Meta dévoile deux nouveaux modèles IA de pointe, Muse Wonder et Muse Wonder Full

Sa première tentative pour les modèles frontière

Meta a annoncé le lancement de Muse Wonder et Muse Wonder Full, une nouvelle famille de modèles d'IA de pointe conçus pour rivaliser avec OpenAI, Anthropic et Google. Ces nouveaux modèles ont été entraînés au centre de données Prometheus de Meta en tirant parti des avancées en matière de pré-entraînement et d'apprentissage par renforcement. D'après les tests de performance de Meta, Muse Wonder Full a surpassé GPT-6 Astra et Claude Opus 5.5 lors de plusieurs évaluations portant sur le codage et les capacités d'agent. Les modèles Wonder introduisent « Active Memory », qui conserve les informations pertinentes d'une conversation à l'autre, et « Active Focus », qui aide les agents à mener à bien des tâches complexes. Les tarifs de l'API commencent à 4 $ par million de jetons d'entrée et à 20 $ par million de jetons de sortie.

Meta Platforms, Inc. (opérant sous le nom de Meta), dont le siège social est situé à Menlo Park, en Californie, est une multinationale américaine du secteur des technologies et fait partie des « Big Tech ». Meta détient et exploite plusieurs plateformes de réseaux sociaux et services de communication de premier plan, notamment Facebook, Instagram, WhatsApp, Messenger et Threads. La société exploite 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.

Récemment, Mark Zuckerberg a affirmé que Meta avait atteint le niveau frontière en intelligence artificielle (IA) et a rejeté les appels à un ralentissement du développement de l'IA à l'échelle du secteur, a rapporté le Financial Times, citant une interview. L'entreprise a prévu pour 2026 des dépenses d'investissement comprises entre 130 et 145 milliards de dollars. L'argumentaire de Meta a reposé sur l'annonce de ses modèles Muse Wonder et Muse Wonder Full, qu'elle a présentés comme ses modèles les plus performants à ce jour. Le rejet par Zuckerberg de l'idée d'un ralentissement a été le document le plus intéressant : il a fait valoir que chaque laboratoire pouvait rendre ses systèmes plus sûrs tout en développant des produits plus performants.


Par ailleurs, Meta a annoncé le lancement de Muse Wonder et Muse Wonder Full, une nouvelle famille de modèles d’IA de pointe conçus pour rivaliser avec OpenAI, Anthropic et Google. Dans la lignée du modèle plus modeste Muse Spark 1.3 sorti le mois dernier, ces nouveaux modèles ont été entraînés au centre de données Prometheus de Meta en tirant parti des avancées en matière de pré-entraînement et d’apprentissage par renforcement.

D’après les tests de performance de Meta, Muse Wonder Full a surpassé GPT-6 Astra et Claude Opus 5.5 lors de plusieurs évaluations portant sur le codage et les capacités d’agent, obtenant un score de 57,5 % au SWE-Marathon et de 79 % au DeepSWE v1.1. Il s’est également classé en tête du benchmark juridique Harvey LAB-AA, bien que son score de 56 à l’Artificial Analysis Intelligence Index soit resté légèrement inférieur à celui d’Opus 5.5, qui s’élevait à 58. Au-delà des améliorations de performances, les modèles Wonder introduisent « Active Memory », qui conserve les informations pertinentes d’une conversation à l’autre, et « Active Focus », qui aide les agents à mener à bien des tâches complexes, à explorer d’autres approches après des échecs et à demander des précisions si nécessaire.


Ces deux fonctionnalités sont destinées à soutenir l’agent d’IA personnel Muse de Meta. Les modèles disposent également d’une fenêtre de contexte d’un million de tokens et prennent en charge les entrées de texte, d’image, d’audio et de vidéo, bien que les sorties soient actuellement limitées au texte. Muse Wonder est accessible via l'API Meta Model et Muse Code, tandis que la version phare, Muse Wonder Full, est réservée aux abonnés de Muse Code. Les tarifs de l'API commencent à 4 $ par million de jetons d'entrée et à 20 $ par million de jetons de sortie.

Vers le début de ce mois d'octobre, un rapport avait révélé que Meta et Microsoft limitaient l’utilisation par leurs employés de l’IA « Claude » d’Anthropic tout en promouvant leurs propres outils de programmation. Ces changements portaient principalement sur les dépenses internes et les flux de travail du personnel, plutôt que sur la suppression de l’accès des clients à Claude via les produits Microsoft. Cette évolution mettait en évidence la pression croissante exercée pour maîtriser les coûts liés à l’IA, à mesure que les assistants de codage s’intégraient dans le travail quotidien de développement logiciel. Ce recul reflétait des budgets plus serrés et une concurrence accrue, et non une rupture totale avec Claude.

En cette mi-octobre, le nouvel assistant IA Muse de Meta était perçu comme un « parasite » en raison de préoccupations en matière de confidentialité et de sécurité des données personnelles. Muse requérait un « accès intrusif » aux messages, calendriers et comptes bancaires pour fonctionner de manière optimale, ce qui permettait à l'entreprise de récolter d'immenses quantités d'informations intimes. Des incidents récents avaient d'ailleurs démontré que l'application Muse pouvait agir de manière autonome sans l'aval explicite de ses propriétaires. Selon certains critiques, Muse permettait à Meta de monétiser le profilage psychologique des usagers au profit des annonceurs publicitaires.

