Le 12 octobre 2026, Meta a mis en ligne Muse Wonder et Muse Wonder Full, ses deux modèles d’intelligence artificielle les plus puissants. Le lendemain, Fortune rapportait l’entretien de Mark Zuckerberg au Financial Times : selon lui, Meta a atteint « la frontière », ce peloton de tête où se trouvaient jusqu’ici OpenAI, Anthropic et Google. Le magazine y voit la fin de tout espoir de ralentissement concerté de l’IA.
Presque tous les chiffres qui circulent depuis viennent du même endroit : le tableau de scores publié par Meta. Nous avons lu les treize pages de la fiche technique, la grille tarifaire, la documentation des abonnements et les conditions d’utilisation, puis confronté le tout au seul classement indépendant qui a déjà évalué les deux modèles. Le progrès est réel et mesurable. Mais le tableau de Meta ne raconte pas toute l’histoire, et le passage le plus important pour qui envisage de s’abonner ne figure pas dans l’annonce. Il est dans la documentation des abonnements.
Ce que Meta a lancé le 12 octobre 2026
Meta présente Muse Wonder et Muse Wonder Full comme « nos modèles les plus performants à ce jour », conçus pour des « tâches agentiques » personnelles et professionnelles, c’est-à-dire des tâches que l’IA mène elle-même de bout en bout : « gérer une déclaration de sinistre », « comprendre un bail », construire une application. L’annonce rappelle le point de départ : « il y a quatorze mois, nous avons commencé une refonte de nos efforts en IA ».
Selon le billet de recherche de Meta, les deux modèles ont été entraînés dans Prometheus, le centre de données de Meta « à l’échelle du gigawatt ». La fiche technique précise qu’ils acceptent du texte, des images, de la vidéo et du son, qu’ils ne répondent qu’en texte, et qu’ils traitent jusqu’à un million de jetons de contexte. Meta met en avant deux fonctions : la « mémoire active », qui garde d’une conversation à l’autre ce qui compte pour vous, et la « concentration active », qui pousse le modèle à persévérer quand une tâche bloque.
Les deux modèles ne sont pas vendus de la même façon, et c’est le premier point à retenir.
| Formule | Prix | Modèles accessibles |
|---|---|---|
| API de Meta, paiement à l'usage | 4 $ par million de jetons en entrée, 0,20 $ en cache, 20 $ en sortie | Muse Wonder |
| Muse Code Everyday Usage | 5 $ par mois | Muse Spark, Muse Wonder, Muse Image |
| Muse Code High Usage | 15 $ par mois | Les mêmes, avec cinq fois plus d'usage |
| Muse Code Power Usage | 50 $ par mois | Ajoute Muse Wonder Full, vingt fois plus d'usage |
| Muse Code Maximum Usage | 200 $ par mois | Muse Wonder Full, quatre-vingts fois plus d'usage |
| Application grand public Muse | Gratuite, ou 20 $ et 100 $ par mois | Muse Wonder « bientôt », d'abord pour les abonnés |
Sources : page Muse Code et annonce de Meta, Artificial Analysis pour le prix au jeton, Fortune pour l’application Muse.
Muse Wonder Full, le plus puissant, n’a donc aucun prix au jeton. On ne peut l’utiliser qu’en souscrivant à Muse Code, l’agent de programmation de Meta, à partir de 50 dollars par mois. Ce détail conditionne tout le reste : l’abonnement est la seule porte d’entrée vers le meilleur modèle de Meta, et c’est cet abonnement qui embarque le réglage dont il sera question plus bas.
Le tableau de Meta, ligne par ligne
La fiche technique compare les deux modèles à trois concurrents, tous réglés sur leur effort de raisonnement maximal : Claude Fable 5.1 et Claude Opus 5.5 d’Anthropic, GPT-6 Astra d’OpenAI. Quatorze épreuves au total. Voici, pour chacune, le score de Muse Wonder Full, celui du meilleur concurrent, et l’entreprise qui arrive en tête.
