Muse Wonder : Meta revient-il au sommet des modèles d’IA ?

Meta revient au premier plan avec deux modèles conçus moins pour répondre à une question isolée que pour travailler dans la durée. Muse Wonder et Muse Wonder Full promettent de retenir le contexte utile, de persévérer face aux obstacles et d’agir dans plusieurs applications.

Les résultats publiés sont impressionnants sur plusieurs tâches agentiques. Ils ne permettent pourtant pas de déclarer un vainqueur universel : une partie importante des évaluations vient de Meta, et les modèles concurrents restent devant sur certains tests.

Deux modèles pour des agents qui travaillent dans la durée

Muse Wonder désigne une nouvelle série composée de deux modèles : Muse Wonder et Muse Wonder Full, la variante la plus puissante. Meta les présente comme ses modèles les plus capables pour les tâches agentiques personnelles et professionnelles.

L’idée centrale tient en deux expressions choisies par l’entreprise : Active Memory et Active Focus.

L’Active Memory doit conserver les éléments importants d’un utilisateur au fil des conversations, puis retrouver ceux qui deviennent pertinents pour la tâche en cours. Ce n’est donc pas seulement une grande fenêtre de contexte : Meta décrit une mémoire qui sélectionne et réactive l’information utile.

L’Active Focus concerne la capacité à poursuivre un objectif difficile. Le modèle doit pouvoir essayer une autre méthode, contourner un blocage, intégrer une nouvelle information, demander une précision et solliciter l’utilisateur avant une action importante.

Pour un agent, ces deux aptitudes comptent souvent davantage que la qualité d’une réponse unique. Planifier une journée, analyser un dossier financier ou modifier un logiciel pendant plusieurs heures exige de rester cohérent bien après le premier prompt.

Que peut faire Muse Wonder ?

Les démonstrations de Meta montrent notamment un agent qui :

• prépare un parcours de course à partir de préférences et de circonstances personnelles ;
• conçoit des objets personnalisés à partir de photos issues d’un compte Instagram ;
• établit un plan de table soumis à de nombreuses contraintes ;
• construit un jeu 3D jouable à partir d’images ;
• travaille sur des projets logiciels de longue durée.

Ce sont des démonstrations choisies par Meta, pas des essais indépendants. Elles illustrent néanmoins le positionnement du modèle : relier mémoire, navigation, outils et production concrète plutôt que se limiter à une conversation.

Des scores solides, mais pas une victoire générale

Dans son Personal Superintelligence Index, un indice composite interne portant sur le travail personnel et intellectuel, Meta attribue un score de 59,1 à Muse Wonder Full. Claude Opus 5.5 obtient 55,2, GPT-6 Astra 54,5, Muse Wonder 54,3 et Claude Fable 5.1 49,9.

Le mot « interne » est essentiel. Cet indice rassemble des évaluations sélectionnées par Meta et ne constitue pas une mesure universelle de la qualité d’un modèle.

Les résultats détaillés sont plus instructifs que le score global :

• Harvey LAB-AA, travail juridique agentique : 13,1 pour Wonder Full et 10,0 pour Wonder, devant les modèles comparés, mais avec des niveaux absolus encore faibles ;
• AutomationBench-AA, processus professionnels de bout en bout : 45,4 et 39,1, contre 41,6 pour GPT-6 Astra et 41,2 pour Claude Opus 5.5 ;
• MemoryBench, mémoire contextuelle : 85,5 pour Wonder Full et 85,6 pour Wonder ;
• DeepSWE 1.1, programmation de longue durée : 79,0 et 78,8, devant les trois concurrents du tableau ;
• SWE-Marathon, ingénierie logicielle sur des tâches très longues : 57,5 pour Wonder Full et 53,1 pour Wonder.

D’autres lignes nuancent le tableau. Claude Opus 5.5 reste devant sur HealthBench Pro, JobBench, OSWorld, Terminal-Bench et surtout ProgramBench. GPT-6 Astra devance également Wonder Full sur GDP.pdf et Terminal-Bench.

