Une API, tous les harnais : la stratégie d'écosystème du Model API
Meta a mis son modèle de code partout où les développeurs sont déjà — le SDK OpenAI, le SDK Anthropic, les CLI d'agents concurrents, même OpenRouter. La compatibilité d'abord, c'est ça la stratégie de distribution.
Trois valeurs, et c’est branché
Connecter à peu près n’importe quel outil à Muse Spark demande toujours les trois mêmes valeurs : l’URL de base https://api.meta.ai/v1, ta MODEL_API_KEY, et un ID de modèle comme muse-spark-1.2. Ça marche parce que l’API parle les formats sur lesquels l’écosystème s’est standardisé : les chat completions et responses façon OpenAI, plus un endpoint Messages au format Anthropic pour les harnais construits ainsi. Tu gardes ton SDK, tu gardes ton code, tu changes une URL.
Même les harnais des concurrents
La liste de compatibilité est parlante : OpenCode, LangChain, LlamaIndex, le Vercel AI SDK, Continue — et Claude Code, l’agent d’Anthropic lui-même, qui se branche via l’API Messages. Meta servira volontiers des tokens à l’intérieur du harnais d’un rival. Certains agents zappent carrément la configuration : des CLI auto-configurables comme OpenCode, Goose et Roo acceptent une description de provider collée telle quelle — URL de base, ID de modèle, fenêtre de contexte, fonctionnalités supportées — et se câblent tout seuls.
La lecture stratégique n’a rien de subtil. Chaque outil de code existant devient un canal de distribution pour les tokens Muse Spark, avec un coût de bascule nul comme argument de vente. Et la distribution déborde de la porte de Meta : Muse Spark 1.2 est aussi disponible via OpenRouter, pour rejoindre les développeurs qui agrègent les providers là où ils achètent déjà.
Alors pourquoi Muse Code existe-t-il ?
Si n’importe quel harnais peut faire tourner le modèle, pourquoi en construire un ? Parce que la compatibilité t’apporte la fonction, pas l’ajustement. Muse Spark 1.2 a été co-entraîné spécifiquement avec Muse Code — son entraînement incluait l’outillage du harnais, sa chorégraphie de sous-agents, ses recettes d’objectifs et de compaction. Un wrapper générique obtient un très bon modèle ; Muse Code obtient un modèle qui a déjà répété les combinaisons exactes que son runtime appelle — agents persistants en arrière-plan, fan-out par worktree, l’event log. L’API ouverte, c’est le grand entonnoir ; l’agent natif, c’est le grand bain.
Un chemin d’adoption pragmatique
La stratégie à deux étages suggère son propre plan de migration. Jour un : pointe ton setup actuel — quel qu’il soit — vers le Model API et évalue le modèle sur ton vrai travail, sans rien risquer. Si le modèle mérite sa place, essaie Muse Code pour les workflows où l’ajustement du harnais paie vraiment : tâches longues, travaux parallèles en plusieurs morceaux, tout ce que tu voudras auditer plus tard. Le cookbook couvre les deux étages, et le guide des paliers détaille ce que coûtent les tokens une fois que tu t’engages.