Meta Muse Spark : la fin de l'IA open source chez Zuckerberg

Le 8 avril 2026, Meta a dévoilé Muse Spark, son nouveau modèle d'intelligence artificielle. Premier produit des Meta Superintelligence Labs dirigés par Alexandr Wang, Muse Spark est aussi le premier modèle de Meta à être entièrement propriétaire. Pas de poids ouverts. Pas de téléchargement. Pas d'auto-hébergement possible. Pour une entreprise qui avait bâti sa crédibilité IA sur Llama et l'open source, c'est un virage à 180 degrés.

Ce qu'est Muse Spark (et ce qu'il n'est pas)

Muse Spark est un modèle multimodal natif. Contrairement à Llama 4 où la vision avait été greffée après coup, ici texte, image, audio et utilisation d'outils cohabitent dans une seule architecture dès l'entraînement. Le modèle fonctionne en plusieurs modes : un mode rapide pour les requêtes simples, un mode raisonnement pour les problèmes complexes, et un mode « Contemplating » qui lance plusieurs sous-agents en parallèle pour améliorer la qualité des réponses.

Ce n'est pas un modèle que vous pouvez brancher sur vos outils internes. Du moins pas encore. L'API est en preview privée, réservée à quelques partenaires triés sur le volet. Pour le commun des mortels — et des PME — Muse Spark se consomme exclusivement via l'app Meta AI, puis progressivement via WhatsApp, Instagram, Facebook et Messenger.

Pourquoi Meta abandonne l'open source

La question mérite d'être posée frontalement. Pendant trois ans, Meta a distribué les modèles Llama gratuitement, en poids ouverts, à quiconque voulait les utiliser. Des milliers de startups, de chercheurs et de PME ont construit des produits dessus. Et du jour au lendemain, le robinet se ferme.

Plusieurs facteurs expliquent ce revirement. D'abord, Llama 4 n'a pas eu le succès escompté auprès des développeurs. VentureBeat rapporte que la série Llama 4 n'a pas généré la traction attendue, malgré son architecture Mixture-of-Experts. Ensuite, Meta a dépensé 14 milliards de dollars pour recruter Alexandr Wang, fondateur de Scale AI, et créer les Meta Superintelligence Labs. Il faut rentabiliser.

Enfin, il y a l'argument technique. Meta affirme que Muse Spark atteint ses capacités de raisonnement avec dix fois moins de calcul que Llama 4 Maverick, grâce à une technique baptisée « thought compression » : pendant l'apprentissage par renforcement, le modèle est pénalisé quand il « réfléchit trop longtemps ». Il apprend à résoudre des problèmes complexes en moins de tokens, sans perdre en précision.

La communauté grince des dents

La réaction des développeurs est mitigée, pour rester poli. DeepLearning.AI note que Meta « pivote loin de sa stratégie open-weights Llama ». Certains y voient un pragmatisme nécessaire — l'open source ne paie pas les factures de datacenters. D'autres parlent de trahison. Mark Zuckerberg a bien promis sur Threads de « publier des modèles open source de plus en plus avancés », mais sans calendrier, sans engagement précis, et surtout sans dire si Muse Spark lui-même sera un jour ouvert.

Les benchmarks : correct, pas dominant

Soyons honnêtes sur les chiffres. Muse Spark se classe 4e au classement Artificial Analysis Intelligence Index v4.0, avec un score de 52. Devant lui : Gemini 3.1 Pro et GPT-5.4 (57 chacun) et Claude Opus 4.6 (53).

Le détail par domaine est plus parlant :

• Raisonnement abstrait (ARC-AGI-2) : 42,5 pour Muse Spark contre 76,1 pour GPT-5.4 et 76,5 pour Gemini. Presque le double. C'est un gouffre.
• Code (Terminal-Bench 2.0) : 59,0 contre 75,1 pour GPT-5.4. En retrait net.
• Tâches agentiques (GDPval-AA) : 1 444 ELO contre 1 674 pour GPT-5.4 et 1 607 pour Claude Opus. 230 points d'écart avec le leader, c'est significatif.
• Santé (HealthBench Hard) : 42,8. Là, Muse Spark bat tout le monde — GPT-5.4 est à 40,1, Gemini à 20,6.
• Efficacité tokens : 58 millions de tokens pour compléter l'évaluation complète, contre 120M pour GPT-5.4 et 157M pour Claude Opus.

