Meta a passé des années à distribuer largement ses outils d’intelligence artificielle. Lundi, le groupe a montré à quel point il prend au sérieux l’idée de vendre un modèle de pointe bien à lui. L’entreprise a lancé Muse Wonder et Muse Wonder Full, deux nouveaux modèles issus de ses Superintelligence Labs, dont elle affirme qu’ils atteignent un niveau comparable à celui des systèmes de référence d’OpenAI et d’Anthropic. Mark Zuckerberg, le directeur général, a décrit Muse Wonder comme une classe de modèles beaucoup plus vaste et plus avancée que la famille Muse Spark qui l’a précédée. Alexandr Wang, le directeur de l’intelligence artificielle, a présenté Wonder comme le modèle le plus grand et le plus capable du groupe à ce jour.
Les noms des deux fonctions mises en avant disent ce que Meta estime avoir manqué jusqu’ici. Pas seulement l’intelligence brute. La mémoire, et la capacité à tenir dans la durée.
La mémoire active : un agent qui retient l’essentiel
La mémoire active répond à une frustration que connaît bien toute personne qui utilise l’intelligence artificielle au quotidien. Vous expliquez votre projet, vos préférences, vos contraintes. Le lendemain, le modèle vous demande de tout réexpliquer. Meta indique que Wonder conserve les détails importants d’une conversation à l’autre et les retrouve au moment où ils deviennent utiles pour la tâche en cours, au lieu de traiter chaque échange comme une première rencontre.
L’entreprise a testé cette capacité avec un outil interne nommé MemoryBench, qui cache des faits dans de longues conversations, ajoute des distractions et modifie certains faits en cours de route. Meta rapporte que les deux modèles Wonder ont obtenu un score d’environ 85,5, supérieur à celui des autres modèles testés. Comme pour tous les chiffres de semaine de lancement, il faut les lire comme des résultats communiqués par l’entreprise, en attendant des vérifications indépendantes plus larges. La direction reste néanmoins convaincante. Un assistant qui se souvient des conditions d’un bail discutées la semaine précédente est tout simplement plus utile qu’un esprit brillant sans mémoire.
La concentration active : construit pour aller au bout
La seconde fonction, la concentration active, s’attaque à une autre faiblesse fréquente. Les modèles bloquent souvent au premier obstacle : un appel d’outil échoue, un document contredit une hypothèse, une étape renvoie une erreur. Meta explique que Wonder est entraîné à essayer une autre approche, à contourner le problème, à se remettre des erreurs et à demander une précision quand il hésite vraiment, au lieu d’abandonner l’objectif. Pour les utilisatrices et les utilisateurs en entreprise, ce comportement fait la différence entre une démonstration et un véritable collègue de travail.
Wonder est particulièrement adapté au codage mené par des agents. Meta indique qu’il peut planifier un travail logiciel, appeler des outils en parallèle, confier certaines parties du travail à de plus petits agents secondaires et garder un projet complexe en mouvement jusqu’à son achèvement. Il est disponible dès maintenant pour les développeurs via l’interface Meta Model API et Muse Code. Wonder Full, le modèle le plus grand, est accessible aux abonnés de Muse Code, et les deux modèles alimenteront bientôt davantage Muse, l’application d’agent personnel de Meta, pour les abonnés payants. Le tarif annoncé pour Wonder est de 4 dollars par million de jetons en entrée et de 20 dollars par million de jetons en sortie, avec une fenêtre de contexte d’un million de jetons, soit assez de place pour de très longs documents, des bases de code et des dossiers de recherche dans une seule session de travail.
Ce que les évaluations prouvent, et ce qu’elles ne prouvent pas
Meta s’est appuyé sur l’évaluateur indépendant Artificial Analysis pour ses scores principaux. Dans l’indice d’intelligence version 4,3 de ce cabinet, Muse Wonder Full a obtenu 56 et Muse Wonder 52, contre 48 pour l’ancien Muse Spark 1,3. Un bond de cette ampleur en une seule génération constitue une performance solide, et plusieurs comptes rendus du lancement ont relevé des résultats compétitifs dans des domaines d’expertise, notamment le droit, la finance et la santé, où un modèle doit lire attentivement et raisonner sur un problème plutôt que simplement converser.