Voici l'annonce de la sortie de Muse Wonder par Meta :

Muse Wonder

Un modèle de pointe dédié aux tâches personnelles et professionnelles

Aujourd’hui, nous sommes ravis de vous présenter la série Muse Wonder, composée de Muse Wonder et Muse Wonder Full, nos modèles les plus performants qui offrent des performances de pointe pour les tâches personnelles et professionnelles. Ensemble, ils marquent la prochaine étape de notre évolution et constituent un bond en avant majeur vers la superintelligence personnelle. Muse Wonder combine les fonctionnalités Active Memory et Active Focus pour garder une trace de ce qui compte pour vous et travailler avec diligence à la réalisation de vos objectifs.

Muse Wonder est disponible dès aujourd’hui via l’API Meta Model et Muse Code, tandis que Muse Wonder Full est accessible dès aujourd’hui aux abonnés de Muse Code. Muse Wonder animera bientôt les expériences au sein de Muse et sera d’abord déployé auprès des abonnés. Muse Wonder servira également à la génération d’artefacts et aux processus nécessitant davantage d’intelligence. À l’avenir, nous utiliserons Muse Wonder pour développer des modèles spécialisés que nous pourrons mettre à la disposition de tous les utilisateurs de Muse.

Vers une superintelligence personnelle

Il y a quatorze mois, nous avons entamé une refonte en profondeur de nos travaux en matière d’IA. Depuis lors, nous sommes passés de la reconstruction de notre pile technologique à partir des principes fondamentaux à l’exploration de nouvelles frontières.


Lors du lancement de Muse Spark, nous avions présenté notre approche en matière de mise à l’échelle prévisible et rigoureuse. La version publiée aujourd’hui s’appuie sur ces travaux menés dans les domaines du pré-entraînement et de l’apprentissage par renforcement, et propose nos modèles les plus performants à ce jour. Entraînés dans notre centre de données Prometheus d’une capacité de l’ordre du gigawatt, Muse Wonder et Muse Wonder Full rassemblent les travaux des différentes équipes de Meta afin d’offrir des capacités de pointe pour des tâches complexes, tant au travail que dans la vie quotidienne — un pas de plus vers la mise à disposition d’une superintelligence personnelle pour les milliards de personnes qui utilisent nos produits.

Capacités de pointe

Points forts du modèle. La série Muse Wonder affiche des résultats à la pointe de la technologie dans les principaux tests de performance portant sur les agents personnels et professionnels, la mémoire et le codage.


Les résultats complets présentés ci-dessous comparent Muse Wonder et Muse Wonder Full à d'autres modèles de pointe à travers une vaste série de tests d'évaluation.


Les résultats ci-dessus donnent un aperçu général des performances des modèles. Nous allons maintenant examiner de plus près quatre domaines essentiels à leur fonctionnement dans le cadre de tâches concrètes : l’expertise sectorielle, la mémoire active, la concentration active et le codage de pointe.

Expertise sectorielle

Muse Wonder et Muse Wonder Full mettent à profit des connaissances spécialisées pour résoudre les problèmes auxquels les utilisateurs sont confrontés au travail et dans leur vie quotidienne, qu’il s’agisse de comprendre un bail ou d’interpréter des informations financières ou médicales. Nos évaluations comprennent des tâches dans les domaines du droit, de la finance et de la santé qui permettent de tester cette capacité. Le « Legal Agent Benchmark » (LAB) de Harvey, par exemple, exige des modèles qu’ils traitent des documents sources et suivent des instructions détaillées afin de produire des documents juridiques.


Mémoire active

L'une des étapes les plus cruciales pour mettre au point des agents personnels et professionnels utiles réside dans la fiabilité de la mémoire. Les modèles doivent se souvenir de ce qui compte et reconnaître quand des informations antérieures deviennent pertinentes. C'est ce que nous appelons la « mémoire active » : conserver le contexte important vous concernant d'une conversation à l'autre et récupérer activement les détails pertinents pour la tâche à accomplir.


Concentration active

Utiliser ce contexte pour mener à bien une tâche nécessite également un effort soutenu. La « concentration active » décrit la manière dont Muse Wonder continue à œuvrer pour atteindre un objectif ambitieux : en essayant différentes approches, en surmontant les obstacles et en s’adaptant aux nouvelles informations. Tout au long du processus, il demande des précisions lorsque cela est nécessaire et fait le point avant de prendre des mesures importantes. Nous évaluons la concentration à l’aide de FocusBench et la capacité à mener à bien des tâches sur le long terme grâce au SWE-Marathon, qui teste le travail sur des projets logiciels de longue durée.


Le codage de pointe

Le codage rassemble toutes ces capacités. Le développement de logiciels nécessite de suivre les exigences, d’apporter des modifications à l’ensemble du code et de passer par des cycles répétés de tests et de révision. Muse Wonder et Muse Wonder Full offrent des performances de codage de pointe, prenant en charge des projets allant des petites applications aux logiciels complexes. Nous avons entraîné ces deux modèles sur des tâches variées et de longue durée afin de les aider à maintenir leur progression tout au long de ce processus.


Des capacités qui se généralisent

Il arrive souvent que deux modèles affichent des scores de benchmark similaires, alors que l’un semble capable de gérer un éventail bien plus large de tâches inconnues. C’est ce que soulignent à la fois les critiques du « benchmaxxing » et les éloges adressés au « big model smell » : une étendue des capacités que les benchmarks courants, limités à quelques domaines, ne parviennent pas à saisir pleinement. Pour quantifier ce décalage, nous étudions comment les performances sur les tâches ciblées lors de la phase post-entraînement sont liées aux performances sur des tâches inconnues, à mesure que nous augmentons la puissance de calcul au moment du test.

Le graphique...