Le verdict ? Muse Spark est frugal et bon en santé, mais en retard sur le code, le raisonnement pur et les tâches d'automatisation. Pour une PME qui cherche un assistant codeur ou un agent autonome, ce n'est pas le meilleur choix aujourd'hui.

Le mode shopping : là où Meta a une vraie carte à jouer

Le terrain où Muse Spark pourrait faire la différence, c'est le commerce. Le modèle embarque un mode shopping qui croise les capacités du LLM avec les données comportementales de Meta — historique de navigation, interactions publicitaires, signaux d'achat. Concrètement, l'IA peut recommander des produits en conversation sur WhatsApp ou Instagram en se basant sur ce que l'utilisateur a aimé, regardé ou cliqué sur les plateformes Meta.

Pour un e-commerçant qui fait déjà de la publicité sur Meta, c'est potentiellement un canal de vente supplémentaire intégré directement dans la messagerie. Un client pose une question sur un produit via Instagram DM, l'IA répond, suggère des alternatives, et peut orienter vers l'achat. Le tout alimenté par la mine d'or de données que Meta possède sur 3 milliards d'utilisateurs actifs mensuels.

Le problème : personne ne sait encore comment ça sera facturé, ni quand les PME y auront accès. Pour l'instant, c'est du preview privé.

Ce que ça change concrètement pour les pros

Si vous utilisiez Llama en interne

C'est la douche froide. Llama ne disparaît pas — les modèles existants restent disponibles — mais Meta ne cache plus que l'innovation sera désormais côté propriétaire. Si vous aviez bâti un workflow sur Llama en comptant sur une montée en gamme gratuite continue, il va falloir réévaluer. Les alternatives open source existent : DeepSeek V4 avec ses 685 milliards de paramètres en Mixture-of-Experts, ou Gemma 4 de Google (31 milliards de paramètres, licence Apache 2.0, sorti le 2 avril). Le marché de l'open source ne meurt pas avec Llama. Mais il perd son plus gros mécène.

Si vous vendez sur Instagram ou WhatsApp

Surveillez de près le déploiement du mode shopping. Meta n'a pas encore communiqué de calendrier précis, mais les fonctionnalités de recommandation produit en conversation pourraient transformer la relation client sur ces plateformes. La question clé sera le contrôle : pourrez-vous paramétrer les réponses de l'IA sur vos produits ? Nourrir l'agent avec votre catalogue ? Ou sera-ce un système opaque piloté par Meta ?

Si vous cherchez un assistant IA généraliste

Muse Spark dans Meta AI est gratuit, comme ChatGPT en version de base. Pour des tâches simples — résumé, rédaction, brainstorming — c'est un outil de plus. L'intégration native dans les messageries que vous utilisez déjà est un atout réel : pas besoin d'ouvrir un outil supplémentaire. Mais les benchmarks montrent que pour du code ou des tâches complexes, [[link:chatgpt|ChatGPT]] et [[link:claude-ai|Claude]] restent devant.

Notre avis : un coup stratégique, pas une révolution technique

Muse Spark n'est pas le meilleur modèle du marché. Les chiffres le disent clairement. Mais ce n'est probablement pas le but. Meta joue une partie différente : installer son IA dans les outils que 3 milliards de personnes utilisent déjà, verrouiller l'écosystème, et monétiser par le commerce et la pub plutôt que par des abonnements API.

Pour un dirigeant de PME, trois choses à retenir. Un : ne comptez plus sur Meta pour fournir de l'IA open source de pointe. Deux : si vos clients sont sur WhatsApp ou Instagram, le mode shopping de Muse Spark pourrait devenir un canal à tester dès qu'il sera accessible. Trois : pour vos besoins internes (code, automatisation, analyse), les alternatives — GPT-5.5, Claude, DeepSeek — font mieux sur les métriques qui comptent.

Le vrai signal, c'est la fin d'une époque. Celle où une big tech distribuait gratuitement son meilleur travail en IA. Google continue avec Gemma, DeepSeek pousse fort, mais le mouvement open source vient de perdre son porte-drapeau le plus visible. Et ça, ça concerne tout le monde.