Meta lance Muse Wonder et Muse Wonder Full

TThéa

Alors, Meta présente Muse Wonder et Muse Wonder Full comme des modèles destinés aux tâches personnelles et professionnelles menées par des agents. L’entreprise les positionne pour des missions qui demandent de poursuivre un objectif en plusieurs étapes, plutôt que pour une simple réponse ponctuelle. Elle cite notamment le suivi d’un dossier d’assurance, la compréhension d’un bail ou la création d’une application. TechCrunch décrit ce lancement comme la première tentative de Meta de proposer des modèles d’intelligence artificielle de pointe. Cette étape s’inscrit dans un retour de l’entreprise sur un terrain où elle avait perdu du terrain face à plusieurs concurrents, d’après Wired.

TThéa

Meta met en avant deux mécanismes, Active Memory et Active Focus. Active Memory conserve des éléments utiles sur l’utilisateur d’une conversation à l’autre, puis les retrouve lorsqu’ils deviennent pertinents. Un agent pourrait, par exemple, réutiliser une préférence déjà exprimée ou un élément d’un projet, au lieu de demander à chaque fois tout le contexte. Active Focus vise plutôt la persévérance : le modèle peut essayer une autre méthode, repérer un blocage, s’adapter à de nouvelles informations et demander des précisions. Meta dit aussi qu’il doit solliciter une validation avant certaines actions importantes.

TThéa

La version Muse Wonder est accessible aux développeurs par l’API Meta Model et par Muse Code, l’outil de programmation de Meta. La version plus puissante, Muse Wonder Full, est réservée aux abonnés de Muse Code et n’est pas proposée par l’API. TechCrunch indique un tarif de 4 dollars par million de jetons en entrée et de 20 dollars par million de jetons en sortie pour Muse Wonder. Meta prévoit aussi d’intégrer le modèle standard à son agent Muse, d’abord pour les abonnés, mais n’a pas communiqué de calendrier. Les deux variantes sont conçues pour les agents, mais les accès disponibles ne sont donc pas identiques selon qu’on développe un service ou qu’on utilise directement Muse Code.

TThéa

TechCrunch indique que Muse Wonder est accessible par l’API Meta Model et Muse Code, tandis que Muse Wonder Full est réservé aux abonnés de Muse Code et n’est pas proposé par l’API. Le tarif annoncé pour Muse Wonder est de 4 dollars par million de jetons en entrée et de 20 dollars par million de jetons en sortie. The Decoder estime que les deux modèles coûtent près de 3 fois plus cher par appel API que Muse Spark 1.3. L’accès à Wonder Full reste donc distinct de celui du modèle standard.

TThéa

Meta met en avant des résultats élevés sur plusieurs évaluations, notamment 57,5 % à SWE-Marathon, un test de programmation, 85,5 % à MemoryBench et 59,1 % à son Personal Superintelligence Index. L’entreprise affirme que Wonder Full dépasse certains modèles concurrents sur plusieurs tâches et qu’il obtient de bons résultats sur des tâches inédites, qui n’auraient pas servi à optimiser directement les réponses aux tests. Il existe aussi des résultats publiés par des évaluateurs extérieurs : The Decoder donne 56 points à Wonder Full et 52 à Wonder sur son Artificial Analysis Intelligence Index, contre 48 pour Muse Spark 1.3. Cette publication place Wonder Full parmi les 3 premiers sur 6 des 10 tests examinés, avec un progrès marqué sur un test de codage. Mais les chiffres ne disent pas à eux seuls comment le modèle se comportera dans le travail quotidien, ni si toutes les comparaisons sont équitables.

TThéa

Les résultats sont d’ailleurs contrastés selon le type de tâche. Dans le benchmark Harvey’s Legal Agent, Muse Wonder Full réussit 13,1 % des tâches selon des critères stricts, contre 8,6 % pour GPT-6 Astra, le concurrent cité qui obtient le meilleur résultat parmi ceux comparés. En programmation, il devance Claude Opus 5.5 sur SWE-Marathon, avec 57,5 % contre 46,3 %, mais perd sur ProgramBench, où Opus 5.5 atteint 70,5 % contre 59 %. SiliconANGLE indique également que Claude Opus 5.5 devance Muse Wonder Full sur HealthBench Pro et sur le test d’utilisation d’ordinateur OSWorld V2.1. Sur l’Artificial Analysis Intelligence Index, Claude Opus 5.5 obtient 58 points, soit 2 de plus que Wonder Full. Ces écarts montrent qu’un modèle peut être particulièrement bon dans un domaine sans dominer partout ; ils invitent à regarder la tâche exacte avant de choisir un outil.

