Meta a franchi une étape importante dans sa stratégie d'intelligence artificielle avec le lancement de Muse Spark , un nouveau modèle qui marque un tournant après la restructuration de sa division IA. L'entreprise de Mark Zuckerberg tente de regagner du terrain face à ses concurrents tels qu'OpenAI, Google et Anthropic grâce à une approche plus intégrée de ses produits et à une ambition clairement mondiale.
Ce modèle alimentera Meta AI sur le web, l'application dédiée et, progressivement, dans des services comme WhatsApp, Instagram, Facebook, Messenger et les lunettes Ray-Ban Meta AI . Bien que le déploiement ait débuté aux États-Unis, la feuille de route prévoit une expansion internationale qui devrait concerner les utilisateurs en Espagne et dans le reste de l'Europe dès que les questions réglementaires et de confidentialité seront résolues dans la région.
Un changement stratégique : de Llama à la famille Muse
Muse Spark est le premier modèle de la nouvelle série Muse développée par Meta Superintelligence Labs (MSL) , le laboratoire d'élite fondé par Zuckerberg après avoir investi des milliards dans les talents et les infrastructures. À sa tête se trouve Alexandr Wang, fondateur de Scale AI, dont la nomination a été officialisée suite à un investissement d'environ 14.300 milliards de dollars (environ 12.250 milliards d'euros) dans son ancienne entreprise.
Le modèle a été développé sur une période d'environ neuf mois, durant laquelle Meta affirme avoir reconstruit son architecture d'IA quasiment de A à Z. Il en résulte un système qui ne vise pas à être le plus volumineux du marché, mais plutôt l'un des plus performants : compact, rapide et capable de traiter des requêtes complexes sans nécessiter une puissance de calcul excessive, surpassant ainsi les performances des versions précédentes telles que Llama 4 ou Llama 4 Maverick.
Ce changement de cap fait suite à l'accueil mitigé réservé à la famille Llama qui, malgré son approche open source, n'a pas permis à Meta de rivaliser avec OpenAI, Anthropic ou Gemini de Google . Avec Muse Spark, l'entreprise reconnaît la nécessité d'un produit mieux adapté à ses applications concrètes, tout en étant capable de pérenniser son modèle économique basé sur l'IA.
Les marchés ont réagi positivement. Suite à l'annonce de Muse Spark, l'action de Meta a progressé de 6 à 8 % à Wall Street , signe que les investisseurs perçoivent cette initiative comme une tentative sérieuse de l'entreprise de rester compétitive sur la prochaine grande plateforme technologique.
Modèle propriétaire, mais sans exclure l'open source.
L'un des points les plus marquants est que Muse Spark est un modèle propriétaire fermé . Cela contraste avec l'approche précédente de Meta, qui proposait les poids et les modèles Llama sous des licences relativement ouvertes. Désormais, l'entreprise privilégie le contrôle de sa technologie et de son exploitation commerciale, tout en précisant que de futures versions de la gamme Muse pourraient proposer des variantes ouvertes.
D'après Meta, les améliorations apportées au processus d'entraînement et à l'infrastructure permettent à un modèle plus compact d'atteindre des performances comparables aux versions milieu de gamme de Llama 4 , tout en consommant dix fois moins de puissance de calcul. Cette efficacité est essentielle pour étendre l'utilisation de Muse Spark à toutes les applications sans augmentation significative des coûts.
Dans des évaluations internes et externes, la société indique que le modèle offre des performances compétitives en matière de perception multimodale, de raisonnement et de tâches d'agent , tout en admettant qu'il existe encore des marges d'amélioration dans des domaines tels que les flux de programmation complexes ou les systèmes d'agents à très longue portée.
Des experts externes ont souligné que l'absence de pondération ouverte compliquera l'évaluation précise de la valeur technique du modèle par la communauté. Malgré cela, Meta insiste sur le fait qu'elle continuera d'investir en parallèle dans des projets open source , afin que son écosystème d'IA soit réparti entre modèles internes, produits commerciaux et développements communautaires.
Capacités clés : multimodalité, santé et approvisionnement
Concrètement, Muse Spark se présente comme une IA multimodale capable de traiter textes et images . Elle peut analyser des photographies, comprendre leur contenu et les associer à des instructions écrites – un domaine particulièrement pertinent pour des appareils comme les lunettes Ray-Ban Meta AI ou pour l'énorme volume d'images et de vidéos diffusées sur les réseaux sociaux de l'entreprise.
