Meta débarque enfin dans la course aux assistants de code avec Muse Spark 1.2, un modèle entraîné pour les tâches de développement longues et complexes, et Muse Code, le harness en ligne de commande qui l’accompagne. Dans cette vidéo, je passe en revue les annonces puis je mets l’ensemble à l’épreuve sur une vraie génération d’interface.

Muse Spark 1.2 : un modèle co-entraîné avec son agent

La particularité du modèle, c’est qu’il a été entraîné directement avec le harness de Muse Code. Résultat : les appels d’outils et l’exécution des plans sont beaucoup plus fluides que sur un modèle générique branché après coup.

Côté capacités, on retrouve une fenêtre de contexte d’un million de tokens (de quoi embarquer un graphe de dépendances complet et des milliers de fichiers), un mode raisonnement dont on règle l’intensité avec la commande /effort, et des mécanismes de long horizon — planification, conditionnement d’objectif et compaction de contexte — pour tenir des sessions de plusieurs heures.

Sur les benchmarks, Muse Spark 1.2 se place légèrement devant GPT 5.6 mais reste 4 à 5 points derrière Opus 5. Honnête, surtout au vu du tarif nettement plus bas.

Le déploiement en éventail (fan-out)

C’est l’argument le plus intéressant de Muse Code. Sur une grosse tâche, l’agent ne travaille pas séquentiellement : il découpe, puis lance un sous-agent avec droits d’écriture par sous-tâche, chacun dans son propre worktree Git isolé.

Dans la démo, six tâches envoyées d’un coup avec une limite de concurrence à 4 : quatre agents partent immédiatement, les deux autres attendent qu’un slot se libère. Et surtout, ces sous-agents restent vivants toute la session, accumulent du contexte (fichiers inspectés, décisions prises, patterns du dépôt) et décident eux-mêmes quand remonter l’info à l’agent parent. Rien à configurer.

Skills et traçabilité

Muse Code embarque des skills natifs qui sortent de l’ordinaire : /plan, /goal, /taste (pour éviter les interfaces qui sentent l’IA à plein nez), /grilling (clarification des décisions de conception par interview) et /grill-with-docs, qui archive ces décisions sous forme d’ADR. Toutes les sessions sont journalisées en JSONL en local, pour auditer ce qui s’est bien ou mal passé.

Le test en conditions réelles

J’ai demandé une page de tarifs statique pour un logiciel de devis destiné aux artisans, avec contraintes strictes : pas de framework, pas de build, responsive, et un tableau comparatif consultable sur mobile. Le rendu est franchement réussi, avec un style vraiment peu commun — et l’ensemble m’a coûté 23 centimes.

Le test complet, les benchmarks détaillés et le rendu final sont dans la vidéo. Dites-moi en commentaire ce que vous pensez de l’arrivée de Meta sur ce terrain !