TThéa

D’abord, une partie des meilleurs résultats est revendiquée par Meta et n’a pas été vérifiée de façon indépendante. Même lorsqu’un classement est publié par un organisme extérieur, son résultat dépend des tâches choisies, de leur pondération, des consignes données au modèle, des outils autorisés et du temps de calcul disponible. Meta précise que ses essais des modèles concurrents n’étaient pas nécessairement réglés de façon optimale, notamment pour les consignes et les outils. Certains résultats de programmation ne constituent pas non plus une comparaison contrôlée. Un test mesure donc une capacité dans un cadre donné, pas la fiabilité complète d’un agent dans toutes les situations réelles. Wired rappelle que les benchmarks ne reflètent pas toujours fidèlement les performances en situation réelle.

TThéa

Un autre signal plus mitigé concerne les connaissances factuelles. Selon The Decoder, Wonder Full obtient 30 points sur le test AA-Omniscience, derrière Claude Opus 5.5 à 46, GPT-6 Astra à 43 et Gemini 4 Argon à 42. The Decoder avance que cet écart pourrait s’expliquer par un modèle de base plus petit, mais cette explication resterait une hypothèse. Le taux d’hallucination rapporté pour Wonder Full est de 23 %, contre 33 % pour Muse Spark 1.3. C’est une amélioration, mais pas l’absence d’erreurs. Ces chiffres donnent des indications sur des tests précis, sans établir à eux seuls la fiabilité du modèle dans tous les usages.

TThéa

C’est un enjeu central, parce qu’un agent personnel pourrait être amené à consulter des messages, des calendriers ou des documents privés. Meta présente la discrétion et la résistance aux attaques comme des exigences pour des modèles ayant accès à ces informations. L’entreprise dit appliquer à Muse Wonder Full des mesures de protection, notamment un entraînement de sécurité et des classificateurs au niveau du système, pour réduire les risques liés aux menaces chimiques et biologiques. Meta indique toutefois ne pas exclure que Wonder Full, sans ces mesures, puisse atteindre un seuil de risque élevé dans ces domaines. L’entreprise annonce un rapport de sécurité complet ultérieur, qui permettra d’examiner ces protections plus en détail.

TThéa

Meta présente le lancement comme une nouvelle étape de sa montée en puissance dans l’intelligence artificielle. L’entreprise dit avoir entraîné les modèles dans Prometheus, son centre de données décrit comme étant à l’échelle du gigawatt, et avoir revu sa pile d’intelligence artificielle pendant 14 mois. Cette nouvelle génération s’appuie sur des méthodes de préentraînement et d’apprentissage par renforcement introduites avec Muse Spark. Meta a également investi dans les infrastructures et les équipes de recherche. Après Muse Spark, annoncé en avril 2026, l’entreprise a publié le petit modèle à poids ouverts Muse Glimmer, et dit envisager des modèles ouverts plus grands à l’avenir.

TThéa

Il faut retenir que Meta veut faire passer ses modèles du rôle de répondant à celui d’assistant capable de poursuivre une tâche, de mémoriser du contexte et de demander une validation avant certaines actions. Les résultats disponibles montrent des progrès sur plusieurs tests de programmation et d’agents, mais aussi des performances inégales selon les domaines. Les classements les plus ambitieux restent en partie fondés sur des tests de Meta ou sur des comparaisons dont les conditions ne sont pas entièrement contrôlées. Meta Wonder est accessible par l’API Meta Model et Muse Code, tandis que Muse Wonder Full reste réservé aux abonnés de Muse Code. Meta prévoit aussi d’intégrer le modèle standard à son agent Muse, d’abord pour les abonnés, sans calendrier communiqué. Le rapport de sécurité annoncé et les usages concrets permettront de mieux apprécier les protections et les capacités de ces modèles.