Muse Wonder face à Opus 5.5 : ce que disent les scores

1 million de tokens. C'est la fenêtre de contexte annoncée par Meta pour Muse Wonder, un volume qui permettrait à un agent de garder beaucoup plus d'informations sous les yeux qu'un assistant classique. La promesse est forte : de longues tâches, des actions dans un navigateur et une mémoire active qui suit vos objectifs dans le temps.

Le 12 octobre 2026, le laboratoire Superintelligence de Meta a présenté Muse Wonder et Muse Wonder Full, que TechCrunch décrit comme la première tentative de Meta sur un modèle de pointe, ou « frontier ». Ce terme désigne un modèle que son éditeur présente comme situé au meilleur niveau du moment. Mais un nom recouvre ici deux accès très différents. Et les chiffres de Meta ne racontent pas exactement la même histoire que les mesures d'Artificial Analysis.

La question devient donc concrète : que pouvez-vous réellement tester, à quel prix, avec quelles données et quelles limites ? Voici ce que l'annonce permet d'affirmer, ce qu'elle ne permet pas encore de conclure et comment essayer Muse Wonder sans lui confier votre vie numérique.

Meta présente Muse Wonder avec ce visuel d'habillage officiel. La présentation officielle de Muse Wonder insiste sur des agents capables de travailler pour des usages personnels et professionnels.

Meta change de catégorie : pourquoi Muse Wonder dépasse le simple chatbot

Vous demandez parfois à un assistant de résumer un dossier, puis il oublie un élément au fil de la conversation. Vous lui demandez ensuite d'ouvrir un site, de comparer plusieurs informations et de préparer une action. Il s'arrête, perd le fil ou attend une nouvelle consigne à chaque étape.

Muse Wonder vise précisément ce type de tâche longue. Selon la fiche officielle de Meta, les deux modèles ciblent le code, les agents capables d'enchaîner plusieurs actions, la mémoire active et l'utilisation d'un ordinateur ou d'applications. Cette évolution rejoint celle des agents IA qui travaillent au fil de plusieurs étapes. Ils disposent d'une fenêtre de contexte annoncée de 1 million de tokens.

Un token est une petite unité de texte traitée par le modèle. Ce n'est pas exactement un mot, mais l'idée est simple : plus la fenêtre est grande, plus l'agent peut conserver de documents, d'instructions et d'étapes dans une même tâche. Cela ne garantit ni la justesse des réponses ni une mémoire parfaite.

Deux modèles sous le même nom : la différence qui change tout

Meta parle de Muse Wonder et de Muse Wonder Full. Wonder correspond au modèle accessible via la Meta Model API, une interface qui permet à des applications d'envoyer des demandes au modèle. Wonder Full désigne la version réservée à certains abonnés de Muse Code, l'environnement de Meta pour travailler avec le code et des agents.

Les deux modèles partagent la fenêtre de contexte annoncée de 1 million de tokens. Meta met aussi en avant la mémoire active, c'est-à-dire la capacité à retenir ce qui compte pour un objectif, et l'usage d'un ordinateur. Dans une démonstration, l'agent peut par exemple préparer un programme de course à partir de préférences personnelles, consulter une carte et organiser les étapes.

Kavya Kopparapu, chercheuse chez Meta, explique à TechCrunch que l'équipe a mis « énormément d'efforts » pour que le modèle « se souvienne de ce qui compte pour vous pendant des jours, des semaines, des mois et au-delà ». Cette mémoire reste une promesse de conception, pas une preuve que chaque souvenir sera pertinent.

Ce schéma résume le type de tâche mis en avant par Meta : l'agent relie une carte, du code et des préférences personnelles. Il illustre une capacité annoncée, pas une garantie de résultat pour toutes les tâches.

Le vrai piège : la version la plus impressionnante n'est pas celle de l'API

La documentation Meta indique que Muse Wonder est disponible via la Meta Model API et Muse Code. Muse Wonder Full est inclus dans les offres Muse Code Power Usage et Maximum Usage, mais il n'est pas proposé dans l'API.

Cette séparation change la portée d'un test. Une application qui appelle l'API mesure Wonder. Elle ne mesure pas automatiquement Wonder Full, même si les deux noms apparaissent côte à côte dans l'annonce. Si vous regardez une démonstration de la version Full, puis essayez la version API, vous pouvez donc observer un écart normal.

Les performances sont-elles au rendez-vous ? Oui, mais pas partout

Les benchmarks sont des tests standardisés destinés à mesurer une capacité précise. Un benchmark de code évalue la résolution de problèmes logiciels. Un benchmark d'utilisation d'ordinateur regarde si un agent sait agir dans une interface. Aucun ne résume à lui seul l'expérience d'une personne devant sa propre tâche.

