L’open source Goose de Block s’impose comme une alternative directe à Claude Code d’Anthropic, en offrant aux développeurs un agent de codage autonome capable de fonctionner sur leurs propres machines au lieu de nécessiter un abonnement mensuel. Le contraste s’est accentué alors que la tarification de Claude Code atteint 200 dollars par mois pour son niveau le plus élevé et que les utilisateurs continuent de débattre de la manière dont ses limites d’utilisation se traduisent en temps de développement réel.

Le choix ne se résume pas à deux produits équivalents. Claude Code donne accès aux modèles propriétaires et à l’infrastructure cloud d’Anthropic, tandis que Goose offre aux utilisateurs le contrôle du modèle, du matériel et du chemin des données. Pour les développeurs qui accordent de l’importance au travail hors ligne, à un accès local prévisible ou au fait de garder le code source à l’écart des serveurs externes, cette différence d’architecture peut compter autant que le prix.

La tarification de Claude Code place l’usage au centre

Selon VentureBeat AI, Claude Code d’Anthropic est disponible via des offres d’abonnement allant de 20 à 200 dollars par mois, l’offre gratuite ne donnant pas accès à l’agent de codage. La publication a rapporté que les utilisateurs Pro reçoivent environ 10 à 40 requêtes toutes les cinq heures, tandis que les offres Max offrent des quotas plus élevés à 100 et 200 dollars par mois.

Anthropic a également introduit des limites hebdomadaires décrites en heures d’utilisation de Sonnet 4 et d’Opus 4. Ces chiffres ne correspondent pas au temps d’horloge ordinaire : la consommation réelle dépend du volume de tokens, de la taille de la base de code, de l’historique de conversation et de la complexité de la tâche. Il est donc difficile pour les développeurs d’estimer combien de travail une offre peut supporter avant d’atteindre une limite.

VentureBeat a rapporté des plaintes de développeurs disant que des sessions intensives épuisent rapidement leurs quotas. Anthropic a déclaré que les restrictions affectent moins de 5 % des utilisateurs et visent les personnes qui exécutent Claude Code en continu en arrière-plan. La déclaration de l’entreprise, telle que présentée par la publication, ne précise pas si ce pourcentage concerne l’ensemble des utilisateurs ou un groupe d’abonnement particulier.

Le débat sur les prix est important parce que les agents de codage sont conçus pour un travail prolongé et itératif. Un développeur peut demander à un agent d’inspecter un dépôt, de modifier plusieurs fichiers, d’exécuter des tests, de diagnostiquer des échecs et de répéter le processus. Des limites qui paraissent généreuses dans une simple comparaison du nombre de requêtes peuvent sembler restrictives lorsqu’un agent opère sur un grand projet.

Goose modifie l’équation du coût et du contrôle

Goose, développé par Block, adopte une approche sur machine. Ses interfaces de bureau et en ligne de commande peuvent installer des logiciels, éditer et exécuter du code, tester des projets et coordonner des tâches en plusieurs étapes. Au lieu de lier ces capacités à un seul modèle propriétaire, Goose peut se connecter à des API commerciales, à des services de modèles hébergés ou à des modèles locaux.

Cette conception agnostique au modèle est la principale distinction du produit. Les développeurs peuvent utiliser les services d’Anthropic, d’OpenAI, de Google, de Groq ou d’OpenRouter lorsque cela est approprié, mais ils peuvent aussi connecter Goose à Ollama et faire fonctionner un modèle open source localement. Dans cette configuration, le logiciel lui-même n’entraîne aucun abonnement et les requêtes peuvent rester sur l’ordinateur de l’utilisateur.

L’exécution locale supprime plusieurs contraintes des services cloud : il n’y a pas de quota de requêtes imposé par le fournisseur, pas d’abonnement récurrent à l’agent, et aucune connexion Internet n’est requise pendant une tâche. Cela ne rend pas l’ensemble gratuit pour autant. Les utilisateurs ont toujours besoin d’un matériel performant, d’électricité, de stockage et éventuellement d’un accès payant au modèle s’ils choisissent un fournisseur hébergé.

Goose utilise également le Model Context Protocol pour connecter des agents à des outils et à des systèmes externes. Cela peut permettre à un agent de travailler avec des fichiers, des bases de données, des services de recherche et des interfaces de programmation applicative, même si la sécurité et la fiabilité de chaque connexion dépendent de sa configuration et du modèle sous-jacent.

Les éléments montrent une dynamique, mais pas une parité

VentureBeat a indiqué que Goose avait dépassé 26 100 étoiles GitHub, attiré 362 contributeurs et atteint 102 versions, la version 1.20.1 étant identifiée comme la plus récente dans l’article source. Ces chiffres indiquent une activité open source visible, mais ne prouvent pas que Goose ait la même adoption, la même fiabilité ou les mêmes performances de tâche que Claude Code.

L’article a également cité le Berkeley Function-Calling Leaderboard pour décrire les modèles Claude comme performants dans la traduction des requêtes en actions exécutables. Il a indiqué que les modèles de Meta, Alibaba, Google et DeepSeek s’améliorent dans l’usage des outils. Il s’agit d’observations de benchmarks et d’écosystèmes, et non d’une preuve indépendante qu’une configuration particulière de Goose égalera Claude Code sur une base de code de production.

