14,3 milliards de dollars investis. 9 mois de développement. Et un retournement stratégique que peu avaient anticipé. Le 8 avril 2026, Meta a lancé Muse Spark, le premier modèle IA issu de ses Meta Superintelligence Labs — et pour la première fois de son histoire, ce modèle est fermé. Pas de poids téléchargeables, pas de code source, pas de déploiement local. Meta rompt avec la philosophie Llama qui lui avait valu les faveurs de la communauté open source mondiale.
Alexandr Wang aux commandes : qui est derrière Muse Spark ?
Pour comprendre Muse Spark, il faut comprendre le pari qu'a fait Mark Zuckerberg fin 2025 : recruter Alexandr Wang, ancien PDG et co-fondateur de Scale AI, pour diriger une entité dédiée à l'IA superintelligente au sein de Meta. L'opération a coûté 14,3 milliards de dollars — une prise de participation de 49 % dans Scale AI, la société qui fournit les données d'entraînement à presque tous les grands labos d'IA.
Wang n'était pas juste un recrutement symbolique. Il a amené avec lui un accès privilégié à des données d'annotation de qualité industrielle et une vision : construire un modèle IA qui soit nativement personnel, ancré dans l'usage quotidien des milliards d'utilisateurs des plateformes Meta.
Muse Spark — nom de code interne : Avocado — est le résultat de neuf mois de travail de cette équipe. Premier modèle de la famille Muse, il est déployé immédiatement dans l'application Meta AI, sur Meta.ai, et sera progressivement intégré à Facebook, Instagram et WhatsApp.
Benchmarks : fort en vision, en retrait sur le raisonnement abstrait
Les benchmarks publiés par Meta placent Muse Spark quatrième sur l'Artificial Analysis Intelligence Index v4.0, avec un score de 52 — derrière Gemini 3.1 Pro (57), GPT-5.4 (57) et Claude Opus 4.6 (53). Un résultat honorable pour un premier modèle, mais qui dit quelque chose sur les choix architecturaux effectués.
Le point fort de Muse Spark est clairement la compréhension visuelle. Sur CharXiv Reasoning, qui évalue la compréhension de graphiques et figures à partir d'images, Muse Spark score 86,4 en mode Contemplating — devant Gemini 3.1 Pro (80,2) et GPT-5.4 (82,8). Idem sur HealthBench Hard : 42,8 contre 40,1 pour GPT-5.4 et 20,6 pour Gemini. Des domaines où les données Meta (contenus de santé, images partagées) donnent un avantage structurel.
En revanche, le modèle accuse un retard significatif sur ARC-AGI-2, le benchmark qui évalue le raisonnement abstrait sur des patterns inédits : 42,5 en mode Contemplating contre 77,1 pour Gemini 3.1 Pro et 76,1 pour GPT-5.4. Ce n'est pas un détail — ARC-AGI-2 est devenu la référence pour mesurer la capacité d'un modèle à raisonner hors de ses données d'entraînement. Meta a clairement priorisé l'usage pratique sur le raisonnement général.
Le Shopping Mode : la différenciation par la donnée sociale
La fonctionnalité la plus révélatrice de la stratégie Meta n'est pas technique — c'est le Shopping Mode. Muse Spark peut combiner sa compréhension du langage avec les signaux d'intérêt et de comportement des utilisateurs au sein de l'écosystème Meta. Résultat : des recommandations produits personnalisées qu'un modèle généraliste entraîné sans cette donnée contextuelle ne peut pas reproduire facilement.
C'est là que la vision de Zuckerberg devient claire. Les autres labos vendent de l'intelligence générale. Meta vend de l'intelligence personnelle — un assistant qui vous connaît à travers 15 ans d'historique social, de likes, de partages et d'achats. Le modèle est gratuit à l'usage (avec des rate limits), mais ce n'est pas de la générosité : la valeur est dans la boucle de données.
Muse Spark supporte les entrées voix, texte et image (sortie texte uniquement pour l'instant), le tool use, le visual chain-of-thought et l'orchestration multi-agents. Il propose plusieurs modes : un mode rapide pour les requêtes courantes, et plusieurs modes de raisonnement incluant le mode Contemplating pour les tâches complexes.
La rupture avec Llama : un tournant pour l'open source IA ?
La décision la plus commentée reste la fermeture du code. Depuis Llama 1 en 2023, Meta avait bâti une réputation de champion de l'open source dans l'IA — une stratégie qui lui permettait de bénéficier des contributions de la communauté, d'attirer les chercheurs et de se positionner comme alternative aux modèles fermés d'OpenAI et Anthropic.
Avec Muse Spark, Meta abandonne cet avantage comparatif. La raison avancée : les modèles de la famille Muse sont entraînés sur des données comportementales propriétaires qui ne peuvent pas être séparées des poids du modèle sans en dégrader significativement les performances. Un argument cohérent — mais qui sonne aussi comme une rationalisation d'un choix commercial.
Meta a promis d'open-sourcer des versions futures de la famille Muse. Reste à voir si cette promesse tient. En attendant, la communauté Llama continue d'exister — Llama 4 Maverick (400B paramètres, fenêtre de contexte de 10M tokens) reste l'un des meilleurs modèles open weights du marché. Les deux stratégies semblent coexister, au moins pour l'instant.
Mon analyse : Meta joue sa propre partie, pas celle d'OpenAI
Il serait tentant de lire Muse Spark comme une tentative de rattraper GPT-5.4 ou Gemini 3.1 Pro sur leurs propres terrains. Ce serait une erreur d'analyse. Meta ne peut pas gagner sur ARC-AGI-2 à court terme — et visiblement, ce n'est pas l'objectif.
L'objectif est de monétiser 3,2 milliards d'utilisateurs actifs quotidiens via un assistant IA qui capte les intentions d'achat, guide les décisions de consommation et renforce l'engagement sur les plateformes. Le Shopping Mode n'est pas un gadget — c'est le cœur du modèle économique.
Pour les développeurs et équipes tech, Muse Spark est pour l'instant peu pertinent : pas d'API publique annoncée, pas de déploiement local possible. L'API arrivera probablement d'ici Q3 2026, mais avec des contraintes d'usage liées à la nature fermée du modèle. Si vous cherchez un modèle pour vos pipelines IA en ce moment, Gemini 3.1 Pro, GPT-5.4 ou Claude Opus 4.6 restent les choix naturels selon votre cas d'usage.
Ce qui est certain : la guerre des LLM en 2026 se joue sur plusieurs tableaux simultanément — raisonnement général, multimodalité, intégration dans les usages quotidiens, et contrôle de la donnée comportementale. Meta vient de choisir son camp. Et ce choix va accélérer le déploiement de l'IA dans les surfaces où la plupart des gens passent leur temps.