Meta accorde une grande importance à la santé. Muse Spark a été entraîné à partir de données validées avec l'aide de plus de 1 000 médecins, qui ont examiné et affiné des informations sur la nutrition, l'exercice physique et d'autres sujets liés à la santé . L'objectif est que cet assistant puisse répondre plus précisément aux questions médicales, générer des explications visuelles et faciliter la compréhension de concepts complexes, comme le fonctionnement de certains muscles pendant l'effort ou la composition nutritionnelle d'un plat.
Cette approche n'est pas sans risques, notamment en Europe, où les critères de protection des données et les exigences réglementaires applicables aux services de santé numérique sont particulièrement stricts . Quoi qu'il en soit, Meta affirme avoir soumis le modèle à des évaluations des risques liés aux limites, à des tests d'alignement et à des tests de robustesse face aux attaques adverses, avec des résultats qui placent Muse Spark dans les marges de sécurité admises par le secteur.
Un autre élément clé de l'offre est le mode Shopping . Muse Spark se connecte à Instagram, Facebook et Threads pour suggérer des produits, des styles ou des recommandations d'achat en fonction des créateurs et des communautés que l'utilisateur suit déjà. Lorsqu'une personne recherche des vêtements, de la décoration intérieure ou des idées cadeaux, l'IA peut combiner ces informations sociales avec le contexte de la requête afin d'afficher des options potentiellement plus pertinentes qu'un moteur de recherche classique.
Dans des scénarios plus quotidiens, comme la planification d'un voyage, l'organisation d'un itinéraire ou la comparaison de destinations pour les familles avec enfants , le modèle répartit la tâche entre plusieurs agents d'IA : l'un peut établir l'agenda, un autre vérifier les hébergements, un autre rechercher des activités spécifiques, puis combiner le tout en une proposition cohérente pour l'utilisateur.
Modes de raisonnement et architecture à base d'agents
À l'instar des autres modèles de nouvelle génération, Muse Spark propose plusieurs modes de raisonnement adaptés à chaque type de requête. Meta décrit trois niveaux principaux : un mode rapide, conçu pour obtenir des réponses instantanées ; un mode intermédiaire pour les tâches nécessitant une analyse plus approfondie ; et un mode avancé, destiné à une analyse poussée.
En pratique, ces niveaux se traduisent par ce que l'entreprise appelle des modes tels que « Instantané », « Réflexion » et « Contemplation ». Le premier privilégie la rapidité pour les questions simples ; le deuxième se concentre sur des problèmes plus complexes, comme la synthèse de documents, l'analyse de contrats ou l'explication de concepts scientifiques ; et le troisième active un ensemble d'agents qui travaillent en parallèle pour obtenir une réponse plus élaborée, conformément aux modes de raisonnement dits extrêmes présents dans des modèles comme Gemini Deep Think ou certains plans GPT avancés.
Pour rendre cette approche viable sans faire exploser les coûts, les ingénieurs de Meta ont introduit une pénalité sur le temps de réflexion pendant l'entraînement. Autrement dit, ils incitent le modèle à condenser son raisonnement et à utiliser moins de jetons face à des problèmes complexes, cherchant ainsi à maintenir la qualité des réponses tout en réduisant la latence et la consommation de ressources.
L'entreprise affirme que, lors de tests de performance, Muse Spark offre des résultats comparables à ceux de modèles tels que Claude Opus 4.6 ou des versions avancées de GPT, notamment en matière de raisonnement multimodal et pour certains tests d'agents. Elle reconnaît toutefois des faiblesses dans des domaines comme la programmation complexe et les tâches d'agents de très longue durée, où d'autres solutions conservent un avantage.
Quoi qu'il en soit, l'architecture d'agents parallèles et la possibilité de basculer entre différents modes de réponse suggèrent que Meta souhaite que son assistant aille au-delà du simple chatbot et devienne une « superintelligence personnelle », capable d'exécuter des étapes spécifiques, de coordonner des sous-tâches et d'évoluer avec une certaine autonomie au sein de l'écosystème de l'entreprise.
Intégration complète aux applications Meta et son impact potentiel en Europe
Muse Spark est déjà à l'origine de Meta AI sur le web et via une application dédiée aux États-Unis. L'entreprise a confirmé que dans les prochaines semaines, la fonctionnalité sera déployée sur WhatsApp, Instagram, Facebook et Messenger, ainsi que sur les lunettes Ray-Ban Meta AI. L'objectif est que les utilisateurs n'aient rien à installer : l'IA sera intégrée comme une surcouche logicielle aux services utilisés quotidiennement par des millions de personnes.
