Muse Wonder de Meta : un modèle agent qui se souvient et persévère

Le rideau se lève : deux modèles, une ambition

Le 12 octobre 2026, Meta a joué pour la première fois le premier rang de la course à l'IA : Muse Wonder et son grand frère Muse Wonder Full ont été présentés. L'organisme de mesure indépendant ArtificialAnalysis annonce le grand modèle à 56 points, 4e place, et le petit à 52. Pour une entreprise à la traîne il y a un an, c'est une montée des rangs moyens vers l'étage noble : le modèle précédent Spark 1.3 restait à 48. Meta dit que la nouvelle famille est conçue pour le travail d'agent au quotidien et au bureau : suivre un dossier d'assurance, lire un bail, monter une appli qui tourne.

Derrière la sortie, il y a quatorze mois de reconstruction. TechCrunch raconte que l'équipe IA a été rebâtie de zéro l'an dernier et que les modèles ont été entraînés dans le centre de données Prometheus, dans l'Ohio, à l'échelle du gigawatt. Meta, jadis connu pour ses modèles ouverts, est venu cette fois avec une famille fermée et ambitieuse. Le discours de l'entreprise voit grand : un barreau de plus sur l'échelle du passage à l'échelle et un bond vers la superintelligence personnelle. Je trouve ce discours enflé, mais les chiffres méritent le débat.

Deux atouts : la mémoire et la persévérance

Le premier numéro de la famille, c'est la mémoire. Meta l'appelle mémoire active : le modèle garde ce qui compte pour vous pendant des jours, des semaines et des mois, et le rappelle au bon moment. Une image : au lieu d'un centre d'appels où l'on raconte son souci à chaque appel, l'épicier du quartier qui vous connaît. Sur la mesure MemoryBench partagée par l'entreprise, Wonder laisse Fable, Opus et Astra derrière. La chercheuse Kopparapu tient la même note : ils ont beaucoup travaillé pour un modèle qui se souvient de ce qui compte à des jours, des semaines et des mois de distance.

Le deuxième numéro, c'est la ténacité, nommée focus actif : quand le travail durcit, le modèle ne lâche pas, il tente une autre voie, pose des questions où il coince et vous consulte avant tout pas important. Pensez aux deux ennuis des agents actuels : l'un lâche la tâche à mi-chemin, l'autre part seul et fait un travail jamais demandé. Meta dit régler les deux d'un coup. Si vrai, c'est grand ; mais le si compte, et j'y viendrai.

Ce qu'il fait au quotidien

Les démos du lancement donnent corps à la promesse. Un voyageur reçoit une piste de mal des montagnes tirée de son agenda et de ses courriels. Dans l'exemple d'assurance, une facture de soins urgents, une photo de la carte d'assuré et un texte de contestation sont versés au dossier ; le modèle prépare le numéro à appeler et les mots à dire, puis le tourne en projet de courriel sur demande. Plan de table de mariage, commande de tee-shirt depuis une photo du chat Coco, petit jeu nommé Muse Kitchen : la liste s'allonge. Le tableau est clair : le modèle pointe ses yeux vers la cuisine et la rue plutôt que vers le bureau.

Les chiffres et les regards indépendants

Venons aux chiffres. Selon le tableau indépendant compilé par The Decoder, Wonder Full figure dans les trois premiers sur 6 tests sur 10. Petit modèle à 52, grand à 56. Côte à côte avec les rivaux : Opus 5.5 et Astra devant, Fable 5.1 distancé, Argon à part sur l'efficacité. Le vrai bond se voit contre le modèle précédent : Spark 1.3 à 48 points plafonnait à 33 % sur Terminal-Bench 4.0 ; Wonder Full monte à 57 % sur la même épreuve en utilisant 30 % de tokens de sortie en moins. Plus malin et plus économe à la fois.

Le côté logiciel brille davantage. Sur l'indice des agents logiciels, le grand modèle égale à 68 points l'outil rival animé par Sonnet 5.5 ; le petit à 63 dépasse nettement la version précédente à 54. L'épreuve de preuves ProofBench grimpe de 58 à 94 ; les leaders se tiennent à 99-100. Wired écrit que la famille Wonder bat Opus 5.5 et Astra sur certaines épreuves de logiciel et de droit. Bref, Meta dit qu'il compte aussi en logiciel.

L'autre face de la pièce, c'est le savoir. Sur l'épreuve de culture générale Omniscience, le grand modèle s'arrête à 30 et le petit à 25 ; Opus 5.5 à 46 et Astra à 43 restent loin devant. The Decoder en tire cette lecture : la famille Wonder reposerait sur une base plus petite que ses rivales. La bonne nouvelle vient du taux d'hallucinations : tombé de 33 % à 23 %, deuxième plus bas parmi les modèles au-delà de 45 points, Argon menant à 15 %. Côté sécurité, Wired note l'entraînement de Meta au refus des sorties dangereuses et le fait que l'entreprise a retardé la sortie par prudence.

