et ses limites d’utilisation ouvrent la voie à des concurrents open source. Selon VentureBeat, Goose de Block offre un flux de travail similaire, orienté agent, sans frais logiciels et peut fonctionner en local, permettant aux développeurs de choisir leur propre modèle, de conserver leur code sur leurs machines et de travailler sans connexion Internet.

La comparaison ne signifie pas que les deux produits fournissent des résultats identiques. Claude Code a accès aux modèles propriétaires et à l’infrastructure cloud d’Anthropic, tandis que Goose dépend du modèle et du matériel choisis par le développeur. L’intérêt de Goose est plutôt architectural : il sépare l’agent de codage du fournisseur de modèle et du plan d’abonnement, donnant aux utilisateurs davantage de contrôle sur les coûts, la confidentialité et le déploiement.

Pourquoi la tarification de Claude Code est devenue partie du débat sur le produit

VentureBeat a rapporté que Claude Code est disponible via les offres payantes d’Anthropic, avec des prix mensuels allant d’environ 20 à 200 dollars selon l’offre et le quota d’utilisation. L’offre gratuite n’inclut pas l’accès. Les abonnements les moins chers imposent des limites basées sur les prompts ou le temps, tandis que les offres Max plus coûteuses offrent davantage de capacité et un accès aux modèles haut de gamme d’Anthropic.

Ces limites sont devenues difficiles à interpréter pour les développeurs, car Anthropic exprime certaines allocations en heures plutôt qu’en simple nombre de requêtes. La consommation réelle varie selon des facteurs comme la taille de la base de code, la longueur de la conversation et la complexité de la tâche. VentureBeat a cité des analyses indépendantes suggérant que les limites pratiques peuvent se traduire par des plafonds de session basés sur les tokens, mais ces chiffres ne sont pas présentés comme la métrique tarifaire officielle d’Anthropic.

Le rapport décrivait aussi les plaintes de développeurs affirmant que des sessions de codage intensives peuvent épuiser rapidement les allocations. Anthropic a indiqué que ces restrictions touchent moins de 5 % des utilisateurs et visent les comptes qui exécutent Claude Code en continu en arrière-plan. VentureBeat a noté qu’Anthropic n’a pas précisé si ce pourcentage s’applique à tous les utilisateurs ou à un groupe d’abonnés plus restreint, laissant l’ampleur du problème incertaine.

Pour les équipes produit, ce litige met en lumière un problème plus large lié aux logiciels d’IA facturés à l’usage : un prix mensuel peut ne pas offrir une quantité de travail prévisible. Les développeurs qui construisent des workflows agentiques doivent savoir non seulement le coût de l’abonnement, mais aussi combien de contexte, d’utilisation d’outils et d’itérations le service autorise avant l’interruption du travail.

Comment Goose change le modèle de déploiement

Goose est un agent d’IA développé par Block et distribué en open source. VentureBeat a rapporté qu’il est disponible à la fois via une interface en ligne de commande et une application de bureau, et que Block fournit des builds pour les principaux systèmes d’exploitation de bureau.

Le logiciel est conçu pour effectuer des opérations de développement plutôt que de se contenter de suggérer du code. Dans le flux de travail décrit par VentureBeat, Goose peut créer et modifier des fichiers, exécuter des commandes, lancer des tests, diagnostiquer des échecs, assembler des projets et interagir avec des services externes. Ces capacités reposent sur l’appel d’outils, dans lequel un modèle de langage demande des actions que l’agent exécute ensuite sur le système de l’utilisateur.

La distinction centrale est que Goose est agnostique au modèle. Les développeurs peuvent le connecter à des modèles hébergés par des entreprises comme Anthropic, OpenAI et Google, utiliser des services de routage comme Groq et OpenRouter, ou exécuter localement des modèles de langage open source. Une configuration locale courante associe Goose à Ollama, un outil qui télécharge et sert des modèles sur un ordinateur personnel.

Cette organisation peut supprimer les frais d’abonnement et les limites de débit cloud, mais elle ne rend pas le calcul gratuit. Les utilisateurs fournissent le matériel, le stockage des modèles, l’électricité et le temps de configuration. VentureBeat a cité la documentation de Block recommandant 32 gigaoctets de RAM comme base pratique pour les grands modèles, tandis que des modèles plus petits peuvent fonctionner sur des systèmes avec moins de mémoire. Les performances varieront aussi selon qu’une machine dispose d’un GPU performant ou s’appuie sur une inférence basée sur le CPU.

Goose prend également en charge le Model Context Protocol, ou MCP, qui peut connecter un agent à des systèmes de fichiers, des bases de données, des outils de recherche et des API tierces. Pour les développeurs, cela signifie que la valeur du produit est en partie déterminée par les extensions et les modèles qui y sont connectés, et pas seulement par l’interface de l’agent.

Ce que les preuves montrent — et ce qu’elles ne montrent pas

VentureBeat a rapporté que Goose comptait plus de 26 100 étoiles GitHub, 362 contributeurs et 102 versions au moment de son article, la version 1.20.1 étant identifiée comme la plus récente. Ces chiffres indiquent une activité open source visible, mais ils ne sont pas équivalents à des utilisateurs actifs, des déploiements en production ou une adoption commerciale. Les étoiles GitHub peuvent refléter l’intérêt sans montrer à quelle fréquence un outil est utilisé ni s’il fonctionne de manière fiable dans des workflows critiques.