Un peu de recul aide à juger. Les protocoles d’évaluation varient d’un fournisseur à l’autre, et les premiers scores ont tendance à se stabiliser une fois que des milliers d’utilisateurs réels posent des questions concrètes et désordonnées. Le jugement juste aujourd’hui est plus resserré, et il reste impressionnant : Meta, qui n’avait lancé son modèle Spark qu’en avril après un investissement de 14 milliards de dollars dans Scale AI l’an dernier ayant amené Alexandr Wang à la tête de sa stratégie, aligne désormais une famille de modèles que les notations indépendantes placent dans la conversation des modèles de pointe. Pour les acheteurs, une quatrième option crédible à ce niveau signifie de meilleurs prix et des progrès plus rapides. La concurrence élève le niveau pour tout le monde, un mécanisme que l’on observe aussi dans des univers très différents, comme le montre notre portrait de Gloria T. Cressler, figure qui rassemble New York autour de la philanthropie.
La place de Wonder dans une journée de travail
Les exemples donnés par Meta sont pratiques, sans effet de manche : suivre une demande d’indemnisation, comprendre un bail, y voir clair dans ses finances personnelles. On peut ajouter à cette liste la routine professionnelle quotidienne, relire des contrats, rapprocher des comptes, résumer un rapport de cent pages avant une réunion du matin. Ce sont des tâches où la mémoire et le suivi comptent davantage que l’esprit de répartie. Un modèle qui se souvient de la structure de votre portefeuille et qui continue de travailler quand une formule de tableur casse fait gagner une heure, pas une minute.
Les créatrices, les créateurs et les professionnelles de l’événementiel, comme les personnes à l’origine des soirées racontées dans notre article sur le message de partage porté par le pape Léon XIV où l’attention aux autres guide l’action, forment aussi un public naturel : de longs fils de planification, de nombreux prestataires, des détails qu’il ne faut surtout pas perdre. Un agent qui s’en souvient, semaine après semaine, représente une vraie amélioration dans la manière dont ce travail s’organise. On retrouve la même exigence de continuité dans notre récit des honneurs rendus aux Rizzuto à New York, où la fidélité aux engagements traverse les années.
Conseils pratiques
Les développeurs devraient tester Wonder sur leur tâche en plusieurs étapes la plus difficile, et non sur leur demande de conversation la plus simple. L’argument du modèle est la persévérance, donc le test honnête consiste à lui confier un travail qui comporte des obstacles. Les équipes qui évaluent l’interface doivent aussi comparer la fenêtre d’un million de jetons à leurs documents réels ; les longs dossiers juridiques et financiers sont ceux où cette place prend tout son sens.
Les utilisatrices et les utilisateurs qui découvriront Wonder via l’application Muse ont intérêt à commencer par une tâche récurrente, un rapport hebdomadaire ou une veille régulière, et à laisser la mémoire active se construire autour d’elle. La mémoire se cumule. La deuxième semaine paraîtra plus intelligente que la première.
Meta compte 3,6 milliards d’utilisatrices et d’utilisateurs quotidiens sur l’ensemble de ses applications, selon les informations publiées par l’AFP lors du lancement. Si une fraction seulement d’entre eux rencontre un agent capable et doté de mémoire dans des produits qu’ils ouvrent déjà, la portée de Wonder pourrait croître très vite. Le lancement de lundi ne clôt pas la course aux modèles de pointe. Il fait presque aussi bien : il élargit la course, et il offre un modèle construit autour des deux demandes que les personnes qui travaillent formulent le plus souvent, souviens-toi de ce que je t’ai dit, et termine ce que tu as commencé.
Laisser un commentaire