Claude Code d’Anthropic est devenu un exemple marquant du développement logiciel autonome assisté par IA, mais ses prix d’abonnement et ses limites d’utilisation laissent de la place à des alternatives. VentureBeat rapporte que Goose, l’outil open source de Block, offre un flux de travail de codage similaire à celui d’un agent sans abonnement obligatoire, en particulier lorsqu’il est associé à un modèle de langage local.

Le contraste est simple, mais pas absolu : Claude Code donne accès aux modèles et à l’infrastructure hébergés d’Anthropic, tandis que Goose donne aux développeurs le contrôle de l’agent, du fournisseur de modèle et de l’environnement d’exécution. Cela rend Goose attractif pour les développeurs soucieux des coûts récurrents, de la dépendance au cloud, de la confidentialité et du travail hors ligne — mais cela transfère aussi davantage de responsabilité vers le matériel et la configuration technique des utilisateurs.

La tarification de Claude Code met les limites d’utilisation au premier plan

Selon le rapport de VentureBeat, Claude Code est disponible via des offres d’abonnement Anthropic allant d’environ 20 à 200 dollars par mois. L’offre gratuite n’inclut pas l’accès à l’agent de codage. Le niveau Pro mentionné autorise environ 10 à 40 requêtes toutes les cinq heures, tandis que les offres Max offrent des limites plus élevées et l’accès à des modèles plus performants.

Anthropic a également introduit des limites hebdomadaires décrites en heures d’utilisation pour les modèles Sonnet et Opus. VentureBeat a noté qu’il s’agit en pratique de contraintes basées sur les jetons : la quantité de travail qu’un développeur peut accomplir dépend de la taille de la base de code, de la longueur de la conversation et de la complexité de la tâche, plutôt que d’une simple horloge. Cela rend les limites difficiles à convertir en une quantité prévisible de travail d’ingénierie.

Le rapport indique que certains développeurs se sont plaints d’avoir épuisé leurs limites lors de sessions de codage intensives. Anthropic a défendu ces restrictions en affirmant qu’elles concernent moins de 5 % des utilisateurs et visent les personnes qui font fonctionner Claude Code en continu en arrière-plan. Cependant, le rapport indique qu’Anthropic n’a pas précisé si ce chiffre s’applique à tous les utilisateurs ou seulement à un sous-ensemble tel que les abonnés Max.

Pour les développeurs individuels et les petites équipes, le débat ne porte pas seulement sur le prix. Des limites de consommation imprévisibles peuvent compliquer la planification des projets, tandis qu’une offre coûteuse peut être difficile à justifier pour un usage occasionnel ou de l’expérimentation.

Goose déplace l’agent sur la machine de l’utilisateur

Goose a été développé par Block comme un agent IA exécuté sur la machine locale. VentureBeat le décrit comme un outil en ligne de commande et de bureau capable d’installer des logiciels, de créer et modifier des fichiers, d’exécuter du code, de tester des projets, de déboguer des échecs et de coordonner le travail sur plusieurs fichiers.

La distinction importante est que Goose est agnostique au modèle. Les développeurs peuvent le connecter à des modèles hébergés par des fournisseurs tels qu’Anthropic, OpenAI, Google, Groq ou OpenRouter. Ils peuvent aussi utiliser des modèles locaux via Ollama, qui télécharge et exécute des modèles open source sur l’ordinateur de l’utilisateur.

Cette architecture signifie que Goose lui-même ne nécessite pas d’abonnement. Un développeur peut choisir de payer pour une API de modèle externe, ou utiliser un modèle local sans envoyer de requêtes ni de code source à un service tiers. Dans une configuration entièrement locale, Goose peut continuer à fonctionner sans connexion Internet, une fonctionnalité mise en avant dans une démonstration citée par VentureBeat.

Goose prend également en charge le Model Context Protocol, ou MCP, qui permet aux agents de se connecter à des outils et à des systèmes externes tels que les systèmes de fichiers, les bases de données, les moteurs de recherche et les API. Cela étend le produit au-delà de la simple complétion de code. L’agent peut agir sur un projet plutôt que de seulement suggérer des extraits qu’un humain collerait dans un éditeur.

Les éléments montrent une dynamique, pas une parité

VentureBeat rapporte que Goose comptait plus de 26 100 étoiles GitHub, 362 contributeurs et 102 versions au moment de la publication de l’article. Ces chiffres indiquent une activité open source visible, mais ne prouvent pas que Goose dispose de la même fiabilité, de la même base d’utilisateurs ou du même niveau d’adoption en production que Claude Code. Les étoiles GitHub et le nombre de contributeurs sont des signaux d’intérêt, pas des mesures indépendantes de la qualité logicielle ou de l’usage commercial.

L’article cite également le Berkeley Function-Calling Leaderboard pour décrire les modèles Claude d’Anthropic comme particulièrement performants pour l’appel d’outils. Il indique que les options open source de Meta, Alibaba, Google et DeepSeek s’améliorent, mais n’établit pas qu’elles égalent systématiquement les meilleurs modèles d’Anthropic sur des projets logiciels réels.