Les comparaisons de performances de l’article appellent également à la prudence. Il citait le Berkeley Function-Calling Leaderboard pour décrire les modèles Claude comme performants pour l’appel d’outils, tout en notant que les modèles ouverts de Meta, Alibaba, Google et DeepSeek s’améliorent. Les résultats des classements mesurent des tâches définies et ne doivent pas être considérés comme une évaluation complète de la qualité du génie logiciel.

De même, les affirmations selon lesquelles Goose fournit une « fonctionnalité presque identique » à Claude Code se réfèrent principalement à la catégorie d’actions disponibles pour l’agent. Elles n’établissent pas de parité en qualité de raisonnement, gestion du contexte, vitesse, contrôles de sécurité ou taux de réussite. Le compte rendu de VentureBeat indiquait que les modèles propriétaires d’Anthropic restent plus forts sur certaines tâches de codage complexes et bénéficient de grandes fenêtres de contexte et du matériel cloud.

Les avantages en matière de confidentialité et de fonctionnement hors ligne sont plus directement liés à la configuration. Une installation de Goose utilisant un modèle local peut conserver les prompts et le code source sur la machine, tandis qu’une configuration de Goose connectée à un fournisseur hébergé enverra toujours les données pertinentes à ce fournisseur. Les acheteurs doivent donc évaluer le point de terminaison du modèle, la politique de journalisation, les autorisations et les intégrations MCP, plutôt que de considérer « agent local » comme une garantie pour tout déploiement.

Implications pour les développeurs et les acheteurs en entreprise

Pour les développeurs individuels et les petites équipes, Goose offre un moyen d’expérimenter avec des agents d’IA sans s’engager dans un abonnement récurrent. Il peut être particulièrement utile pour les dépôts sensibles, les environnements déconnectés ou les workflows où un développeur souhaite passer d’un modèle à l’autre. Le compromis est opérationnel : configurer les modèles, gérer le matériel et diagnostiquer les échecs devient la responsabilité de l’utilisateur.

Pour les entreprises, la décision ne se résume pas à une simple comparaison entre gratuit et payant. Un agent déployé localement peut répondre à des exigences de résidence des données et réduire la dépendance à un seul fournisseur, mais les organisations doivent ajouter leurs propres contrôles autour de l’exécution de commandes, des identifiants, des mises à jour logicielles, des journaux d’audit et de la gouvernance des modèles. Un agent capable de modifier des fichiers et d’appeler des API externes nécessite des limites de permissions plus strictes qu’un outil d’autocomplétion classique.

Les produits commerciaux conservent des avantages importants. Claude Code, Cursor et des services similaires fournissent une infrastructure gérée, des intégrations soignées et un accès à des modèles propriétaires de grande capacité. La vraie question pour une organisation de développement est de savoir si ces avantages justifient le coût récurrent et les contraintes du fournisseur pour sa charge de travail. Goose rend cette comparaison plus concurrentielle en permettant aux équipes de réutiliser l’accès à des modèles existants ou de choisir des modèles plus petits et moins chers pour les tâches courantes.

La pression du marché pourrait aussi se déplacer de l’accès au modèle vers la qualité du workflow. Si les modèles ouverts continuent de progresser, les fournisseurs d’outils de codage IA pourraient devoir rivaliser sur la fiabilité, la gestion du contexte, la sécurité, les fonctions de collaboration et la capacité prévisible plutôt que de se contenter d’offrir l’accès à un modèle plus puissant.

Ce qu’il faut surveiller ensuite

Les signaux les plus utiles seront mesurables plutôt que promotionnels. Les développeurs devraient surveiller si l’activité des versions de Goose se traduit par des mises à jour stables, une meilleure documentation et des intégrations fiables sur différents systèmes d’exploitation et fournisseurs de modèles.

La qualité des modèles est une autre variable clé. Les progrès dans l’appel d’outils, le raisonnement sur long contexte et la réparation de code détermineront à quelle fréquence les configurations locales peuvent remplacer les workflows cloud premium. Les exigences matérielles et la vitesse d’inférence montreront si ces gains sont pratiques sur des machines de développement ordinaires.

Sur le plan commercial, la réaction d’Anthropic aux critiques sur les limites d’utilisation sera importante. Des quotas plus clairs, des offres révisées ou une utilisation plus prévisible pourraient réduire l’attrait des alternatives. À l’inverse, une incertitude persistante sur la capacité pourrait encourager davantage de développeurs à tester Goose, Ollama et d’autres agents d’IA locaux.

Perspective Creati.ai

Goose est important moins parce qu’il rend obsolètes les agents de codage payants que parce qu’il offre aux développeurs une alternative crédible aux abonnements logiciels étroitement couplés. En séparant l’agent de la couche modèle et hébergement, il transforme le coût, la confidentialité et le fonctionnement hors ligne en choix plutôt qu’en propriétés fixes du produit.

La question la plus difficile est celle de la fiabilité. Le déploiement local peut offrir du contrôle, mais les développeurs ont toujours besoin de modèles capables, de matériel suffisant, d’autorisations sûres et de résultats reproductibles. Goose élargit l’espace de conception pour les outils de codage IA ; la question de savoir s’il modifiera le comportement d’achat dépendra de la rapidité avec laquelle les modèles ouverts combleront l’écart de qualité sans faire de l’installation et de la maintenance le nouveau coût caché.