La société Factory a publié Droid 1.0, la plus importante mise à jour de son harnais d’agent de codage, Factory Droid. Le changement principal, désormais activé par défaut, est l’appel programmatique d’outils : au lieu d’enchaîner les appels un par un, le modèle écrit un programme qui exécute lui-même ses outils, et une seule requête peut en déclencher des centaines.
Factory appelle « harnais » l’ensemble de ce qui entoure le modèle : les prompts, les outils, la manière dont leurs résultats reviennent et la boucle de travail. Droid 1.0 est indépendant du modèle. Les utilisateurs choisissent celui qu’ils souhaitent, ou laissent Factory Router composer un mélange jugé plus économique.
Un programme plutôt que des appels successifs
Dans une boucle classique, chaque sortie d’outil s’ajoute au contexte du modèle, c’est-à-dire au texte qu’il doit traiter, mesuré en tokens (les fragments de mots que manipulent les modèles de langage). Avec l’appel programmatique d’outils, le modèle rédige un programme à la place. Droid le met en œuvre sous la forme d’un outil nommé Script, écrit en JavaScript et exécuté dans un bac à sable (sandbox), un environnement isolé qui n’a par lui-même aucun accès aux fichiers, au réseau ni au système.
Les fichiers bruts, les résultats de recherche et les journaux restent à l’intérieur du programme. Seule la sortie affichée revient au modèle, et les appels indépendants s’exécutent en parallèle. L’approche s’appuie sur le travail CodeAct (Wang et al., 2024).
Factory cite trois exemples tirés de ses propres sessions. Pour corriger un test unitaire, 15 appels d’outils ont demandé 5 requêtes au modèle au lieu de 10, et la tâche s’est achevée en 41,6 s au lieu de 56,8 s. Pour le nettoyage de 151 tickets sur Linear, 312 appels d’outils ont été nécessaires ; le Script a utilisé 2 requêtes et environ 61 000 tokens, quand les appels directs, estimés par Factory, en demanderaient 36 et environ 3,1 millions. Enfin, un balayage de 5 384 tâches réparties sur 547 exécutions s’est effectué en 2 requêtes, et moins de 0,1 % des résultats d’outils ont atteint le contexte du modèle. Sur Claude Opus 5.5, le mode Script réduit de 15 % le coût de Droid par rapport aux appels directs. Il est activé par défaut pour dix modèles, dont GPT-6.1 Sol et Kimi K3.
Des résultats publiés par Factory
Factory a comparé chaque harnais à Droid sur un même modèle, avec 3 essais par tâche, du 23 au 28 octobre 2026. Sur le benchmark Terminal-Bench 4, selon l’entreprise, Droid obtient 65,2 % avec Claude Opus 5.5, devant Cursor et OpenCode (62,1 %), Devin (59,6 %) et Claude Code (57,6 %). Le coût annoncé s’élève à 4,73 dollars par tâche réussie. Avec GPT-6.1 Sol, Droid atteint 57,6 % pour 0,79 dollar par tâche réussie, contre 54,0 % pour Codex, 51,0 % pour OpenCode et 45,0 % pour Devin. Factory précise toutefois que Droid met 10 % plus de temps par tâche réussie que Codex avec ce modèle, et que Cursor n’a pas été testé sur GPT-6.1 Sol.
Les autres changements concernent surtout la légèreté et la réactivité. Le prompt de base est passé de 20 887 à 13 055 tokens, soit 37 % de moins, et Droid n’envoie plus que 2 définitions d’outils au départ, contre 11 auparavant. Selon Factory, une requête de production type lit 98 % de ses entrées depuis le cache. Trois appels identiques déclenchent une relance, et six arrêtent la boucle. Le premier affichage de l’application passe de 1 839 ms à 488 ms médianes, et chaque session supplémentaire ajoute environ 20 Mo, contre environ 350 Mo auparavant.
Droid 1.0 est proposé sous forme d’application de bureau pour macOS et Windows, d’interface terminal et de SDK Node, @factory/droid-sdk. Les forfaits payants débutent à 20 dollars par mois.