Les compromis techniques sont importants. VentureBeat a indiqué que 32 gigaoctets de RAM constituent une base pratique pour les grands modèles locaux, tandis que les modèles plus petits peuvent fonctionner sur des systèmes disposant de moins de mémoire. L’inférence locale est généralement plus lente que l’inférence cloud, et les fenêtres de contexte peuvent être plus courtes ou nécessiter une configuration plus soignée. Les modèles propriétaires comme Opus d’Anthropic restent plus performants pour certaines tâches logicielles complexes, selon les comparaisons de l’article et les expériences de développeurs citées.

L’activité GitHub de Goose et son nombre de versions doivent donc être interprétés avant tout comme des signaux d’intérêt de développement plutôt que comme une affirmation de performance vérifiée. Les conclusions les plus solides que l’on puisse tirer de cette source concernent l’architecture et la flexibilité tarifaire, pas une capacité identique.

Ce que ce choix signifie pour les développeurs et les entreprises

Pour les développeurs individuels et les petites équipes, Goose offre un moyen de tester des agents d’IA sans s’engager dans un forfait mensuel de 100 ou 200 dollars. Une équipe peut commencer avec un plus petit modèle local, connecter seulement les outils dont elle a besoin, et décider plus tard si un modèle hébergé vaut le coût supplémentaire. Cela peut être particulièrement utile pour les prototypes, les utilitaires internes et le travail de développement effectué dans des environnements restreints ou déconnectés.

Le compromis est la responsabilité opérationnelle. Les équipes doivent sélectionner les modèles, gérer les mises à jour, surveiller l’utilisation des ressources, protéger les identifiants et valider chaque action entreprise par un agent. Un modèle local peu coûteux à faire tourner peut nécessiter davantage de tentatives ou de vérifications humaines qu’un modèle hébergé premium. Pour les acheteurs d’entreprise, l’absence de transfert vers le cloud peut simplifier certaines décisions de gouvernance des données, mais elle n’élimine pas les risques liés au contrôle d’accès, aux instructions malveillantes, à la sécurité des dépendances ou aux modifications de code non vérifiées.

Claude Code reste attractif pour les organisations qui privilégient la qualité du modèle, l’infrastructure managée et un flux de travail soigné plutôt qu’un contrôle strict des coûts. Goose est plus convaincant lorsque la confidentialité, l’accès hors ligne, le choix du modèle et la propriété prévisible de l’infrastructure sont les exigences principales. La décision porte donc moins sur le fait qu’un outil remplace universellement l’autre que sur la couche que l’équipe souhaite contrôler.

L’effet de marché plus large est clair : les modèles open source et les frameworks d’agents séparent l’interface de l’agent de codage du fournisseur de modèle. Cela affaiblit l’hypothèse selon laquelle un flux de travail de codage performant doit être acheté sous la forme d’un abonnement groupé unique. Cela donne aussi plus de levier aux développeurs lorsque les limites commerciales ou les prix changent.

Ce qu’il faut surveiller ensuite

Les signaux clés seront de savoir si la base de contributeurs de Goose et son rythme de publication se poursuivent, si les modèles locaux progressent sur les tâches logicielles à long contexte, et combien de configuration est nécessaire pour une exécution fiable des outils. Les développeurs devraient aussi surveiller les besoins matériels à mesure que les modèles deviennent plus grands et plus capables.

La réponse d’Anthropic comptera tout autant. Des changements dans les limites de débit de Claude Code, la clarté des prix, la comptabilisation des requêtes ou l’accès aux modèles pourraient réduire ou intensifier l’attrait des alternatives locales. Les concurrents commerciaux, dont Cursor et GitHub Copilot, pourraient également subir une pression pour offrir une utilisation plus flexible ou des options locales plus solides.

Pour les acheteurs qui évaluent l’un ou l’autre produit, le test pratique est un dépôt représentatif plutôt qu’un titre de benchmark : mesurez l’achèvement des tâches, la charge de relecture, la latence, la récupération après échec et le coût total d’exploitation du modèle choisi.

Perspective de Creati.ai

Goose ne rend pas Claude Code obsolète, et « gratuit » est une description incomplète d’un agent d’IA local. L’utilisateur paie via le matériel, le temps de configuration, une inférence plus lente et — si les modèles locaux ne suffisent pas — des coûts supplémentaires liés à des modèles hébergés. Mais Goose modifie la négociation. Les développeurs peuvent désormais séparer l’interface de l’agent du service de modèle et choisir où se déroulent le code, les requêtes et l’exécution.

Cette flexibilité est l’information importante pour les créateurs d’IA. À mesure que les agents de codage deviennent plus performants, les prix et la confidentialité seront jugés aux côtés de la qualité brute du modèle. Une voie locale open source offre aux équipes une solution de repli crédible et oblige les fournisseurs commerciaux à expliquer non seulement ce que leurs agents peuvent faire, mais aussi le niveau d’accès dont disposent réellement les utilisateurs.