Freebuff : j’ai testé l’IDE agentique gratuit financé par la publicité
Quand j’ai découvert Freebuff, j’étais franchement sceptique. Un agent de développement gratuit, avec de gros modèles accessibles sans abonnement, financé notamment par de la publicité : sur le papier, je m’attendais à une interface agressive ou à des limitations cachées partout.
Après plusieurs tests sur de vrais petits travaux de développement, mon avis est plus nuancé. La publicité est bien là, mais elle reste peu intrusive, l’interface est claire, le harnais agentique semble sérieux et les quotas sont plutôt généreux.
La contrepartie existe tout de même : certaines utilisations peuvent autoriser l’exploitation des données pour l’entraînement des modèles, les prompts peuvent participer à la personnalisation publicitaire, et les modèles premium restent soumis à des limites. Le résultat est assez intéressant pour poser une autre question : est-ce que la publicité peut réellement financer durablement un agent de code coûteux en tokens ?
Qu’est-ce que Freebuff ?
Freebuff se présente comme un ensemble d’outils de développement assistés par IA accessibles sans abonnement, sans crédits à acheter et sans clé API.
Il existe notamment sous forme de CLI, d’application desktop et d’environnement cloud. Le principe reste proche des autres coding agents : on donne une tâche, l’agent examine le projet, récupère le contexte nécessaire, planifie ses modifications, édite les fichiers, peut lancer des commandes puis vérifier son travail.
Le projet est construit sur Codebuff, son framework multi-agent. Son code est également disponible sur GitHub.
Freebuff explique clairement une partie de son modèle économique : des publicités textuelles participent au financement de l’accès aux modèles inclus. C’est ce point qui m’a donné envie de le tester, parce qu’il tranche avec les abonnements mensuels de nombreux outils concurrents.
La publicité est-elle gênante dans Freebuff ?
C’était ma principale crainte et, pour l’instant, pas vraiment.
Dans l’interface que j’ai utilisée, les annonces apparaissent sous forme de petits encarts sponsorisés intégrés à l’espace de travail. J’ai par exemple eu une publicité AWS Marketplace sous la zone affichant les tâches de l’agent.
Elle est visible, mais elle ne coupe pas une génération, n’occupe pas la moitié de l’écran et ne m’empêche pas de travailler. L’expérience reste beaucoup plus proche d’un IDE classique avec un bandeau sponsorisé que d’un site gratuit saturé de publicités.
Évidemment, cette expérience peut évoluer si Freebuff augmente la pression publicitaire. Mais sur mes premiers tests, la pub m’a moins dérangée que ce que le positionnement du service me faisait craindre.
Quels modèles sont disponibles gratuitement ?
C’est probablement l’argument le plus surprenant de Freebuff. Au moment de mon test, le projet annonçait notamment l’accès à GPT-5.6 Luna, DeepSeek V4 Pro, MiniMax M3 et MiMo 2.5 selon le produit, le pays et les capacités disponibles.
Certains modèles ou niveaux d’utilisation fonctionnent avec des sessions limitées. Dans mon interface, les sessions premium pouvaient durer jusqu’à une heure, avec un compteur quotidien clairement affiché.
Il existe aussi quelques contraintes destinées à éviter qu’un utilisateur consomme plusieurs grosses générations en parallèle. J’ai notamment rencontré une limite empêchant de faire tourner simultanément plusieurs conversations utilisant chacune un modèle premium.
Ce n’est donc pas un accès illimité à une ferme de GPU. Mais pour un service gratuit, la marge de manœuvre reste confortable pour déléguer régulièrement de petites ou moyennes tâches de développement.
Le harnais agentique de Freebuff est-il bon ?
Sur mes premiers essais, le comportement de l’agent est cohérent avec ce que j’attends d’un outil de développement moderne.
Sur une petite modification HTML, par exemple, il a commencé par vérifier l’état du dépôt, lu le fichier concerné, préparé une courte liste de tâches puis réalisé les modifications demandées. Quand je lui ai ajouté une demande pendant son travail, elle a été intégrée dans la file d’attente.