Le côté droit et finance est le terrain où Meta veut vraiment jouer. Sur le test d'agent juridique Harvey, Wonder Full à 13,1 points double Fable 5.1 à 6,4. Les exemples de l'entreprise relèvent tous du travail de connaissance : baux, tableaux de chiffres, infos de santé. Cela me semble logique : les modèles Meta entreront dans Facebook, Instagram et les lunettes, où les utilisateurs posent leurs soucis du jour, pas du logiciel. Le modèle sait moins mais invente moins ; un système qui se tait au lieu d'inventer dans le doute vaut davantage au quotidien.

Que disent les essais indépendants ? L'ingénieur Matt Johnston a passé le petit modèle dans ses propres épreuves en direct. Résultats mitigés : le clinquant du lancement diffère de la performance réelle. Deux jeux notés 88 et 83 ; dans l'un, les ennemis touchés ne prennent aucun dégât, se laissent frapper à la grenade, et le personnage traverse parfois les murs. Un étui de téléphone prêt pour l'imprimante 3D est sorti propre. La note de Johnston est nette : le jour du spectacle diffère du jour réel.

Le journal de bord du développeur fal est plus pratique : après avoir vu la promo de Wang sur X, il a installé le modèle dans le terminal, piloté à la voix, et passé un site en thème sombre. Il a aussi essayé la génération d'images maison : un portrait fusionné de deux photos est sorti beau, mais les lettres sur le portable sont cassées, petits défauts inclus. Le graphique d'entreprise pointé par fal est audacieux : sur l'épreuve de génie logiciel, Full apparaît au-dessus d'Opus 5.5 et d'Astra. La courte chaîne Curve Wars donne le résumé en 74 secondes : 9 épreuves sur 14 chez Opus, prix à égalité, chiffres maison à plein effort, et aucun jugement indépendant pour l'instant.

Prix, accès et question ouverte

Le côté prix se débat aussi. Tokens d'entrée à 4 $ le million, sortie à 20 $. Environ trois fois le modèle précédent : Spark 1.3 tenait à 1,25 $ et 4,25 $. Le coût par tâche a grimpé de 1,60 $ à 4,52 $ ; 76 % du coût vient des tokens d'entrée, et le modèle utilise 28 % de tokens d'entrée en plus par tâche. Face aux rivaux : 7,63 $ chez Fable 5.1, 5,98 $ chez Opus 5.5, 3,26 $ chez Astra, 1,99 $ chez Argon, 0,72 $ chez Sol. Coûteux mais pas le plus coûteux ; The Decoder le juge bien placé parmi ses pairs de prix.

L'accès reste pour l'instant aux développeurs. Le petit modèle est ouvert via le service de modèles de l'entreprise et Muse Code ; le grand aux seuls abonnés Muse Code. Il gagnera bientôt l'appli Muse, les membres payants d'abord. Les formules se tiennent à 50 $ et 200 $ ; Johnston dit que la formule à 50 $ a brûlé 5 heures de droits en 15 minutes sous essais parallèles. La porte reste ouverte aux curieux, mais le robinet tourne au compteur.

Mashable a annoncé la sortie comme l'entrée de Meta dans le groupe de tête pour la première fois ; le site note que la famille est arrivée six semaines seulement après le Spark d'avril. La vitesse du retardataire se voit ici : le pas Scale AI à 14,3B $, une équipe neuve, un centre de données neuf. Le plan de l'entreprise est net aussi : les abonnés d'abord, puis des modèles dérivés pour chacun. Le discours de superintelligence personnelle est grand, mais la direction est bonne : descendre le modèle vers l'assistant de chaque poche.

Gardons toutefois la prudence à portée de main. Chaque chiffre brillant sur la table est une mesure maison ; au-delà du score d'indice de l'organisme indépendant ArtificialAnalysis, bien des postes attendent encore le jugement. Comme le dit Curve Wars, les juges n'ont pas encore noté. À la critique de modèles gonflés sur les tâches d'entraînement, l'entreprise répond qu'elle tient aussi sur les tâches inconnues. Le retard sur l'épreuve de savoirs sera le premier lieu pour tester cette réponse.

À mes yeux, le vrai examen n'est pas le spectacle mais la vie de tous les jours : la personne qui fait la queue pour l'assurance, qui déchiffre une clause de bail, qui place une table de mariage. Un agent qui se souvient et refuse de lâcher fera la différence ces jours-là. Trois choses à suivre dans les semaines à venir : l'arrivée des notes indépendantes, l'ouverture de l'appli aux membres, et la réponse des prix. Meta a dit bientôt pendant des années ; cette fois il dit voici. L'écart ne se prouvera pas par les chiffres ; il se verra en cuisine.