Les compromis techniques sont importants. Claude Code fonctionne sur une infrastructure cloud dédiée et bénéficie du développement de modèles, de la conception de l’interface et du support opérationnel d’Anthropic. Les résultats de Goose dépendent fortement du modèle choisi et de l’ordinateur qui l’exécute. VentureBeat rapporte que les modèles locaux ont généralement des fenêtres de contexte par défaut plus petites, des vitesses d’inférence plus faibles et de moins bonnes performances sur les tâches de codage difficiles que les offres phares d’Anthropic.

Le matériel est une autre contrainte. La documentation de Block recommanderait 32 gigaoctets de RAM comme base solide pour les modèles et sorties plus volumineux, bien que des modèles plus petits puissent fonctionner sur des systèmes disposant de moins de mémoire. Une configuration locale peut donc supprimer les frais d’abonnement tout en augmentant le coût de la machine du développeur, du temps de configuration et de la charge de maintenance.

Cela rend la comparaison du titre plus nuancée. Goose peut reproduire gratuitement le flux de travail central de l’agent, mais il ne reproduit pas automatiquement la qualité du modèle, la capacité de contexte, la vitesse ou le raffinement de Claude Code. Les utilisateurs paient toujours quelque part — par le matériel, l’effort de configuration, l’accès à une API ou des performances moindres.

Ce que ce choix signifie pour les développeurs et les entreprises

Pour les développeurs, Goose constitue une option pratique pour l’expérimentation et le développement sensible à la confidentialité. Un développeur travaillant sur du code source propriétaire, des données réglementées ou un projet hors ligne peut choisir un modèle local et conserver le flux de travail sur sa machine. Les équipes peuvent aussi tester plusieurs modèles sans reconstruire l’architecture d’agent environnante, puisque Goose est conçu pour fonctionner avec différents fournisseurs.

Cette flexibilité peut être particulièrement utile aux startups et aux développeurs indépendants qui ne peuvent pas absorber une dépense mensuelle de 100 ou 200 dollars par outil pour chaque ingénieur. Elle réduit également la dépendance à la tarification, à la feuille de route du modèle et à la politique de rate limiting d’un seul fournisseur.

Les coûts sont opérationnels plutôt que purement financiers. Les équipes qui adoptent Goose doivent évaluer les licences de modèles, la capacité matérielle, les autorisations des requêtes et des outils, les procédures de mise à jour et les risques liés au fait de laisser un agent autonome exécuter des commandes. L’exécution locale peut améliorer le contrôle des données, mais elle ne supprime pas les risques de sécurité : un modèle compromis, une extension ou une intégration MCP pourrait toujours affecter la machine du développeur ou les systèmes connectés.

Les acheteurs en entreprise peuvent donc considérer Goose moins comme un remplacement direct que comme un choix d’infrastructure. La question est de savoir si l’organisation valorise suffisamment le contrôle du déploiement pour assumer la responsabilité de l’hébergement du modèle, de l’évaluation, de l’observabilité et du support. Les services commerciaux restent plus faciles à standardiser, tandis que les agents open source offrent davantage de contrôle et potentiellement des coûts marginaux plus faibles.

Ce qu’il faut surveiller ensuite

Le signal le plus important sera de savoir si l’écosystème de modèles open source de Goose réduit l’écart de qualité sur les tâches logicielles complexes et multi-fichiers. Les progrès en appel d’outils, en raisonnement à long contexte et en inférence locale détermineront si le projet peut dépasser l’expérimentation guidée par les coûts.

Les développeurs devraient également surveiller le rythme des versions de Goose, ses pratiques de sécurité MCP, les systèmes d’exploitation pris en charge et le nombre de modèles locaux fiables qui fonctionnent bien avec sa boucle d’agent. Pour Anthropic, les changements de prix, des informations d’utilisation plus claires et des améliorations de l’efficacité de Claude Code montreront si l’entreprise peut préserver la demande premium tout en répondant aux plaintes concernant l’imprévisibilité.

Le marché plus large sera façonné par la préférence des utilisateurs pour la commodité intégrée ou l’infrastructure composable. Des produits comme Cursor et d’autres agents de codage IA se font concurrence non seulement sur les capacités du modèle, mais aussi sur le contrôle, la confidentialité, l’intégration du flux de travail et la prévisibilité des coûts.

Perspective Creati.ai

Goose est important parce qu’il sépare l’agent de codage de l’abonnement au modèle. Cette distinction donne aux développeurs davantage de levier : ils peuvent changer de modèle, exécuter localement ou utiliser un fournisseur hébergé sans abandonner le flux de travail de l’agent. Elle révèle aussi le coût caché de l’IA locale « gratuite » : matériel, configuration, gouvernance et, potentiellement, résultats moins bons.

La leçon immédiate n’est pas que Goose a rendu Claude Code obsolète. C’est que les outils de codage IA deviennent suffisamment modulaires pour que les développeurs choisissent où l’intelligence s’exécute et qui contrôle le flux de travail environnant. Cette flexibilité pourrait pousser les fournisseurs premium à rendre leurs limites plus faciles à comprendre et à justifier, tout en offrant aux équipes techniques une alternative plus crédible lorsque la confidentialité, l’accès hors ligne ou la propriété prévisible comptent plus que la performance maximale du modèle.