Meta a pris le modèle lancé le 12 octobre et s'en est servi pour entraîner des déclinaisons spécialisées, distribuées à tous les utilisateurs de Muse et de Meta AI. La mémoire longue arrive donc chez les comptes gratuits, sans évaluation extérieure.
Meta Muse Wonder devient un professeur, pas un produit
Le modèle de tête ne descend pas dans votre téléphone. Meta s'en sert pour fabriquer autre chose.
Dans une note publiée le 6 novembre, Meta décrit des modèles spécialisés, entraînés à partir de Muse Wonder, la série frontier présentée quelques semaines plus tôt. Ces modèles arrivent dans Muse et dans Meta AI, pour l'ensemble des utilisateurs.
La formulation de Meta est explicite : apporter une partie des capacités de pointe au plus grand nombre, au lieu de les réserver au haut de gamme. Wonder reste pour les tâches difficiles des offres payantes. Ce que reçoit un compte gratuit, ce sont des modèles dérivés.
La différence n'est pas une nuance de communication. Elle déplace la question de « quel modèle est le meilleur » vers « quel modèle est assez bon pour être donné ».
Muse Active Memory : garder ce qui compte encore
Le premier changement porte sur la mémoire. Active Memory apprend au modèle à distinguer une information temporaire d'une information durable, à raisonner sur plusieurs jours et à repérer ce qui a vieilli.
Sur l'évaluation interne de Meta, le modèle Muse actuel utilise le contexte critique dans 90 % des tâches, contre 76 % pour la version précédente. Meta résume l'écart par une réduction de 2,4 fois des oublis d'informations critiques. Il s'agit bien d'une réduction des oublis, pas d'un gain de vitesse.
Meta publie aussi un score sur son Personal Superintelligence Index : 47 % pour le modèle actuel, 38 % pour le précédent. L'indice est maison, comme le reste.
Ce que ça change pour vous tient en une scène. Un fil WhatsApp de trois jours sur l'organisation d'un week-end ne repart plus de zéro à chaque message.
Active Focus : réessayer au lieu d'abandonner
Le second changement concerne la persévérance. Active Focus entraîne le modèle à réessayer, à se remettre d'une erreur ou à chercher un autre chemin quand une tâche rencontre un obstacle imprévu.
Meta annonce une amélioration de 67 % sur les tâches Muse du quotidien qui posent ce genre de problème. Amélioration par rapport à quoi, exactement ? Meta ne publie pas le taux de réussite de départ, donc on ne sait pas si le modèle passe de 20 % à 33 % ou de 60 % à 100 %. Le chiffre est relatif, et il ne dit rien du niveau atteint.
C'est exactement le genre de détail qui décide de l'utilité réelle. Une amélioration relative sur une base basse ne change pas votre expérience.
Ce que les Meta AI models changent dans WhatsApp et Instagram
Pour Meta AI, l'assistant intégré à WhatsApp, Instagram, Facebook et Messenger, Meta décrit trois effets. Le modèle découpe un problème complexe en étapes plus claires, pose des questions de suivi plus précises et suit un changement de direction en cours de conversation.
Aucun chiffre séparé n'accompagne ces promesses. Meta n'a pas publié de mesures propres à Meta AI, et la note de blog mélange les deux surfaces.
La disponibilité reste floue pour un lecteur français. Meta indique un déploiement auprès des personnes qui utilisent Muse et Meta AI, sans liste de pays ni calendrier par marché. Rien ne dit donc à quelle date l'ensemble arrive en France, ni si les fonctions sont identiques d'un pays à l'autre.
Le Muse agent update pose la question de la mémoire confiée
Un modèle qui retient plus de choses stocke plus de choses. Meta ne détaille ni la durée de conservation, ni les moyens de consulter ce qui est mémorisé.
Aucune interface de ce type n'a été annoncée : rien dans la communication de Meta ne décrit un endroit où l'utilisateur parcourt ses souvenirs et en supprime un.
Rien de tel.
La question n'est pas rhétorique. Un assistant qui se souvient d'un déménagement, d'un projet ou d'une conversation sensible garde ces éléments quelque part, et le silence de l'éditeur sur ce point laisse la réponse en suspens.
Des chiffres maison, sans architecture ni test externe
Meta ne publie ni taille de modèle, ni nombre de paramètres, ni architecture, ni données d'entraînement, ni méthode d'entraînement. Les 90 %, 47 %, 67 % et le facteur 2,4 viennent tous d'évaluations internes, sans nombre de tâches détaillé.
Aucun laboratoire extérieur ne les a reproduits à ce jour. Il faut donc les lire comme des chiffres d'éditeur, au même titre qu'un communiqué de performance.
Un point mérite d'être noté : Meta ne donne pas non plus de date de mesure, ni de version exacte des modèles évalués. Les comparaisons portent sur « le modèle Muse actuel » et « le précédent », sans numéro de build.
Face à OpenAI et Anthropic, le choix du gratuit
Le contraste avec les concurrents est le vrai sujet. Selon The New Stack, les fonctions d'agent comparables d'OpenAI (Dots) et d'Anthropic (Duet) restent réservées à leurs offres payantes les plus chères.
Meta fait le chemin inverse, en poussant la capacité dans les comptes gratuits. Sur un marché où la mémoire longue est devenue un argument de vente, cette décision met la pression sur les grilles tarifaires des autres.
Elle a aussi un coût, que Meta ne chiffre pas.
Ce que Meta doit encore prouver sur Active Memory
Deux choses décideront de la valeur réelle de ce déploiement. La première est la reproduction indépendante des chiffres de mémoire, en particulier les 90 % sur le contexte critique.
La seconde est la transparence sur ce qui est mémorisé. Tant que Meta ne dit pas ce que l'assistant garde et pendant combien de temps, la mémoire reste une promesse difficile à évaluer.