Ce que Meta met en avant

Dans sa model card officielle, Meta publie pour Muse Wonder Full un score de 79,0 à DeepSWE 1.1, un test de résolution de problèmes de code sur la durée. Le modèle obtient aussi 57,5 à SWE-Marathon, consacré à des tâches logicielles longues. Sur ces deux tests de code, il devance Claude Opus 5.5 (74,2 et 46,3), Fable 5.1 et GPT-6 Astra dans le tableau de Meta. Il décroche aussi 85,5 à MemoryBench, le test de mémoire sur de longues conversations.

Le tableau a pourtant ses zones grises. Sur OSWorld V2.1, qui mesure l'action d'un agent sur un ordinateur, Wonder Full obtient 78,4 (un score partiel qui compte aussi les tâches à moitié réussies) et reste derrière Claude Opus 5.5 à 81,8. Au total, sur les 13 tests spécialisés du tableau publié par Meta, Wonder Full est battu dans 6 : OSWorld, HealthBench Pro, JobBench, Terminal-Bench, ProgramBench (59,0 contre 70,5 pour Opus 5.5) et GDP.pdf. La version API, Muse Wonder, fait moins bien qu'Opus 5.5 sur 9 lignes sur 14, selon le décompte publié sur DEV Community.

Ces résultats sont obtenus avec un effort de raisonnement élevé (le réglage « xhigh » pour SWE-Marathon, précise la model card). Cette précision compte : un modèle peut obtenir un score élevé en prenant plus de temps ou en consommant davantage de ressources. Les tests ne sont pas directement comparables entre eux, car ils ne mesurent pas le même travail, et la model card reconnaît que certaines lignes mélangent des résultats de sources et d'environnements différents.

Selon TechCrunch, Meta présente Wonder et Wonder Full comme comparables à Fable 5.1 et GPT-6 Astra sur ses propres tests. La formulation reste celle de l'éditeur. Elle ne signifie pas que chaque utilisateur obtiendra le même niveau de résultat.

Le regard indépendant refroidit un peu l'emballement

Artificial Analysis propose un autre point de repère. Son Intelligence Index agrège 10 évaluations différentes pour produire un score global. Sur cette mesure, Muse Wonder obtient 52, contre 53 pour Claude Fable 5.1, GPT-6 Astra et Gemini 4 Argon, et 58 pour Claude Opus 5.5.

Le modèle Full atteint 56 sur la même comparaison, deuxième derrière Opus 5.5. Muse Wonder se situe donc 1 point sous Fable 5.1, GPT-6 Astra et Gemini 4 Argon, et 6 points sous Opus 5.5 dans le classement affiché par Artificial Analysis. Cette mesure ne contredit pas les résultats de Meta sur un test donné. Elle montre simplement que le classement dépend du protocole choisi.

Voici le graphique publié avec l'annonce de Meta. Il place Muse Wonder Full à 56 et Muse Wonder à 52 sur l'Artificial Analysis Intelligence Index, tandis que Claude Opus 5.5 apparaît à 58.

Artificial Analysis estime aussi le coût moyen d'une tâche de son indice à 4,52 $ pour Muse Wonder, contre 5,98 $ pour Claude Opus 5.5 mais 3,26 $ pour GPT-6 Astra, selon les chiffres repris par VentureBeat. Il s'agit d'une moyenne liée à son propre protocole, pas d'un prix garanti pour une tâche personnelle. Un résumé de trois pages et une session qui relit des documents, appelle des outils et recommence plusieurs fois ne consomment pas la même chose.

Le prix paraît clair, jusqu'à ce que la tâche devienne longue

Le tarif de Muse Wonder est affiché par Meta pour l'API. Il s'élève à 4 $ par million de tokens en entrée, 0,20 $ par million de tokens en entrée mise en cache et 20 $ par million de tokens en sortie. L'entrée correspond à ce que vous envoyez au modèle. La sortie correspond à ce qu'il génère. La mise en cache concerne une partie réutilisée du contexte. Détail qui pique : c'est exactement la grille de Claude Opus 5.5, le modèle qui garde la tête du classement d'Artificial Analysis.

Wonder Full n'a pas de tarif API affiché. Son accès est inclus dans Muse Code Power Usage à 50 $ par mois ou Maximum Usage à 200 $ par mois, selon la documentation Meta. Ces forfaits donnent accès à Wonder Full dans Muse Code, mais ils ne transforment pas le modèle en service API.

Version	Accès publié	Prix affiché	Ce que cela permet de mesurer
Muse Wonder	Meta Model API et Muse Code	4 $ / million en entrée, 0,20 $ / million en entrée mise en cache, 20 $ / million en sortie	Une intégration API et les tâches confiées à Wonder
Muse Wonder Full	Muse Code Power Usage ou Maximum Usage	50 $ / mois ou 200 $ / mois	L'expérience de Full dans Muse Code, sans tarif API publié

Le calcul réel commence après le tarif facial. Un agent qui relit plusieurs documents, consulte des pages, utilise des outils et produit une longue réponse peut multiplier les tokens consommés. Les répétitions et les reprises après erreur augmentent aussi la facture.