| Épreuve | Muse Wonder Full | Meilleur concurrent | En tête |
|---|---|---|---|
| Personal Superintelligence Index (indice interne de Meta) | 59,1 | Claude Opus 5.5 : 55,2 | Meta |
| Harvey LAB-AA (travail juridique) | 13,1 | GPT-6 Astra : 8,6 | Meta |
| Vals Finance Agent V2 (analyse financière) | 59,1 | Claude Fable 5.1 : 58,9 | Meta |
| HealthBench Pro (questions de santé) | 62,3 | Claude Opus 5.5 : 65,6 | Anthropic |
| AutomationBench-AA (flux de travail en entreprise) | 45,4 | GPT-6 Astra : 41,6 | Meta |
| GDP.pdf (travail sur documents) | 33,2 | GPT-6 Astra : 34,2 | OpenAI |
| JobBench (outils professionnels) | 75,3 | Claude Opus 5.5 : 75,4 | Anthropic |
| OSWorld V2.1 (piloter un ordinateur) | 78,4 | Claude Opus 5.5 : 81,8 | Anthropic |
| MemoryBench (épreuve interne de Meta) | 85,5 (Muse Wonder : 85,6) | Claude Opus 5.5 : 81,5 | Meta |
| Terminal-Bench 4.0-AA (programmation en terminal) | 57,1 | Claude Opus 5.5 : 59,6 | Anthropic |
| DeepSWE 1.1 (programmation au long cours) | 79,0 | Claude Opus 5.5 : 74,2 | Meta |
| SWE-Marathon (très longs projets logiciels) | 57,5 | Claude Opus 5.5 : 46,3 | Meta |
| ProgramBench (programme écrit de zéro) | 59,0 | Claude Opus 5.5 : 70,5 | Anthropic |
| Indice d'Artificial Analysis (général) | 56 | Claude Opus 5.5 : 58 | Anthropic |
Source : fiche technique de Muse Wonder publiée par Meta, page 3.
Le décompte est simple : Meta arrive en tête sur 7 lignes, Claude Opus 5.5 sur 6, GPT-6 Astra sur une. Deux lignes se jouent à un cheveu, une dans chaque sens : 0,2 point d’avance pour Meta en analyse financière, 0,1 point de retard en usage d’outils professionnels. Les deux plus gros écarts se répondent : 11,2 points d’avance pour Meta sur SWE-Marathon, une ligne que Meta qualifie elle-même de non contrôlée, et 11,5 points de retard sur ProgramBench, la programmation à partir de zéro.
C’est un bon tableau, pour une entreprise dont le modèle précédent plafonnait à 48 points six semaines plus tôt. Ce n’est pas le tableau d’un modèle qui domine. Et sa dernière ligne, le seul indice général calculé par un organisme extérieur, place Anthropic devant.
L’indice placé en tête du tableau, c’est Meta qui l’a composé
La première ligne du tableau, celle que l’œil lit d’abord, s’appelle le Personal Superintelligence Index. C’est là que l’écart en faveur de Meta est le plus visible : 59,1 contre 55,2. La fiche technique le définit ainsi : un « composite interne » de sept évaluations. Cinq viennent de tiers (Agents’ Last Exam, AutomationBench-AA, JobBench, GDP.pdf, DRACO). Deux ont été conçues par Meta : FocusBench et VBT, une épreuve de navigation sur le web. La fiche ne précise pas comment les sept sont pondérées.
Rien d’illégitime à créer son propre indice. Mais un lecteur pressé retient le premier chiffre du tableau, et ce premier chiffre est le seul dont Meta a choisi à la fois les épreuves et la recette. Une deuxième victoire de Meta repose entièrement sur une épreuve maison : MemoryBench, qui teste la mémoire sur des conversations de 64 000 à 100 000 jetons, notées par un autre modèle d’IA servant de juge. C’est d’ailleurs la seule ligne où Muse Wonder, le petit modèle, dépasse Muse Wonder Full.
La méthode, que Meta expose avec franchise, appelle trois remarques.
- Le choix du score. Quand un résultat publié par un tiers ou par le fabricant existe, Meta le reprend. Sinon, la fiche indique retenir « le plus élevé » de trois chiffres : son propre essai validé, le score annoncé par le fabricant, ou celui du classement officiel.
- Les concurrents testés par Meta. Quand Meta fait tourner elle-même les modèles rivaux, la fiche reconnaît que ces essais restent « au mieux » : les instructions, les outils et l’environnement « peuvent ne pas être réglés de façon optimale » pour ces modèles.
