Meta publie les poids d'un modèle d'IA de 816 milliards de paramètres, capable de tourner sur un Mac Studio. Une première pour un modèle américain de cette taille.
Ce que Meta met réellement dans la boîte
Meta a publié le 15 octobre les poids de Muse Spark Open, un modèle qu'elle présente comme « le modèle à poids ouverts le plus capable à ce jour aux États-Unis ». Poids ouverts, cela veut dire que les fichiers du modèle sont téléchargeables : on peut l'exécuter sur sa propre machine, sans passer par les serveurs de Meta.
Le chiffre qui saute aux yeux : 816 milliards de paramètres au total. Sauf que le modèle ne les active pas tous en même temps. Il fonctionne en mélange d'experts (MoE), une architecture où seule une fraction du réseau se met en route pour chaque morceau de texte traité. Ici, 42 milliards de paramètres s'activent à chaque token. C'est ce qui rend l'exécution locale envisageable malgré une taille brute énorme. Le secret tient dans cette fraction.
Meta ajoute une fenêtre de contexte d'un million de tokens. En clair, le modèle peut garder en mémoire l'équivalent de plusieurs centaines de pages pendant qu'il travaille. Il est aussi multimodal : texte, images, documents, audio et vidéo. La firme le destine surtout au code et aux tâches d'agent, ces programmes qui enchaînent plusieurs étapes avec des outils.
Faire tourner 816 milliards de paramètres chez soi
C'est le point qui a le plus circulé. Lors d'une démonstration, Metal et Apple ont montré le modèle fonctionnant localement sur un Mac Studio, les stations de travail d'Apple équipées de puces de la gamme M.
Un modèle de cette taille, d'ordinaire, demande un centre de données. Le voir tourner sur une machine de bureau change la donne pour qui veut tester un modèle puissant sans facture cloud... à condition d'avoir le matériel adéquat et de la mémoire. Meta fournit deux formats de poids : NVFP4, une version compressée pensée pour les cartes récentes, et BF16, plus lourde mais plus fidèle. À vous de choisir votre camp.
Le soutien des outils de déploiement est arrivé le jour même. SGLang, vLLM et LMSYS ont publié des prises en charge Day-0, avec des optimisations pour les puces NVIDIA, AMD et Intel. Concrètement, vous n'attendez pas des semaines qu'un runtime compatible apparaisse.
Ce que valent les performances annoncées
Meta avance des chiffres solides sur le code et les tâches longues. Muse Spark Open partage sa base avec Muse Spark 1.3, et la firme insiste sur le travail d'agent et le raisonnement en plusieurs étapes.
Ces résultats viennent de Meta, et il faut les lire comme tels. Les évaluations indépendantes n'étaient pas encore toutes disponibles au moment de la sortie. Artificial Analysis et les arènes de comparaison à l'aveugle doivent encore publier leurs mesures, et c'est là qu'on verra si l'écart annoncé tient face aux autres modèles ouverts.
Pourquoi cela compte pour vous
Un modèle de cette ampleur sous licence ouverte modifie ce que les développeurs peuvent construire sans dépendre d'une API. Vous pouvez l'affiner sur vos propres données, le faire tourner hors ligne et garder vos requêtes sur votre matériel. Pour une entreprise soucieuse de confidentialité, c'est un argument qui pèse.
Le revers est le coût. Le matériel pour héberger 816 milliards de paramètres reste cher, et la version BF16 demande une configuration sérieuse. La licence Muse Model License accompagne les poids, avec ses propres conditions d'usage. À vérifier avant tout déploiement en production.
Reste l'effet de fond. Meta, dont les modèles ouverts ont redessiné le paysage depuis 2023, renforce sa position face aux laboratoires qui gardent tout fermé. Pour le grand public, la conséquence est indirecte mais réelle : plus de modèles ouverts signifie plus de choix, des prix tirés vers le bas et des outils qui peuvent tourner sans connexion.
Les poids sont disponibles dès maintenant sur Hugging Face. Si vous avez le matériel, la prise en main est immédiate. Sinon, la version hébergée de Meta reste le chemin le plus simple pour tester ce que le modèle sait faire.