C’est basique, mais c’est précisément le genre de détail qui permet de distinguer une simple interface autour d’un LLM d’un véritable harnais agentique capable d’orchestrer fichiers, outils et étapes de travail.
Freebuff utilise d’ailleurs plusieurs agents spécialisés plutôt que de confier systématiquement toute la tâche à un seul prompt et à un seul modèle.
GPT-5.6 Luna m’a pourtant un peu déçue
Tout n’a pas été convaincant pendant mon test. J’ai notamment utilisé GPT-5.6 Luna dans Freebuff sur des tâches relativement simples et je m’attendais à de meilleurs résultats.
Le problème est qu’il est difficile d’en tirer une conclusion définitive. Quand un coding agent se trompe, le modèle n’est qu’une partie de l’équation. La qualité dépend aussi de la manière dont l’outil construit son contexte, des prompts système, des outils disponibles, de la stratégie de recherche dans les fichiers et des boucles de vérification imposées par le harnais.
Je ne peux donc pas dire à partir de ces essais si Luna était le maillon faible ou si son intégration dans Freebuff limitait ses performances.
C’est aussi une bonne raison de ne pas juger un IDE agentique uniquement à la liste impressionnante des modèles affichés dans son sélecteur.
Freebuff utilise-t-il vos données pour entraîner des IA ?
C’est le point à lire avant d’envoyer un dépôt professionnel dans Freebuff.
La politique de confidentialité est plus précise qu’un simple « vos données servent à l’entraînement ». Freebuff indique que les prompts, messages, fichiers, code et données de projet ne sont utilisés pour entraîner ou améliorer des modèles que lorsqu’un modèle ou une fonctionnalité affiche explicitement que ces données peuvent être utilisées à cette fin.
Dans ce cas, les données envoyées peuvent notamment servir à l’entraînement, l’évaluation, les tests, le fine-tuning ou l’amélioration des modèles et produits de Freebuff ou du fournisseur concerné.
Il faut aussi distinguer cela de la publicité. Freebuff indique pouvoir analyser les prompts et messages, y compris le contenu collé dedans, pour personnaliser les publicités. En revanche, l’entreprise affirme ne pas transmettre séparément aux fournisseurs publicitaires les fichiers envoyés ou le contenu des dépôts connectés.
Le modèle gratuit a donc une contrepartie claire. Pour un projet personnel, chacun peut décider si cet échange lui convient. Pour du code confidentiel ou appartenant à un client, je vérifierais systématiquement le modèle utilisé et ses conditions avant de commencer une session.
Freebuff ou OpenCode : lequel choisir ?
La comparaison avec OpenCode arrive naturellement parce que les deux solutions permettent de travailler avec un agent de code sans forcément payer un abonnement classique.
Mais leur logique est différente. OpenCode est avant tout un harnais ouvert auquel on connecte les modèles et fournisseurs que l’on souhaite. Cela donne beaucoup de liberté et permet notamment de profiter des modèles gratuits disponibles ponctuellement chez certains providers.
Freebuff cherche davantage à masquer cette plomberie. On installe l’outil, on choisit parmi les modèles proposés et le service prend en charge le coût d’inférence grâce à son propre modèle économique.
Personnellement, je trouve encore OpenCode particulièrement intéressant lorsque je veux contrôler le modèle utilisé ou profiter de nouvelles offres gratuites. Freebuff est plus séduisant pour quelqu’un qui veut une expérience prête à l’emploi et ne souhaite pas jongler entre les API et les fournisseurs.
Le paradoxe est que Freebuff peut être plus simple pour l’utilisateur tout en ayant un modèle économique beaucoup plus compliqué à faire fonctionner pour l’entreprise.
Un coding agent financé par la pub peut-il être rentable ?
C’est finalement ce qui m’intéresse le plus dans Freebuff.
