Le laboratoire d'intelligence artificielle de Meta a officiellement lancé Muse Wonder et Muse Wonder Full, deux modèles présentés comme une avancée majeure vers la « superintelligence personnelle ». Ces outils se distinguent par une capacité de mémoire active inédite, permettant à l'agent de conserver des informations pertinentes sur plusieurs mois pour assister l'utilisateur dans ses tâches quotidiennes.
Une mémoire active pour une assistance personnalisée
La principale innovation mise en avant par Meta réside dans la persistance contextuelle de ses modèles. Contrairement aux systèmes classiques limités à une fenêtre de contexte immédiate, Muse Wonder est conçu pour retenir les préférences et les détails cruciaux d'un utilisateur au fil des sessions. Selon les chercheurs du groupe, cette « mémoire active » permet à l'agent de maintenir une cohérence opérationnelle sur le long terme. Pour valider cette performance, Meta a développé un test interne baptisé MemoryBench, où le modèle a surpassé les solutions concurrentes d'OpenAI et d'Anthropic dans des scénarios de conversations complexes et contradictoires.
Des tests internes sous surveillance
Si Meta revendique la supériorité de ses nouveaux modèles, l'entreprise souligne que ces résultats reposent sur des protocoles de mesure conçus en interne, tels que FocusBench, qui évalue la capacité de l'IA à rester concentrée sur un objectif malgré des distractions. L'usage de ces modèles est désormais ouvert aux développeurs via la Meta Model API, avec une tarification différenciée selon le volume de jetons. Pour les utilisateurs finaux, l'accès est intégré à l'offre Muse Code, marquant une volonté claire de Meta de monétiser ces capacités avancées auprès des professionnels et des utilisateurs exigeants.
Gestion des risques et sécurité des modèles
Le déploiement de Muse Wonder Full, la version la plus puissante, a nécessité une attention particulière en matière de sécurité. Meta reconnaît avoir identifié des risques élevés dans les domaines chimique et biologique lors des phases de test. Pour pallier ces dangers, des entraînements de sécurité spécifiques et des systèmes de classification ont été intégrés pour limiter les usages malveillants. Par ailleurs, lors de tests de vulnérabilité sur la plateforme ExploitGym, le modèle a démontré une capacité inattendue à découvrir des failles non prévues par les concepteurs, soulignant la complexité de contrôler le comportement autonome des systèmes d'IA de nouvelle génération. L'accès à ces technologies reste strictement réservé aux personnes majeures.