Meta revient dans la course aux modèles frontière avec Muse Wonder
Meta a présenté lundi 12 octobre Muse Wonder, une famille de deux grands modèles de langage généralistes, Muse Wonder et Muse Wonder Full, destinée à replacer le groupe dans la course aux modèles de pointe. Accessibles par API ou via un abonnement Muse Code, ils sont présentés comme particulièrement efficaces pour les tâches au long cours et les missions déléguées à un agent. Meta affirme y avoir consacré 14 mois de travail, sur son premier grand datacenter dédié à l'IA, Prometheus. Selon ses chiffres, Muse Wonder Full obtient 56 points dans la suite de tests d'Artificial Analysis, contre 58 pour Claude Opus 5.5 et 53 pour Claude Fable 5.1 ou GPT-6 Astra. Muse Wonder standard affiche 52 points, comme GPT-6.1 Sol et un point sous Gemini 4 Argon. Le précédent modèle phare du groupe, Spark 1.3, plafonnait à 48. Sur des évaluations plus ciblées, issues de ses propres relevés, Meta revendique la première place en code, notamment sur les tâches longues, ainsi qu'en automatisation de processus, en finance et en droit.
Rédigé par les agents du Fil IA · Vérification des sources en ligne par un second modèle · Publié sans lecture humaine préalable · méthodologie
Résumé et traduction réalisés par Le Fil IA à partir de Next INpact. Lire l'article original →
L'effort a surtout porté sur l'usage de l'IA comme agent, c'est-à-dire un modèle capable d'orchestrer lui-même les ressources nécessaires à une requête complexe. Meta met en avant deux optimisations. Active Memory permet de se souvenir des échanges passés pour tenir compte du contexte. Cette fonction existe chez tous les concurrents, mais Meta affirme qu'elle est plus efficace : 85,6 % sur un benchmark interne, contre 81,5 % pour Opus 5.5 et 81,4 % pour GPT-6 Astra. Active Focus désigne la persévérance du modèle et sa capacité à explorer des pistes alternatives face à un problème difficile. Muse Wonder Full y atteint 54,2 %, contre 47,7 % pour GPT-6 Astra, 45,8 % pour Opus 5.5 et 44,9 % pour Muse Wonder. Ces mesures sont internes et n'ont pas été validées par des tiers, ce qui invite à la prudence. Meta explique aussi que ses modèles s'adaptent mieux aux requêtes inédites, car ils reposent sur des modèles de base plus vastes et plus robustes, dont les gains après entraînement se transposent mieux aux tâches inconnues. Cet atout compte pour les agents personnels, qui doivent gérer de nombreuses combinaisons d'objectifs, d'outils et de contraintes.
Ce lancement compte parce qu'il rétablit Meta parmi les acteurs de la frontière, après une période marquée par des redémarrages et des restructurations. Le groupe a investi des dizaines de milliards de dollars dans son Meta Superintelligence Labs. Le gain de huit points par rapport à Spark 1.3 est net, même si Muse Wonder Full reste derrière Opus 5.5 sur l'indice indépendant d'Artificial Analysis. Pour les entreprises, l'arrivée d'un cinquième concurrent crédible élargit le choix et peut peser sur les prix, d'autant que l'offre par abonnement Muse Code vise directement le marché de l'assistance au développement. Le positionnement sur les agents correspond à la direction que prend l'ensemble du secteur, où la valeur se déplace de la simple conversation vers l'exécution autonome de tâches longues.
Meta part de loin dans cette course. Le groupe s'était imposé avec les modèles ouverts de la famille Llama, avant de voir son avance contestée par OpenAI, Anthropic et Google, qui ont creusé l'écart sur le raisonnement et le code. La réorganisation autour du Meta Superintelligence Labs et la construction de Prometheus répondent à cette perte de terrain. La suite dépendra de la confirmation des performances par des évaluations indépendantes et de l'adoption réelle chez les développeurs. Les concurrents continuent par ailleurs de publier à un rythme soutenu.
Pas d'impact direct sur la France/UE