Meta Muse Spark : Le pari à 14 milliards de dollars pour effacer l'échec de Llama 4

Meta Platforms contre-attaque avec Muse Spark. Issu de sa nouvelle division "Superintelligence" dirigée par Alex Wang, ce modèle d'IA abandonne l'open source au profit d'une monétisation agressive.

Par

  • 1 min

meta

Après une année de silence radio et les performances décevantes de Llama 4, Meta Platforms contre-attaque avec Muse Spark sur le front des LLM.

Issu de sa nouvelle division "Superintelligence" dirigée par Alex Wang, ce modèle marque un tournant stratégique majeur : l'abandon partiel de l'open source au profit d'une monétisation agressive.

Une architecture "Avocado" pour la reconquête du marché

Muse Spark n'est que la première itération d'une série de modèles baptisée "Avocado" en interne. Ce lancement intervient dans un contexte de pression extrême pour le groupe de Menlo Park, qui doit justifier des investissements massifs (au prix de licenciements non moins massifs), notamment un accord de 14,3 milliards de dollars avec le CEO de Scale AI pour structurer ses équipes de recherche.

Contrairement à la lignée Llama, Meta a choisi pour Muse Spark un "aperçu privé". Cette décision rompt avec la tradition d'ouverture totale de l'entreprise, signalant une volonté de protéger ses avantages concurrentiels face à OpenAI et Google.

Le modèle se distingue aussi par un "mode de contemplation" permettant de faire fonctionner plusieurs agents en simultané pour résoudre des problèmes complexes.

Performances : entre rattrapage et lacunes persistantes

Les premiers benchmarks indépendants dressent un portrait nuancé du modèle. Si Muse Spark excelle dans la compréhension visuelle et le langage naturel, il reste perfectible sur les segments critiques pour l'entreprise. Sur le raisonnement, le modèle se classe ainsi 4ème ex aequo selon l'indice Artificial Analysis.

Par ailleurs, il propose d'excellentes capacités en sciences, mathématiques et santé.

Le modèle est par exemple capable d'estimer les calories d'un repas via une photo ou de simuler l'intégration d'objets dans un espace réel par superposition d'images.

Mais ses points faibles demeurent dans le codage et le raisonnement abstrait, par rapport à GPT Pro ou Gemini Deep Think.

« Il y a certainement des aspérités que nous polirons au fil du temps », a déclaré sur ce point Alex Wang, Directeur de l'équipe Superintelligence.

Connexion

Vous n’avez pas encore de compte ?

AUTOUR DE ZDNET
  • Gestion des cookies
SERVICES
À PROPOS
Accessibilité : non conforme