Meta lance Muse Wonder et Muse Wonder Full : il manque deux points pour rejoindre Opus 5.5

Meta a lancé Muse Wonder et Muse Wonder Full, les deux modèles de sa nouvelle famille phare. Selon l'entreprise elle-même, il s'agit de sa gamme la plus puissante à ce jour. L'objectif est affiché sans détour : la « superintelligence personnelle ». D'après Jiqizhixin, le modèle phare arrive en tête de plusieurs benchmarks et ne cède que deux points à Opus 5.5 d'Anthropic sur le score global d'intelligence.

C'est un changement notable pour Meta, longtemps considérée comme un acteur à la traîne.

Ce que l'on sait de cette sortie

Les modèles sont sortis simultanément, en tandem. Meta met l'accent sur les scénarios d'Agent, à la fois pour les tâches personnelles de l'utilisateur et pour le travail professionnel. La formule d'« assistant personnel » décrit ici un objectif produit, et non un ajout marketing. C'est précisément ce cadre que Mark Zuckerberg avait posé dès 2025, lorsqu'il évoquait la superintelligence personnelle comme priorité de l'entreprise.

Le texte source de cette brève s'interrompt dès le début. Une partie des paramètres techniques reste donc inconnue. Voici ce que l'on peut affirmer :

• Famille : Muse Wonder et Muse Wonder Full.
• Positionnement : « superintelligence personnelle », tâches d'Agent de niveau personnel et professionnel.
• Déclaration de Meta : la gamme de modèles la plus puissante de l'entreprise.
• Résultats : tête de plusieurs benchmarks, selon Jiqizhixin.
• Retard sur Opus 5.5 : deux points sur le score d'intelligence.
• Non communiqués dans le texte disponible : nombre de paramètres, fenêtre de contexte, prix par token, licence et ouverture des poids.

Pourquoi deux points comptent

Deux points sur une échelle globale, c'est un écart faible, mais le contexte le rend significatif. En avril 2025, Llama 4 a reçu un accueil mitigé et Meta a dû réorganiser ses équipes : Alexandr Wang a rejoint l'entreprise dans le cadre de l'accord avec Scale AI, un laboratoire de superintelligence a vu le jour et de vastes campagnes de recrutement ont démarré. Muse Wonder est le premier résultat de cette refonte à être comparé à l'état de l'art du marché, et non aux anciennes versions de Llama.

Plusieurs réserves s'imposent. L'indice global moyenne des tâches différentes, et sur un usage concret l'écart peut être plus grand comme plus petit. Le texte disponible ne précise pas quelle échelle le média utilise. On ignore aussi quels résultats Meta a mesurés elle-même et lesquels ont été confirmés par des laboratoires indépendants. La première place dans les benchmarks que cite le média doit être recoupée avec des mesures indépendantes, réalisées dans les mêmes conditions.

Questions ouvertes

La question centrale est celle de l'ouverture. Llama reposait sur des poids ouverts, et c'était le principal atout de Meta auprès des développeurs. Muse Wonder suivra-t-elle la même voie ou sera-t-elle un modèle fermé ? Le texte ne permet pas de le savoir. De la réponse dépendent ceux qui pourront la déployer chez eux et ceux qui paieront pour l'API.

Deuxième question : la distribution. La famille d'applications de Meta compte des milliards d'utilisateurs quotidiens, une ressource dont ni Anthropic ni la plupart des concurrents ne disposent. Si Muse Wonder est intégrée à Meta AI, aux messageries et aux lunettes connectées, l'agent personnel obtiendra une audience sans campagne d'acquisition dédiée.

Troisième question : le prix. Un modèle en retrait de deux points sur le leader peut l'emporter s'il coûte nettement moins cher.

Que faire côté développeurs et équipes

Il est trop tôt pour réécrire sa pile technique à cause de deux points. Mieux vaut attendre des mesures indépendantes et, d'ici là, tester Muse Wonder sur vos propres tâches : appel d'outils, longues chaînes d'actions, travail sur le code. Les scénarios agentiques déraillent le plus souvent entre la troisième et la cinquième étape, ce que l'indice global ne montre pas.

Trois points à surveiller. Le premier : les conditions d'accès, soit l'API, la licence et les restrictions régionales. Le deuxième : le coût d'une exécution agentique complète, et non d'une seule requête. Le troisième : la stabilité des réponses sur votre jeu de tests. Si ces trois critères s'avèrent satisfaisants, Muse Wonder mérite d'être ajoutée à une architecture multimodèle, comme solution de secours ou option moins chère aux côtés d'Opus.