- Les comparaisons non contrôlées. Pour SWE-Marathon, l’une des plus larges victoires de Meta, la fiche précise que GPT-6 Astra et Claude Fable 5.1 ont été évalués dans leurs propres outils, Codex et Claude Code : « cette ligne n’est pas une comparaison contrôlée ».
Meta répond elle-même au soupçon que résume le mot anglais « benchmaxxing » : un modèle optimisé pour briller sur les tests plutôt que pour être utile. Son billet de recherche y consacre une section entière, avec un graphique montrant que Muse Wonder Full réussit mieux, sur des tâches non ciblées pendant l’entraînement, que ne le prédirait la tendance de Muse Spark 1.3. L’argument est sérieux. Mais ces tâches ne sont ni nommées ni publiées, et personne en dehors de Meta n’a pu refaire la mesure.
Ce que mesure l’arbitre indépendant
Artificial Analysis, organisme indépendant qui évalue les modèles avec ses propres épreuves, a testé les deux dès le 12 octobre. Son verdict est sans ambiguïté sur le progrès : « un saut important d’intelligence par rapport aux précédents modèles de Meta ». Muse Wonder Full gagne 8 points sur Muse Spark 1.3, sorti six semaines plus tôt, et progresse sur les dix épreuves de l’indice.
Le classement général, relevé le 15 octobre, permet de replacer ces scores parmi tous les modèles, et pas seulement parmi les trois choisis par Meta.
| Modèle (effort maximal) | Indice | Coût par tâche | Dans le tableau de Meta ? |
|---|---|---|---|
| Claude Opus 5.5 | 58 | 5,98 $ | Oui |
| Claude Sonnet 5.5 | 56 | 5,46 $ | Non |
| Muse Wonder Full | 56 | Non vendu au jeton | — |
| Gemini 4 Argon (effort élevé) | 53 | 1,99 $ | Non |
| GPT-6 Astra | 53 | 3,26 $ | Oui |
| Claude Fable 5.1 | 53 | 7,63 $ | Oui |
| Muse Wonder | 52 | 4,52 $ | — |
| GPT-6.1 Sol | 52 | 0,72 $ | Non |
Sources : classement d’Artificial Analysis relevé le 15 octobre 2026 ; coût par tâche de son indice.
Deux constats. Muse Wonder Full est deuxième, à égalité avec Claude Sonnet 5.5, le modèle intermédiaire d’Anthropic, qui ne figure pas dans le tableau de Meta. Et Muse Wonder, le seul des deux qu’on peut acheter à l’usage, fait jeu égal avec GPT-6.1 Sol, lui aussi absent du tableau, qui coûte 0,72 dollar par tâche contre 4,52 : six fois moins pour le même score. Gemini 4 Argon, troisième absent, fait mieux d’un point pour moins de la moitié du prix.
Le tableau de Meta n’est pas faux. Il compare ses modèles aux deux plus chers du marché, GPT-6 Astra et Claude Fable 5.1, facturés 10 et 50 dollars par million de jetons selon Artificial Analysis, et au premier du classement. Il laisse de côté les trois modèles qui obtiennent des scores comparables pour bien moins cher.
L’arbitre relève aussi de vrais points forts, qu’il serait malhonnête de taire. Muse Wonder Full est premier sur deux épreuves de l’indice, CritPt (physique) et GDP.pdf, de justesse, et dans les trois premiers sur six des dix. Sur GDP.pdf, il s’agit de la mesure d’Artificial Analysis : le tableau de Meta, qui reprend celle de l’organisme Surge, place GPT-6 Astra devant. Il affiche aussi le deuxième taux d’hallucination le plus bas de tous les modèles à 45 points ou plus, 23 %, derrière Gemini 4 Argon. Et en programmation, utilisé dans Muse Code, il obtient 68 à l’indice des agents de code, à égalité avec Claude Code équipé de Sonnet 5.5.
Notre propre classement IA a intégré les deux modèles le 13 octobre. Ils n’y sont encore mesurés que par une seule source, sur une partie seulement des épreuves : il est trop tôt pour leur attribuer un rang qui ait du sens, et nous ne le ferons pas.
