Meta Muse Wonder : le géant débarque enfin au premier rang de l'IA

Depuis qu'Alexandr Wang a quitté Scale AI pour prendre la tête des Meta Superintelligence Labs en août 2025, l'entreprise de Mark Zuckerberg marchait sur des oeufs côté grands modèles. Ses Llama ouverts faisaient leur travail, Muse Spark servait les cas d'usage légers, mais aucun modèle Meta ne jouait dans la cour des GPT-6 ou des Claude. C'est terminé depuis le 12 octobre 2026.

Des chiffres qui parlent d'eux-mêmes

Muse Wonder Full atteint 56 points sur l'Artificial Analysis Intelligence Index v4.3, exactement le même score que Claude Sonnet 5.5 d'Anthropic, et devant GPT-6 Astra positionné à 53, selon les mesures indépendantes d'Artificial Analysis publiées le jour du lancement. Son petit frère Muse Wonder s'établit à 52, contre 48 pour Muse Spark 1.3 : une progression de huit points en un cycle, ce qui est inhabituellement rapide.

Les gains les plus nets se trouvent dans les évaluations agentiques. Sur Terminal-Bench 4.0, qui mesure la capacité d'un modèle à enchaîner des tâches autonomes dans un terminal, le score bondit de 33 à 57 % entre Muse Spark et Muse Wonder Full. En codage, le modèle atteint 68 points sur le Coding Agents Index, soit un niveau comparable aux meilleurs modèles disponibles, selon The Decoder. La nuance que souligne la même source : les connaissances factuelles restent en retrait par rapport aux leaders sur certains benchmarks de connaissance pure.

L'IA personnelle comme fil directeur

Meta ne cherche pas à construire un outil de productivité généraliste. Le discours officiel tourne autour de l'« IA personnelle » : un assistant qui connaît votre calendrier, vos messages, vos documents, et qui s'en souvient d'une session à l'autre. C'est là qu'interviennent les deux nouvelles fonctionnalités mises en avant lors du lancement.

"Active Memory" permet au modèle de mémoriser des informations fournies par l'utilisateur et de les rappeler au moment pertinent, sur des horizons de jours, semaines ou mois. Sur le MemoryBench, un benchmark dédié à la mémoire continue, Muse Wonder dépasse Fable, Opus et Astra selon les tests de Meta. "Active Focus" désigne la capacité du modèle à rester sur une tâche difficile, à tenter des approches alternatives et à poser des questions complémentaires plutôt que d'abandonner ou de produire une réponse approximative.

Les deux modèles acceptent du texte, des images, de la vidéo et de l'audio, avec une fenêtre de contexte d'un million de tokens. Ils ont été entraînés dans le data center Prometheus, inauguré en Ohio plus tôt en 2026, selon TechCrunch.

Qui peut y accéder, et à quel prix

La stratégie de distribution marque une rupture avec la tradition open-source de Meta. Muse Wonder est disponible via l'API Meta au tarif de 4 dollars par million de tokens en entrée et 20 dollars par million de tokens en sortie, ce qui le place dans la même fourchette qu'OpenAI GPT-6 Sol ou Anthropic Opus 5.5, selon TechCrunch. Muse Wonder Full, la version la plus puissante, est pour l'instant réservée aux abonnés Muse Code et ne sera pas accessible via l'API.

Les deux modèles alimenteront progressivement l'agent Muse, en commençant par les abonnés payants. Meta précise vouloir construire à terme des modèles spécialisés à partir de cette base pour l'ensemble de ses utilisateurs.

Un signal pour l'Europe

L'arrivée de Meta au niveau frontier change l'équation concurrentielle de plusieurs façons. Sur le marché des API, un troisième acteur de premier rang augmente la pression sur les prix. Pour Mistral, qui se positionne sur la souveraineté européenne, la question de savoir comment rivaliser à terme avec des modèles de cette envergure reste ouverte. Côté régulation, l'AI Act classe les modèles frontier dans une catégorie à obligations renforcées : Muse Wonder Full tombe probablement dans ce périmètre, ce qui impliquera pour Meta des démarches de conformité supplémentaires auprès de la Commission européenne.

Pour les entreprises françaises qui évaluent leur stack IA, la donne a changé : il y a désormais trois fournisseurs capables de proposer des modèles au même niveau de performance sur les benchmarks indépendants. La différenciation se jouera de plus en plus sur la confiance dans les données, la latence, le prix et, précisément, cette promesse de mémoire persistante que Meta vient de mettre en avant.