Une bannière publicitaire rapporte peu comparée au coût potentiel d’un agent capable de consommer énormément de tokens pendant une heure. Freebuff doit donc maintenir un équilibre entre coût réel des modèles, utilisation moyenne des utilisateurs, limitations des sessions, revenus publicitaires et éventuels partenariats avec les fournisseurs de modèles.
Le service limite d’ailleurs explicitement l’usage gratuit à un usage humain dans ses interfaces officielles. Ses conditions interdisent notamment d’automatiser l’envoi de requêtes pour détourner l’accès gratuit ou d’utiliser plusieurs comptes afin de contourner les limitations.
Cela ne signifie pas que le modèle ne peut pas fonctionner. La consommation maximale affichée n’est pas forcément la consommation moyenne. Beaucoup d’utilisateurs lanceront quelques petites demandes par jour, tandis que les annonces peuvent être vendues à des entreprises très ciblées souhaitant toucher directement des développeurs.
Après mon test, je suis finalement moins sceptique sur l’expérience financée par la publicité que sur sa viabilité économique à long terme. Et c’est précisément ce qui rend Freebuff intéressant à suivre.
Mon avis après avoir testé Freebuff
Je m’attendais à ce que la publicité soit le principal défaut de Freebuff. Pour l’instant, ce n’est pas le cas.
L’interface est claire, les pubs restent discrètes, le fonctionnement agentique est familier et l’accès à plusieurs modèles sans sortir sa carte bancaire est franchement intéressant.
Mes réserves sont ailleurs. Les performances que j’ai obtenues avec GPT-5.6 Luna ne m’ont pas toujours convaincue, certaines sessions impliquent une utilisation possible des données pour l’entraînement, et je ne sais pas encore si le financement par la publicité peut supporter durablement le coût de tels modèles.
Je ne remplacerais donc pas automatiquement OpenCode par Freebuff. Mais j’ai clairement ajouté Freebuff à ma liste des outils gratuits que je peux utiliser pour déléguer une tâche bien délimitée sans gaspiller les quotas de mes abonnements payants.
Et pour un outil que j’avais installé essentiellement par curiosité, c’est déjà beaucoup mieux que prévu.
Sources
- Freebuff sur GitHub : modèles proposés, fonctionnement multi-agent et principe des publicités textuelles finançant l’accès aux modèles.
- Politique de confidentialité de Freebuff : utilisation des prompts et données de projet, personnalisation publicitaire et conditions d’utilisation des données pour l’entraînement.
- Conditions d’utilisation de Freebuff : règles liées à l’accès gratuit, aux limitations par utilisateur et à l’automatisation.
- Présentation officielle de Freebuff : présentation du positionnement gratuit et du fonctionnement du coding agent.
- Classement des applications OpenRouter : activité de Zazen, le fork Freebuff visible dans les classements OpenRouter au moment du test.
Freebuff est-il vraiment gratuit ?
Oui. Freebuff propose un accès sans abonnement, sans carte bancaire et sans clé API à plusieurs de ses outils et modèles. Cet accès reste soumis à des limites de sessions, de modèles et de capacité.
Pourquoi Freebuff affiche-t-il de la publicité ?
Freebuff indique que les publicités textuelles participent au financement des modèles IA inclus dans son offre gratuite.
Freebuff utilise-t-il le code des utilisateurs pour entraîner ses modèles ?
Pas systématiquement. Freebuff précise que les données de projet peuvent être utilisées pour l’entraînement ou l’amélioration des modèles lorsqu’un modèle ou une fonctionnalité affiche explicitement une mention indiquant que les données peuvent servir à l’entraînement.
Freebuff est-il une alternative à OpenCode ?
Oui, pour certains usages. Freebuff propose une expérience plus intégrée avec des modèles inclus, tandis qu’OpenCode permet davantage de choisir et changer librement de fournisseur et de modèle.
Quels modèles peut-on utiliser avec Freebuff ?
Au moment de ce test, Freebuff annonçait notamment GPT-5.6 Luna, DeepSeek V4 Pro, MiniMax M3 et MiMo 2.5. La disponibilité dépend du produit, du niveau d’accès, du pays et de la capacité disponible.