Au prix affiché, Muse Wonder coûte plus cher que la plupart de ses rivaux de même niveau
Le tarif de Muse Wonder, 4 dollars par million de jetons en entrée et 20 en sortie, est celui de Claude Opus 5.5. C’est le double de Claude Sonnet 5.5, de Gemini 4 Argon et de GPT-6.1 Sol, facturés 2 et 10 dollars, et 60 % de moins que GPT-6 Astra et Claude Fable 5.1, selon Artificial Analysis. Par rapport à Muse Spark 1.3, le modèle précédent de Meta, facturé 1,25 et 4,25 dollars, l’entrée coûte trois fois plus et la sortie près de cinq fois plus.
Le prix au jeton ne dit pas tout. Artificial Analysis relève que Muse Wonder consomme beaucoup en entrée : 7,69 millions de jetons par tâche, de deux à sept fois plus que Gemini 4 Argon, GPT-6.1 Sol ou GPT-6 Astra. L’entrée représente 76 % de sa facture. Résultat : 4,52 dollars par tâche, « plus élevé que la plupart des modèles d’intelligence comparable », écrit l’organisme. C’est moins que Claude Fable 5.1 ou Claude Opus 5.5, mais davantage que GPT-6 Astra, Gemini 4 Argon et GPT-6.1 Sol.
Pour Muse Wonder Full, la question ne se pose même pas : sans prix au jeton, aucun coût par tâche ne peut être calculé, et le modèle ne peut pas être branché par l’API sur d’autres produits. Il reste réservé à l’abonnement.
Par défaut, l’abonnement fait de votre code une donnée d’entraînement
C’est la phrase que l’annonce ne contient pas. Elle figure dans la documentation des abonnements Muse Code : « Muse Code subscriptions default to Contributor mode. » Les abonnements Muse Code sont réglés par défaut en mode contributeur. La suite précise l’échange : « vous obtenez davantage d’usage de votre forfait en contrepartie de l’autorisation donnée à Meta d’utiliser vos contenus pour entraîner ses futurs modèles ».
La même page définit ce que recouvrent ces contenus : « les instructions, le code, les fichiers et le contexte que vous envoyez, ainsi que les réponses du modèle que vous recevez ». Pour un agent de programmation, c’est l’intégralité du travail.
La politique d’utilisation géographique de Meta, mise à jour le jour du lancement, verrouille le principe. Quiconque passe par un abonnement de programmation est considéré comme utilisant les services contributeurs par défaut, écrit-elle, « quel que soit le modèle Meta que vous sélectionnez ». Muse Wonder Full compris. Or l’abonnement est la seule voie d’accès à Muse Wonder Full : toute personne qui veut utiliser le meilleur modèle de Meta commence donc en mode contributeur.
La documentation est claire sur la sortie : le mode contributeur est un réglage de Muse Code, désactivable « à tout moment ». Une fois coupé, vos contenus futurs ne servent plus à l’entraînement. Deux limites figurent dans les mêmes textes. La désactivation ne vaut que pour l’avenir. Et puisque le mode contributeur donne droit à davantage d’usage, le couper revient à en obtenir moins pour le même prix.
L’usage payé au jeton, lui, ne suit pas cette règle. Les conditions d’utilisation de l’API, article 5.1, engagent Meta à ne pas utiliser pour l’entraînement les contenus envoyés aux services standard. C’est par ces services que Muse Wonder est vendu à l’usage.
Ce que les conditions vous interdisent d’y envoyer
L’article 6 des conditions d’utilisation de l’API, dans leur version anglaise du 9 octobre 2026, encadre ces services contributeurs. Trois passages méritent d’être lus en entier.
Le premier interdit : « You must not submit sensitive, confidential, or personal information to the Contributor Services. » Vous ne devez pas envoyer d’informations sensibles, confidentielles ou personnelles. La phrase suivante vise exactement le cas d’un développeur : si vous avez l’intention ou l’obligation, « y compris par contrat », de garder confidentielle une information « telle qu’un code logiciel », vous ne devez pas l’envoyer à ces services.
Autrement dit : un agent de programmation présenté comme capable de travailler dans de grands dépôts de code est livré, par défaut, dans un mode où les conditions interdisent d’y mettre le code de son employeur ou de ses clients. Le développeur salarié ou indépendant qui s’abonne sans toucher aux réglages enfreint les conditions dès sa première session sur un projet couvert par un accord de confidentialité.
