Deux nouveaux modèles pour le travail qui se poursuit dans le temps
Meta a lancé le 12 octobre Muse Wonder et Muse Wonder Full, qu’elle présente comme ses modèles d’intelligence artificielle les plus capables à ce jour. L’entreprise les destine surtout aux agents personnels et professionnels, c’est-à-dire aux systèmes qui rassemblent de l’information, utilisent des outils et avancent dans une tâche en plusieurs étapes. Parmi les exemples donnés par Meta figurent l’analyse d’un bail, la préparation d’une réclamation d’assurance et la création d’une application fonctionnelle. Muse Wonder est offert dès maintenant dans la Meta Model API et dans Muse Code. Muse Wonder Full est réservé aux abonnés de Muse Code. Meta prévoit aussi d’intégrer Muse Wonder à son assistant Muse, d’abord pour les personnes abonnées, puis de s’en servir pour la création d’artéfacts et d’autres processus qui exigent davantage de raisonnement. L’annonce ne précise pas le prix des modèles, la taille de leur fenêtre de contexte ni un calendrier complet pour leur arrivée dans les produits grand public.
Active Memory veut retrouver ce qui compte au bon moment
La première fonction mise de l’avant porte le nom Active Memory. Meta la décrit comme la capacité de conserver des renseignements importants entre les conversations, puis de les récupérer lorsqu’ils redeviennent utiles. Pour un agent, l’enjeu dépasse le simple stockage d’un historique. Un système qui aide à gérer un dossier d’assurance doit pouvoir retrouver une date, une préférence ou une pièce justificative sans ramener tout le dossier dans chaque réponse. Cette promesse pourrait rendre les assistants plus continus, mais elle soulève immédiatement une question pratique : quelles informations sont retenues, pendant combien de temps et sous quel contrôle? Le communiqué affirme que les modèles ont été entraînés à ne pas partager de renseignements privés sans autorisation. Il ne décrit toutefois pas dans le détail les paramètres de conservation, d’effacement ou d’administration qui accompagneront chaque produit. Les organisations devront donc juger l’outil offert, pas seulement la capacité générale annoncée pour le modèle.
Active Focus vise les tâches qui bloquent et reprennent
La deuxième fonction, Active Focus, concerne la persévérance. Selon Meta, Muse Wonder peut essayer une autre méthode après un échec, s’adapter à une nouvelle information, demander une précision et vérifier avec l’utilisateur avant une action importante. L’entreprise évalue cette capacité avec FocusBench et SWE-Marathon, un test portant sur des projets logiciels qui s’étirent. Elle revendique aussi des résultats de pointe en programmation, en mémoire et dans des tâches d’agents personnels et professionnels. Les modèles ont été entraînés au centre de données Prometheus de Meta, que l’entreprise décrit comme une installation à l’échelle du gigawatt. Leur développement combine un modèle de base plus grand, du préentraînement et de l’apprentissage par renforcement. Meta dit avoir cherché une meilleure généralisation vers des tâches qui n’étaient pas directement ciblées pendant l’entraînement final. Pour les développeurs, cette ambition compte davantage qu’un seul classement : un agent utile rencontre souvent des documents, des outils et des exceptions que son concepteur n’avait pas anticipés.
Les affirmations de performance viennent encore surtout de Meta
Le lancement est important parce qu’il ramène Meta dans la compétition des modèles de pointe avec une offre utilisable dès aujourd’hui. Il faut néanmoins garder une distance éditoriale. Les comparaisons et les démonstrations publiées proviennent de Meta, sur une série d’évaluations qu’elle a choisies. Une bonne note n’établit pas encore la fiabilité dans un contexte québécois, en français, avec les règles d’une organisation précise ou sur une tâche qui engage des droits et de l’argent. La réserve est encore plus nette en matière de sécurité. Meta affirme avoir renforcé la protection des renseignements privés ainsi que les garde-fous contre les usages chimiques, biologiques, radiologiques, nucléaires et cybermalveillants. L’entreprise précise toutefois qu’un rapport complet contenant d’autres évaluations de sécurité sera publié plus tard. En attendant ce document et des essais indépendants, il serait prématuré de transformer les déclarations du lancement en garantie. La disponibilité d’un modèle ne remplace ni un contrôle d’accès ni une étape d’approbation humaine.
Ce que les équipes peuvent vérifier dès maintenant
Une équipe curieuse peut commencer par une tâche réversible et déjà bien documentée : classer des demandes fictives, préparer un brouillon à partir d’un dossier de test ou corriger une petite application. Il faut mesurer si l’agent retrouve réellement les bonnes informations après plusieurs échanges, s’il signale ses blocages, s’il demande une confirmation avant d’agir et s’il conserve des détails qui auraient dû être oubliés. Le test devrait inclure du français canadien, des documents contradictoires et une consigne modifiée en cours de route. Avant de relier Muse Wonder à des calendriers, des messages, des finances ou des dossiers de santé, une organisation devrait aussi connaître la région de traitement, la politique de rétention, les journaux disponibles et les permissions accordées à chaque outil. L’intérêt de Muse Wonder réside dans la combinaison annoncée de mémoire et de persévérance. Le risque vient du même endroit : un agent qui se souvient davantage et poursuit plus longtemps peut amplifier une bonne procédure comme une mauvaise autorisation. Le prochain test sérieux ne sera donc pas seulement ce que le modèle sait faire, mais ce que le produit permet de surveiller et d’arrêter.
