Meta lance Muse Spark 1.1, un modèle d'IA à raisonnement multimodal conçu pour les tâches agentiques, qui affiche des progrès significatifs dans l'utilisation des outils et des ordinateurs ainsi que le codage

Meta a dévoilé Muse Spark 1.1, une mise à jour de son modèle. Sur l’ensemble des tests de performance, ses résultats sont équivalents ou supérieurs à ceux des modèles actuels. Le signal le plus fort qui ressort des résultats n’est pas un score particulier, mais plutôt l’étendue de ses performances. Muse Spark 1.1 rivalise avec les modèles de pointe dans la plupart des secteurs, et il est particulièrement à l’aise dans les tâches structurées et procédurales. Cette annonce amplifie la bataille féroce entre les grandes enseignes du numérique pour dominer le secteur de l’intelligence artificielle.

Meta Platforms, Inc. (opérant sous le nom de Meta) est une multinationale technologique américaine dont le siège social est situé à Menlo Park, en Californie. Meta détient et exploite plusieurs plateformes de réseaux sociaux et services de communication de premier plan, notamment Facebook, Instagram, WhatsApp, Messenger et Threads. L’entreprise gère également un réseau publicitaire pour ses propres sites et pour des tiers ; en 2023, la publicité représentait 97,8 % de son chiffre d’affaires total. Meta est considérée comme faisant partie du « Big Tech », terme désignant les six plus grandes entreprises technologiques des États-Unis.

En avril 2026, Meta a franchi une nouvelle étape dans sa stratégie en matière d’IA avec le lancement de Muse Spark, le premier modèle de la famille Muse développé par Meta Superintelligence Labs. Avec ce modèle, l’entreprise vise à jeter les bases de ce qu’elle décrit comme une « superintelligence personnelle ». En termes de performances, Meta affirme que Muse Spark est compétitif dans les domaines de l'analyse visuelle, du raisonnement et des applications de santé. Dans le même temps, des évaluations indépendantes montrent que le modèle n'est pas encore au sommet dans tous les domaines. Une nouvelle fonctionnalité importante est le mode « Contemplating », qui permet à plusieurs agents IA de travailler en parallèle sur un même problème.

Récemment, Meta a dévoilé Muse Spark 1.1, une mise à jour de son modèle qui n’aurait rien à envier aux meilleurs modèles disponibles à l’heure actuelle. Sur l’ensemble des tests de performance, ses résultats sont équivalents ou supérieurs à ceux des modèles actuels, et il se distingue particulièrement dans un certain nombre de tâches : il transforme des données désordonnées provenant de multiples sources en une réponse pertinente là où d’autres modèles de pointe échouent. C’est un modèle véritablement performant pour le travail intellectuel en entreprise.


Meta lance Muse Spark 1.1, un modèle d’IA à raisonnement multimodal conçu pour les tâches agentiques

Le signal le plus fort qui ressort des résultats n’est pas un score particulier, mais plutôt l’étendue de ses performances. Muse Spark 1.1 rivalise avec les modèles de pointe dans la plupart des secteurs, et il est particulièrement à l’aise dans les tâches structurées et procédurales : les services professionnels, le secteur public et les tâches industrielles où il s’agit de suivre un processus défini sur une pile de documents et d’effectuer chaque étape correctement.

Dans ces catégories, il devance le modèle composite de premier plan de 5 à 6 points. Il s’agit là du tissu conjonctif du travail en entreprise — saisie, révision, rapprochement, reporting — et c’est là que Muse Spark 1.1 atteint le plus régulièrement ses objectifs. Muse Spark 1.1 excelle également dans la rédaction de rapports. À partir de données brutes et d’un format à remplir, il produit des livrables clairs, complets et bien organisés, qui n’ont rien à envier à ce que génèrent les meilleurs modèles. Pour le travail quotidien consistant à transformer des données et des documents en informations exploitables par un humain, Muse Spark 1.1 est un choix fiable.

Les résultats les plus frappants ont été obtenus lors de tâches d’analyse de données — à savoir l’interprétation de données sources imparfaites issues du monde réel et le calcul d’une réponse défendable. Dans plusieurs de ces cas, Muse Spark 1.1 ne s’est pas contenté d’égaler le peloton, il l’a clairement surpassé. En voici quelques exemples :

- Une analyse d’optimisation des coûts : à partir de données opérationnelles réparties dans un classeur, la tâche consistait à établir un ensemble d’indicateurs d’efficacité par marché et à recommander les domaines sur lesquels se concentrer. Muse Spark 1.1 a mené à bien ce calcul en plusieurs étapes de manière rigoureuse et a établi le bon ordre de priorité, surpassant de près de 30 points les modèles de base les plus performants, alors que d’autres modèles avaient échoué sur les calculs intermédiaires.