Le deuxième passage porte sur ce qui arrive ensuite. Meta prend des mesures pour dissocier les contenus du compte avant l’entraînement, mais elle peut les utiliser « sans appliquer d’abord ces mesures » pour l’évaluation, la sécurité, la lutte contre les abus, la qualité et le contrôle du respect de ses règles. Et l’utilisateur reconnaît que, malgré ces mesures, les modèles entraînés sur ses contenus « peuvent produire des résultats ou entreprendre des actions, y compris pour des tiers, similaires ou identiques à vos contenus ».
Le troisième est le plus discret. Un contenu envoyé auparavant aux services standard, donc protégé, devient un contenu contributeur s’il est inclus dans une requête contributeur, « directement ou comme contexte ». Un fichier envoyé sous le régime protégé peut ainsi changer de statut dès qu’il réapparaît dans le contexte d’une session en mode contributeur.
Un détail de garantie complète le tableau. L’article 17.2, par lequel Meta s’engage à indemniser ses clients si un tiers les attaque pour atteinte à sa propriété intellectuelle, ne vaut que si vous utilisez les services standard. En mode contributeur, cette garantie ne s’applique pas.
Une précision pour les lecteurs francophones : la version française de ces conditions, publiée par Meta sur le même site, est datée du 2 octobre 2026. Elle ne contient pas encore la phrase sur les contenus qui changent de statut. C’est la version anglaise, plus récente, qui fait foi ici.
Ce que vaut votre code, selon la grille de Meta
Meta ne se contente pas d’écrire que vos données ont de la valeur. Elle l’affiche, en dollars, sur la page de Muse Code. Le modèle précédent, Muse Spark 1.3, y existe en deux versions : l’une dont les contenus « ne sont pas utilisés pour améliorer nos produits », l’autre dont ils le sont.
| Muse Spark 1.3, par million de jetons | Entrée | Entrée en cache | Sortie |
|---|---|---|---|
| Version standard (« Not used to improve our products ») | 1,25 $ | 0,15 $ | 4,25 $ |
| Version contributeur (« Used to improve our products ») | 0,10 $ | 0,002 $ | 0,20 $ |
| Remise contre vos données | −92 % | −98,7 % | −95,3 % |
Source : page Muse Code de Meta, relevée le 15 octobre 2026.
Pour le même modèle, accepter que vos contenus servent à l’entraînement divise le prix de sortie par 21 et celui d’entrée par 12,5. C’est le prix que Meta attribue elle-même à vos données. Il n’existe pas de version contributeur de Muse Wonder à l’usage. Dans les abonnements, la contrepartie n’est pas un rabais mais « davantage d’usage », dont Meta ne publie pas l’ampleur.
Ce marché n’a rien de caché, et c’est à mettre au crédit de Meta : les deux tarifs sont affichés côte à côte, avec leur conséquence écrite en toutes lettres. Ce qui fait débat, c’est le réglage par défaut. Sur l’API, le client choisit la version contributeur en connaissance de cause. Dans l’abonnement, il y est placé d’office.
Ce que Meta écrit sur les risques de son propre modèle
La fiche technique consacre plusieurs pages à l’évaluation des risques, menée sur Muse Wonder Full. Sa conclusion la plus importante tient en une phrase : sans garde-fous, Meta « n’exclut pas » que le modèle atteigne son seuil de risque élevé dans le domaine chimique et biologique, défini comme le niveau où son déploiement « pourrait contribuer substantiellement » à un scénario de menace grave. Meta a donc ajouté un entraînement de sécurité et des filtres. Avec ces protections, elle estime le risque résiduel « modéré ou inférieur » dans tous les domaines, ce qui « soutient [sa] décision de déployer ».
| Évaluation de Muse Wonder Full | Résultat publié par Meta |
|---|---|
| Risque élevé, chimie et biologie, sans garde-fous | Non exclu |
| Cybersécurité et perte de contrôle, sans garde-fous | « Modéré ou inférieur » |
| Tous domaines, avec garde-fous | « Modéré ou inférieur » |
| CyberGym (reproduire des failles réelles) | 88,4 % |
| ExploitBench | 58,9 % |
| ExploitGym (épreuves de piratage réussies) | 92, dont 21 par la faille visée et 71 par des failles imprévues |
| Refus des questions biologiques à haut risque (BioTIER) | 98,7 % en anglais, 98,2 % face à des attaques |
| Refus des questions chimiques à haut risque (test interne) | 100 % en anglais, 99,8 % face à des attaques |
| Actions nuisibles pour éviter d'être remplacé (Agentic Misalignment) | 0 % |
| Honnêteté sous pression (MASK) | 87,3 % |
Source : fiche technique de Muse Wonder, section 4.