En Europe, et plus particulièrement en Espagne, le déploiement de ces fonctionnalités dépendra de réglementations telles que le Règlement général sur la protection des données (RGPD) et la nouvelle réglementation européenne sur l'intelligence artificielle . La capacité de Muse Spark à exploiter le texte, les images, les vidéos et les réactions des utilisateurs soulève des questions quant à la gestion du consentement, du profilage et de l'utilisation des données personnelles pour une hyper-personnalisation des réponses.
Meta considère cette abondance d'informations comme un atout concurrentiel majeur. Grâce à l'accès aux interactions sociales, aux contenus audiovisuels et aux réactions explicites (mentions « J'aime », commentaires, partages) , l'entreprise affirme pouvoir entraîner et affiner des modèles capables de mieux comprendre les préférences des utilisateurs. En Europe, elle devra toutefois concilier ce potentiel avec des exigences strictes en matière de transparence, de minimisation des données et de possibilité de retrait.
Au-delà des réseaux sociaux, le déploiement de Muse Spark dans des produits comme les lunettes connectées ouvre la voie à des expériences d’« informatique ambiante » : pointer la caméra vers un objet pour recevoir instantanément des informations contextuelles ou obtenir des conseils nutritionnels sans avoir à scanner manuellement les étiquettes. Ces usages devront, là encore, faire l’objet d’un examen attentif dans le cadre réglementaire européen.
Si Meta parvient à adapter Muse Spark à ces cadres juridiques sans en altérer significativement les fonctionnalités, les utilisateurs européens pourraient bénéficier d'assistants plus proactifs et contextuels , tant pour la consommation de contenu que pour les achats, les loisirs et le bien-être. L'entreprise, quant à elle, se trouverait ainsi mieux positionnée que les modèles déjà présents dans la région via les navigateurs et les applications externes.
Activités commerciales, API de paiement et investissements massifs dans l'infrastructure
Outre son utilisation directe dans ses applications, Meta teste un accès API restreint à Muse Spark pour certains partenaires . L'objectif est de déployer progressivement un service payant permettant aux entreprises et aux développeurs d'intégrer le modèle à leurs propres produits, générant ainsi une nouvelle source de revenus au-delà de la publicité.
Jusqu'à présent, contrairement à d'autres acteurs du secteur, l'entreprise n'était pas parvenue à développer une activité significative basée sur la vente de capacités d'IA en tant que service . Forte d'un modèle propriétaire axé sur des tâches très spécifiques, elle ambitionne de se positionner comme une alternative sur un marché déjà dominé par les plateformes soutenues par Microsoft, Google et d'autres fournisseurs de cloud.
Cette initiative s'accompagne d'une augmentation très importante des investissements dans les centres de données, les puces et les réseaux . Meta a annoncé que ses dépenses d'investissement liées à l'IA pour 2026 seront extrêmement élevées, presque le double de celles de l'année précédente, dans le but de former, déployer et exploiter des modèles de plus en plus complexes pour des centaines de millions d'utilisateurs.
La réaction positive des marchés boursiers suggère que, du moins pour l'instant, ces derniers sont prêts à tolérer cette hausse des dépenses d'investissement, dans l'espoir que l'entreprise puisse jouer un rôle majeur dans l'économie de l'IA générative . Toutefois, le véritable test aura lieu lorsque le taux d'adoption de son API sera connu, ainsi que la volonté des entreprises européennes et américaines de s'appuyer sur une technologie dont la feuille de route publique reste encore limitée.
En interne, Meta affirme avoir conservé une structure relativement horizontale et une grande autonomie pour ses équipes de recherche , Wang supervisant directement une centaine de personnes. L'objectif est de gagner en agilité dans un contexte de réduction significative des cycles de développement des modèles de pointe.
Le lancement de Muse Spark marque un tournant dans la stratégie IA de Meta : d’une approche axée sur des modèles ouverts qui n’ont pas rencontré le succès escompté, elle privilégie désormais une approche propriétaire plus pragmatique, orientée vers des produits spécifiques . Si le modèle tient ses promesses en termes de performance, d’intégration et de sécurité, l’entreprise pourrait combler son retard sur les leaders actuels ; dans le cas contraire, le coût d’opportunité de cette réorientation sera considérable dans un secteur en pleine mutation.