- Une analyse de portefeuille de clients : la tâche consistait à segmenter un ensemble de comptes, à calculer les répartitions adéquates et à identifier le client qui se démarquait selon la bonne dimension, alors qu’une fausse dimension trompeuse se trouvait juste à côté dans les données. Muse Spark 1.1 a ancré sa réponse dans la bonne colonne et a trouvé la bonne solution, devançant l’indice composite de plus de 25 points ; une erreur courante dans ce cas est de se laisser influencer par l’élément de distraction situé à proximité.

- Un regroupement de coûts à grande échelle : il s’agissait de rapprocher les coûts prévisionnels et réels à partir d’un long relevé détaillé de maintenance ; la tâche exigeait plusieurs totaux et écarts avec des tolérances très strictes. Muse Spark 1.1 a produit des chiffres qui concordaient sur toute la ligne. C’est le genre de travail minutieux et cumulatif qui récompense ceux qui ne prennent pas de raccourcis.

En résumé, Muse Spark 1.1 donne le meilleur de lui-même lorsque le travail est quantitatif mais lisible — lorsqu’il s’agit d’effectuer un calcul correct à partir de données réelles et que le modèle doit résister à la tentation d’une approximation facile. Sur ce type de tâches, il semble devancer les modèles de pointe.

Ce lancement intervient alors que Meta a commencé à ériger des espèces de tentes industrielles pour accueillir des serveurs surchauffés, faute de centre de données construits à temps. Les rapports font état de ce que Meta a opté pour cette approche au vu de ce qu’on estime être une situation critique au sein de l’entreprise. Elle a donc commencé à construire des centres de données sous forme de tentes équipés de turbines à gaz mobiles. Une initiative qui montre la bataille féroce entre les grandes enseignes du numérique pour dominer le secteur de l’intelligence artificielle.

Voici l'annonce de Meta :

Présentation de Muse Spark 1.1

Aujourd’hui, nous sommes ravis de vous présenter Muse Spark 1.1, le tout dernier modèle développé par Meta Superintelligence Labs, qui constitue une mise à niveau majeure par rapport à Muse Spark. Muse Spark 1.1 est un modèle de raisonnement multimodal conçu pour les tâches agentiques, qui affiche des progrès significatifs en matière d’utilisation des outils et de l’ordinateur, de programmation et de compréhension multimodale.

Grâce à ces améliorations, Muse Spark 1.1 repousse les limites en matière de rapport performances/efficacité. Associée au lancement de Muse Image cette semaine, cette version nous rapproche de notre vision de la superintelligence personnelle : des modèles qui vous aident à poursuivre vos objectifs, à créer ce que vous imaginez, à approfondir vos relations et à agir en fonction de ce qui compte le plus pour vous.

Parallèlement à cette version, nous lançons un aperçu public de la nouvelle API Meta Model, qui permettra aux développeurs d’accéder à Muse Spark 1.1. Le modèle est désormais disponible en mode « Thinking » dans l’application Meta AI et sur meta.ai.

Évaluations


Agents

Muse Spark 1.1 offre des performances exceptionnelles dans les tâches d’agent personnel qui nécessitent une planification et une orchestration entre toute une gamme d’applications et de services externes. Il s’adapte sans apprentissage préalable (zero-shot) à de nouveaux outils natifs, serveurs MCP et compétences personnalisées.


Il traite les projets complexes nettement plus rapidement que Muse Spark, car il est entraîné à orchestrer des systèmes multi-agents afin d’optimiser la latence de bout en bout. En tant qu’agent principal, il peut recueillir le contexte, élaborer un plan et déléguer l’exécution à des sous-agents parallèles. En tant que sous-agent, il s’en tient à sa tâche, comprend les outils disponibles et sait quand remonter l’information à l’agent principal.

Muse Spark 1.1 peut gérer activement sa fenêtre de contexte d’un million de tokens. Il mémorise les actions, récupère des informations issues de travaux beaucoup plus anciens et effectue une compression de manière à conserver les étapes critiques nécessaires aux travaux ultérieurs.


Utilisation de l’ordinateur


Muse Spark 1.1 excelle dans les workflows d’utilisation de l’ordinateur qui s’étendent sur plusieurs applications avec des informations changeant à la volée. Il conserve le contexte au cours de sessions prolongées, s’adapte à l’évolution des exigences et navigue dans des interfaces inconnues avec une intervention humaine minimale.

Plutôt que d’analyser chaque étape sur le bureau clic par clic, Muse Spark 1.1 comprend quand automatiser et quand utiliser directement l’interface. Nous avons entraîné le modèle à écrire des scripts lorsque l’automatisation est plus rapide, à cliquer lorsque l’interaction directe est plus simple, et à générer des lots d’actions à chaque étape.

Codage

Les performances de codage de Muse Spark 1.1 se sont considérablement améliorées sur des tâches concrètes impliquant des bases de code volumineuses et complexes. Il est capable de diagnostiquer et de corriger des bogues complexes, d’implémenter de nouvelles fonctionnalités dans des systèmes...