Muse Wonder arrive chez Meta. Les accès, la mémoire et les données à distinguer
Les modèles annoncés le 12 octobre ciblent les agents et les tâches longues. Leur disponibilité et le mode de traitement des données demandent une lecture précise.
Meta présente deux nouveaux modèles pour les agents IA dans son annonce du 12 octobre 2026. Muse Wonder est accessible via la Meta Model API et Muse Code. Muse Wonder Full suit un autre chemin. La version la plus avancée passe par certains abonnements Muse Code. La nouveauté porte notamment sur la mémoire et la poursuite de tâches longues. Il faut distinguer ces capacités annoncées des conditions d’accès et des résultats effectivement mesurés.
Deux modèles et plusieurs portes d’entrée
La documentation actuelle décrit Muse Wonder comme un modèle en préversion. L’API donne aux développeurs un moyen de l’intégrer dans leurs propres applications. Muse Code fournit un agent de programmation prêt à fonctionner dans un environnement de travail. Le modèle et l’agent qui utilise ses sorties restent deux composants différents.
La fiche de disponibilité réserve Muse Wonder Full aux formules Power Usage et Maximum Usage de Muse Code. Elles affichent respectivement 50 et 200 dollars par mois. La fiche ne propose pas cette variante dans l’API. L’arrivée de Wonder dans l’assistant grand public Muse reste annoncée comme prochaine. Meta prévoit de commencer par les abonnés. Ce déploiement ne doit pas être présenté comme déjà terminé.
Les conditions géographiques restent celles du service. La politique officielle mise à jour le 12 octobre permet l’accès dans les territoires activés par Meta et conserve des restrictions. L’absence d’un pays dans la liste des territoires exclus ne garantit pas à elle seule une ouverture effective du compte. Nous n’avons pas réalisé d’inscription ni de test d’accès depuis la France.
Ce que recouvrent Active Memory et Active Focus
Dans son billet de recherche, Meta décrit Active Memory comme la capacité à retrouver les éléments utiles du contexte entre conversations. Active Focus désigne la poursuite d’un objectif difficile. Le modèle peut essayer une autre approche et demander une clarification. Ce sont des descriptions de capacités de l’éditeur. Elles ne démontrent pas que toute tâche sera accomplie sans erreur.
La mémoire mérite aussi une distinction. Une fenêtre de contexte étendue permet de fournir davantage d’informations au modèle. Elle ne garantit pas que chaque détail sera correctement retenu ou utilisé. Le système qui entoure le modèle détermine également quels documents et outils il lui transmet. Une bonne réponse dépend donc du contexte disponible autant que du nom du modèle.
Des évaluations à lire avec leurs méthodes
La fiche du modèle décrit des entrées multimodales et une sortie textuelle. Elle annonce une fenêtre de contexte d’environ un million de tokens. Son tableau associe des tests internes à des résultats venant d’autres organismes. Les configurations et les outils employés ne sont pas identiques dans chaque ligne. Il faut garder cette différence avant de conclure à une supériorité générale.
MemoryBench et FocusBench sont des évaluations internes. Le premier examine le rappel d’informations dans de longues conversations. Le second porte sur la persistance face à des difficultés. La fiche reconnaît aussi des limites dans le raisonnement en plusieurs étapes et dans certaines tâches spatiales. Un score ne prouve donc ni une compétence universelle ni la fiabilité d’une décision juridique ou médicale réelle.
Le prix et l’usage des données varient selon le service
Le barème officiel de l’API affiche 4 dollars par million de tokens d’entrée et 20 dollars par million de tokens de sortie pour Muse Wonder. L’entrée servie depuis le cache coûte 0,20 dollar par million. La recherche web ajoute son propre coût. Une longue tâche peut multiplier les appels. Ces tarifs ne permettent pas de calculer la facture finale à partir du seul nombre de messages visibles.
Un abonnement Muse Code possède son propre réglage
Sur l’API, Muse Wonder ne propose pas le mode Contributor. Le mode Standard n’utilise pas le contenu pour entraîner les modèles Meta. Les abonnements Muse Code activent en revanche Contributor par défaut. La page consacrée à ce réglage précise qu’on peut le désactiver. Ça modifie la quantité d’usage incluse et le traitement des futurs contenus. Le service demande de ne pas envoyer de données personnelles ou confidentielles dans le mode Contributor.
Cette différence compte davantage qu’un classement isolé. Deux accès au même modèle peuvent porter des conditions de traitement distinctes. Le choix doit donc relier le modèle aux données et au service réellement utilisés.
Une nouvelle offre qui conserve ses limites
Meta recommande des protections adaptées lorsqu’un agent peut agir sur des outils. La fiche ne prétend pas couvrir tous les scénarios. L’entreprise annonce aussi un complément d’évaluations de sécurité à venir. Choisir Wonder consiste donc à examiner une capacité et un environnement d’utilisation. Ça ne revient pas à déléguer automatiquement tous les accès ou toutes les décisions.
Pour comprendre l’évolution de l’agent autour de ces modèles, consultez notre article sur Muse pour les petites entreprises.