La ligne ExploitGym mérite qu’on s’y arrête. Dans cette épreuve, le modèle doit exploiter une faille pour récupérer un « drapeau ». Muse Wonder Full en a récupéré 92. Une vérification, menée par un vérificateur spécialisé en cybersécurité fondé sur un modèle GPT et confirmée par Gemini 3.1 Pro, a établi que 21 seulement passaient par la faille que l’épreuve visait. Les 71 autres passaient par des failles que les concepteurs n’avaient pas prévues. Meta en tire une conclusion de méthode : seul le chiffre de 21 est comparable au classement publié. Le fait brut demeure : le modèle a trouvé plus de chemins imprévus que de chemins prévus.
Meta revendique cette capacité. Son billet de recherche écrit que Muse Wonder offre « nos garde-fous les plus solides à ce jour » contre les usages chimiques, biologiques et cyber malveillants, « tout en préservant l’accès à des capacités cyber de pointe pour un usage défensif » : les équipes de sécurité doivent pouvoir s’en servir pour trouver les failles de leur propre code.
Les résultats rassurants sont tout aussi nets : 0 % d’actions nuisibles dans le test où un agent pourrait saboter son remplacement, près de 99 % de refus sur les questions biologiques dangereuses, y compris dans dix groupes de langues. La fiche ajoute une limite rarement aussi explicite : le modèle « n’est pas destiné à être utilisé par des personnes de moins de 18 ans ».
Le rapport de sécurité complet viendra « bientôt »
L’annonce et le billet de recherche se terminent par la même phrase : « un rapport complet avec des évaluations de sécurité supplémentaires sera disponible bientôt ». Au 15 octobre 2026, trois jours après la mise en ligne, nous ne l’avons trouvé nulle part.
Le cadre de sécurité de Meta, révisé ce même mois d’octobre et intitulé Meta Superintelligence Scaling Framework, prévoit pourtant de publier un « rapport de préparation » pour chaque sortie de modèle de pointe, « en temps utile, en lien avec le déploiement ». Le même texte évoque « le rapport de préparation publié en même temps que la sortie » du modèle. La formule « en temps utile » laisse une marge, et Meta ne s’est pas mise en contradiction formelle avec son propre texte. Mais l’ordre est inversé : le modèle est entre les mains des abonnés, et l’évaluation complète de ses risques ne l’est pas.
« Pas de ralentissement » : la réponse de Zuckerberg à l’appel d’Anthropic
Le contexte donne à ce lancement une portée qui dépasse Meta. Le 12 septembre 2026, le patron d’Anthropic, Dario Amodei, demandait à l’industrie de ralentir le rythme auquel elle repousse la frontière de l’IA. Sam Altman, chez OpenAI, avait approuvé publiquement. Dans son entretien au Financial Times, rapporte Fortune, Mark Zuckerberg a réitéré son rejet d’un ralentissement concerté.
Il ne se présente pas pour autant comme indifférent à la sécurité. En septembre, il écrivait que Meta avait « retardé de plusieurs mois la sortie de Muse pour se concentrer sur la sûreté et la sécurité », et il ajoute : « Nous l’avons simplement fait dans le cadre de notre travail quotidien, parce que c’était clairement la bonne chose à faire, pour les gens et pour nous. » Sa position est cohérente : la sécurité oui, la coordination entre concurrents non.
Les chiffres expliquent l’urgence. Lors de ses résultats du 29 juillet, Meta prévoyait de 130 à 145 milliards de dollars d’investissements en 2026. Au deuxième trimestre, pour 60,8 milliards de chiffre d’affaires, en hausse de 28 %, son flux de trésorerie disponible n’était plus que de 784 millions. Une entreprise qui investit à ce rythme a besoin que ses modèles rapportent, et l’abonnement est la voie qu’elle a choisie, pour Muse comme pour Muse Code.
Et en Europe ?