Le test externe repris dans le tableau de Meta raconte lui aussi une histoire moins triomphale. Sur l’Artificial Analysis Intelligence Index, Claude Opus 5.5 obtient 58, Muse Wonder Full 56, GPT-6 Astra et Claude Fable 5.1 53, puis Muse Wonder 52.

La conclusion raisonnable n’est donc pas que Meta domine tous les modèles. Muse Wonder Full semble particulièrement compétitif sur la mémoire, les agents professionnels et les tâches longues de programmation, tandis que d’autres modèles gardent l’avantage selon le domaine.

Une réponse au « benchmaxxing »

Meta reconnaît directement une limite classique des comparaisons : deux modèles peuvent obtenir des scores proches tout en se comportant très différemment sur des tâches inconnues. L’entreprise évoque le « benchmaxxing », c’est-à-dire l’optimisation excessive pour les tests les plus visibles.

Pour mesurer la généralisation, Meta compare les performances sur des tâches visées pendant le post-entraînement à celles obtenues sur des tâches non ciblées. Selon l’entreprise, Muse Wonder Full progresse mieux que ce que laisserait prévoir la tendance de Muse Spark 1.3 sur les tâches nouvelles.

C’est une analyse intéressante, mais elle reste produite par Meta à partir de son propre protocole. Il faudra la confronter à des évaluations indépendantes et, surtout, à des usages réels. Pour un agent, la réussite ne se mesure pas seulement à un score : il faut aussi examiner le taux d’erreur, le coût, le temps d’exécution, la qualité des demandes de confirmation et la possibilité de reprendre la main.

Disponibilité : API aujourd’hui, Muse plus tard

Muse Wonder est disponible dès maintenant dans la Meta Model API et dans Muse Code. Muse Wonder Full est proposé aux abonnés de Muse Code.

Le déploiement dans l’assistant grand public Muse viendra ensuite, en commençant par les abonnés. Meta prévoit aussi d’utiliser Wonder pour la génération d’artefacts et pour des processus demandant davantage d’intelligence.

L’annonce ne présente pas Muse Wonder comme un modèle à poids ouverts. Elle ne donne pas non plus, sur la page de lancement, de grille tarifaire détaillée pour les deux variantes. Ces éléments compteront pour juger leur intérêt réel en production.

La sécurité reste en partie à documenter

Un agent personnel peut accéder à des messages, un calendrier, des documents privés et des applications. Une erreur de discrétion ou une instruction malveillante peut donc avoir des conséquences plus graves qu’une mauvaise réponse dans un chatbot.

Meta affirme avoir renforcé la résistance aux instructions adverses, la protection des informations personnelles et les garde-fous contre les usages biologiques, chimiques, radiologiques, nucléaires et cyber offensifs. L’entreprise publie plusieurs graphiques comparatifs et présente Wonder comme son modèle le mieux aligné à ce jour.

Mais le rapport de sécurité complet est annoncé pour plus tard. En attendant sa publication, ces affirmations doivent être considérées comme celles de Meta, pas comme une validation indépendante exhaustive.

Ce qu’il faut retenir

Muse Wonder marque un retour crédible de Meta dans la course aux modèles de pointe. Son intérêt ne tient pas seulement à quelques points de benchmark : le couple mémoire active et concentration active vise un problème concret, celui des agents qui doivent rester utiles, cohérents et contrôlables pendant une tâche longue.

Muse Wonder Full n’est toutefois pas premier partout, et la démonstration repose encore largement sur les évaluations du constructeur. Le vrai test commencera avec les mesures indépendantes, les tarifs, la latence et les retours d’utilisateurs confrontés à des tâches réelles.

Meta ne vient peut-être pas de reprendre seul le sommet. Mais l’entreprise montre qu’elle peut de nouveau rejoindre le groupe de tête — avec une proposition clairement orientée vers les agents personnels et professionnels.