Meta Superintelligence Labs a lancé le premier modèle d'IA Muse Spark pour WhatsApp et Instagram

Meta Superintelligence Labs a lancé Muse Spark — le premier modèle d'une nouvelle série créée après une importante restructuration de la division IA de l'entreprise. C'est le premier résultat produit significatif du laboratoire depuis que Zuckerberg a investi des milliards dans une révision complète de la stratégie IA de Meta, recruté des chercheurs d'OpenAI, Google DeepMind et d'autres laboratoires IA de premier plan, et établi une structure visée à concurrencer directement les leaders du marché. Actuellement, Muse Spark fonctionne déjà dans l'application Meta AI et sur meta.

ai aux États-Unis. Au cours des prochaines semaines, l'entreprise prévoit de déployer le modèle sur WhatsApp, Instagram, Facebook, Messenger et les lunettes intelligentes Meta Ray-Ban. En parallèle, l'entreprise procède au déploiement dans d'autres pays — les marchés spécifiques n'ont pas encore été nommés, mais compte tenu de l'envergure de la présence mondiale de Meta, il s'agit probablement de l'Europe, de l'Amérique latine et de l'Asie du Sud-Est.

Le positionnement de Muse Spark fait délibérément écho à l'approche de Google vers Gemini : le modèle est décrit comme créé spécifiquement pour les produits de Meta. En théorie, cela signifie que l'architecture, la mémoire contextuelle et les intégrations système sont optimisées pour des scénarios spécifiques au sein de l'écosystème — des messages de chat aux commandes vocales via des lunettes intelligentes. En parallèle, le modèle a été mis à disposition de certains partenaires de Meta en mode fermé, bien que les conditions de collaboration n'aient pas encore été divulguées.

Muse Spark est le premier d'une nouvelle série de modèles du Meta Superintelligence Labs, ce qui en soi signale des intentions à long terme. L'entreprise a l'intention de construire sa propre pile de modèles plutôt que de s'appuyer uniquement sur Llama et des fournisseurs externes. Auparavant, Meta positionnait Llama principalement comme une base ouverte pour les développeurs tiers — la stratégie de poids ouverts était conçue pour créer un écosystème et une pression concurrentielle.

Mais pour la couche de produit intégrée dans des services comptant des milliards d'utilisateurs, des solutions fondamentalement différentes sont nécessaires : avec des exigences de sécurité strictes, une faible latence, un contexte géré et la conformité aux politiques de plateforme. Le lancement s'est déroulé dans un contexte de concurrence intense dans le segment des assistants IA intégrés. OpenAI intègre GPT-4o à la voix et à la recherche, Google promeut Gemini 2.

5 Pro comme modèle universel d'Android à Workspace, Apple déploie Apple Intelligence sur toute sa gamme de produits. Meta, avec ses deux milliards d'utilisateurs actifs quotidiens, dispose d'un avantage concurrentiel unique — une distribution intégrée via WhatsApp et Instagram sans avoir besoin de convaincre les utilisateurs d'installer une application séparée. La question clé n'est pas de savoir si Muse Spark apparaîtra dans le fil Instagram ou dans l'assistant vocal des lunettes intelligentes, mais plutôt à quel point les changements seront perceptibles dans l'usage quotidien.

Génération de légendes de photos, réponses dans les messages directs, résumé de chats longs, assistant personnel en lunettes AR — chaque scénario impose des exigences fondamentalement différentes en matière de latence, mémoire et style de réponse. Le fait que Meta ait décidé de construire un modèle spécialisé plutôt qu'une fourche adaptée de Llama témoigne du sérieux de ses intentions. Pour la plupart des utilisateurs, le changement n'est pas encore visible : Meta AI dans les applications a toujours le même aspect.

Mais sous le capot, un changement fondamental s'est produit — d'une stratégie prenant des poids ouverts et les adaptant à une stratégie construisant un modèle à partir de zéro pour un écosystème de produit spécifique. C'est la distinction qui sépare les entreprises intégrant l'IA de tiers dans leurs produits de celles construisant la pile complète de manière indépendante. Meta a misé sur la deuxième voie.

Meta n'a pas publié les résultats de Muse Spark sur les benchmarks externes et n'a pas divulgué les détails techniques de l'architecture. Le niveau réel du modèle sera montré par la pratique : dans quelle mesure les fonctionnalités IA d'Instagram et WhatsApp s'amélioreront, quels partenaires décideront de construire des produits basés sur celui-ci. Les prochains mois de déploiement seront l'indicateur principal indiquant si le pari de plusieurs milliards de dollars sur une pile IA propriétaire a été justifié.