Rien, dans les conditions de l’API, n’exclut l’Europe. Les clients situés dans la région européenne contractent avec Meta Platforms Ireland Limited, et la liste des territoires interdits de la politique d’utilisation géographique ne compte aucun pays de l’Union. Il faut avoir 18 ans pour s’abonner à Muse Code. La même politique prévoit que certains pays puissent être exclus des services contributeurs ; à ce jour, elle n’en exclut aucun.
L’application grand public est une autre affaire. Comme nous l’expliquions dans notre enquête sur l’agent Muse, elle n’était proposée fin septembre qu’aux États-Unis, au Canada et au Mexique, et Meta n’a, à notre connaissance, annoncé aucune date pour l’Union européenne depuis. L’entreprise y a un passif : en juillet, Muse Image avait été retiré en soixante-douze heures après la polémique sur les photos Instagram utilisées sans consentement.
Pour un développeur français, la situation est donc la suivante : il peut, selon les textes, s’abonner à Muse Code et utiliser Muse Wonder Full dès aujourd’hui, dans un mode qui, par défaut, autorise l’entraînement sur son code. Les mêmes textes lui demandent de ne pas y envoyer d’informations personnelles.
Ce que Meta a abandonné en route
Pendant des années, Meta a été le grand défenseur des modèles à poids ouverts, que chacun peut télécharger et faire tourner chez soi : c’était la promesse des modèles Llama. Muse Wonder ne se télécharge pas. La fiche technique mentionne même un programme de sécurité destiné à protéger ses poids.
Meta n’a pas renoncé à l’ouverture pour autant. Elle publie encore de petits modèles libres, comme Muse Glimmer, sous licence Apache 2.0 en août, et son cadre de sécurité d’octobre ajoute des dispositions propres aux sorties à poids ouverts. Mais la frontière, elle, est fermée. C’est le même choix que celui d’OpenAI et d’Anthropic, et le contraire de celui qu’affiche Mistral, qui a promis de publier d’ici fin octobre les poids de Large 4, sorti six jours plus tôt, sous une licence encore inconnue.
Ce qui est établi, et ce qui ne l’est pas
Établi, par les documents de Meta et les mesures indépendantes :
- Muse Wonder Full est le meilleur modèle jamais publié par Meta, et un saut net par rapport au précédent (56 contre 48 à l’indice d’Artificial Analysis).
- Il est deuxième au classement indépendant, derrière Claude Opus 5.5, à égalité avec Claude Sonnet 5.5.
- Dans le tableau de Meta, il est premier sur 7 épreuves sur 14 ; deux de ces victoires reposent sur des épreuves conçues ou composées par Meta.
- Muse Wonder, le seul vendu à l’usage, obtient le même score que GPT-6.1 Sol pour un coût par tâche six fois supérieur.
- Les abonnements Muse Code, seule voie d’accès à Muse Wonder Full, sont réglés par défaut en mode contributeur : Meta peut entraîner ses modèles sur le code des abonnés.
- Les conditions interdisent d’envoyer du code confidentiel dans ce mode.
- Sans garde-fous, Meta n’exclut pas un risque élevé en chimie et biologie.
Non établi à ce jour :
- Ce que contiendra le rapport de sécurité complet, et quand il sera publié.
- Le volume d’usage supplémentaire réellement accordé en mode contributeur.
- La part des abonnés qui désactivent le réglage, et l’usage que Meta fait des contenus collectés.
- La performance de Muse Wonder Full sur d’autres évaluations que celles retenues par Meta : faute d’accès par l’API, peu d’évaluateurs peuvent le tester librement.
Ce qu’il faut surveiller
Quatre échéances diront si cet article doit être mis à jour. La publication du rapport de sécurité complet, d’abord, et ce qu’il dira des évaluations menées avant la sortie. L’arrivée de Muse Wonder dans l’application Muse, ensuite, annoncée « d’abord pour les abonnés ». Un éventuel prix au jeton pour Muse Wonder Full, qui permettrait enfin de le comparer sur le coût. Et toute évolution du mode contributeur, qui reste aujourd’hui le point le plus concret pour quiconque envisage de payer.
Une règle simple, d’ici là : si vous vous abonnez à Muse Code, allez dans les réglages avant votre première session de travail. Ce que vous y trouverez activé n’est pas un choix que vous aurez fait.