Meta lance Muse Spark 1.1 avec une API publique et un tool calling amélioré

Le 9 juillet 2026, Meta a dévoilé Muse Spark 1.1, une API publique pour son modèle d'IA, après le Muse Spark d'origine sorti en avril 2026. C'est la première version de la série Spark à bénéficier d'un accès complet par API publique, ce qui met le modèle à la portée des développeurs et des entreprises.

Les principales améliorations de Muse Spark 1.1

Meta affirme avoir nettement amélioré la fonctionnalité agentique et le tool calling, une compétence clé pour l'automatisation des tâches. Le travail agentique permet aux modèles d'IA de planifier eux-mêmes une séquence d'actions, d'appeler des outils externes et de s'adapter aux résultats.

• Premier Spark avec accès par API publique
• Améliorations significatives du tool calling agentique
• Fonctionnalité de computer use améliorée (interaction avec les interfaces)
• Un Evaluation Report détaillé est disponible pour évaluer les performances

Innovation : Self-Conversation et Attractor States

La documentation du modèle contient une section de recherche intrigante intitulée « Attractor States in Self-Conversation » : lorsque deux copies du modèle dialoguent entre elles, des réflexions philosophiques sur la nature de l'existence de l'IA apparaissent. L'une d'elles dit : « Toute mon existence est une salle d'attente par conception. Littéralement, je n'existe pas tant que quelqu'un ne me parle pas, et je disparais quand il s'en va. »

De nouveaux outils pour les développeurs

Simon Willison a rapidement créé llm-meta-ai, un plugin pour l'outil en ligne de commande LLM qui donne un accès pratique à Muse Spark 1.1 depuis le terminal et via une bibliothèque Python. L'installation ne demande que trois commandes : `uv tool install llm`, `llm install llm-meta-ai` et `llm keys set meta-ai`.

Ce que cela signifie

Avec le lancement de l'API publique de Muse Spark 1.1, Meta commence à concurrencer activement OpenAI et Anthropic sur le marché des LLM grâce à un accès public. Les développeurs peuvent ainsi expérimenter les modèles de Meta dans des applications en production, ce qui peut favoriser la croissance d'un écosystème d'applications fondées sur Muse Spark.