La bonne mesure est donc le coût d'une tâche complète. Notez le volume de documents, le nombre d'étapes, les erreurs, les demandes de confirmation et le temps que vous passez à surveiller le modèle. Un outil plus cher peut être utile s'il accomplit une tâche de manière fiable. Il perd son intérêt si chaque résultat exige une longue correction.

Pour cadrer cette mesure, notre méthode peut servir de repère général : partir d'un besoin concret, fixer un résultat attendu et observer ce qui se passe réellement pendant l'usage.

Le point encore ouvert : données, contrôle et sécurité

Muse Wonder et Wonder Full sont des modèles propriétaires. Artificial Analysis les classe comme tels et indique que leurs poids ne sont pas publiquement disponibles. Les poids sont les fichiers internes qui permettent d'exécuter un modèle. Avec des poids ouverts, une personne peut les télécharger et les faire tourner dans son propre environnement, sous réserve de la licence. Ce n'est pas le cas ici.

Ce choix implique une dépendance au service de Meta. La documentation publiée par Meta ne précise ni disponibilité en Europe ni hébergement européen. Il faut donc éviter d'en déduire une localisation des données ou une conformité géographique à partir de la seule annonce.

Meta annonce ses « protections les plus solides à ce jour » contre les usages détournés (armes chimiques ou biologiques, cyberattaques) et indique qu'un rapport complet avec des évaluations de sécurité supplémentaires sera disponible ultérieurement. Cette information ne permet pas encore d'évaluer tous les risques liés à un agent qui lit des documents, navigue sur des sites ou prépare une action.

La mémoire active mérite une attention particulière. Retenir vos préférences pendant plusieurs jours peut rendre un assistant plus utile. Cela augmente aussi l'importance des réglages de confidentialité. Avant un essai, vérifiez quelles données sont envoyées, combien de temps elles sont conservées et comment vous pouvez les supprimer.

Le même principe vaut pour les actions. Un agent peut proposer un message, modifier un document ou préparer une réservation. Vous devez savoir à quel moment il demande une confirmation et ce qui se passe si son interprétation est erronée. Pour les usages liés à l'automatisation et à l'IA, cette étape de contrôle reste aussi importante que la qualité de la réponse.

Faut-il le tester maintenant ? Le protocole qui évite de se raconter une histoire

Un test utile commence par une tâche répétable, utile et sans donnée sensible. Vous pouvez demander à Muse Wonder d'organiser un dossier public, de résumer plusieurs pages ouvertes ou de préparer un planning personnel. Évitez vos documents d'identité, vos informations bancaires, vos conversations privées et tout fichier dont la diffusion vous exposerait.

Mesurez cinq éléments :

• La qualité finale : le résultat répond-il vraiment à la demande ?
• Les erreurs : l'agent invente-t-il une information ou oublie-t-il une contrainte ?
• La supervision : devez-vous corriger chaque étape ou seulement valider la sortie ?
• Le temps total : combien de temps gagnez-vous après les reprises ?
• Le coût réel : combien la tâche complète vous coûte-t-elle ?

Testez séparément Wonder via l'API et Wonder Full dans Muse Code si vous avez accès aux deux. Ne mélangez pas les résultats. Notez aussi la version utilisée, le niveau d'effort disponible et les outils autorisés.

Avant de lui donner accès à une nouvelle donnée ou à une application, posez-vous ces questions :

• Où mes données sont-elles traitées et conservées ?
• Le service est-il accessible depuis mon pays, et sous quelles conditions ?
• Quel est le prix d'une tâche complète, au-delà du tarif d'un token ?
• Quelle version suis-je en train d'utiliser, et quelle licence s'applique ?
• Puis-je reprendre la main ou confirmer une étape avant une action importante ?

Si une réponse manque, réduisez le périmètre du test. Vous pourrez toujours élargir l'expérience lorsque la documentation sera plus complète, notamment sur la sécurité. Pour comprendre les connexions entre un agent et ses outils, consultez aussi notre explication du protocole MCP.

Muse Wonder peut-il tenir ses promesses dans votre quotidien ?

Meta lance deux modèles ambitieux, avec une séparation d'accès qui change complètement l'expérience. Les résultats publiés par l'éditeur sont solides en code et en mémoire, moins sur l'usage d'un ordinateur. La mesure indépendante d'Artificial Analysis donne toutefois une image moins flatteuse pour Wonder, et le coût réel dépendra de vos tâches.

Pour un lecteur curieux, le bon réflexe consiste à observer une tâche concrète, sans donnée sensible, avec un objectif mesurable. La promesse d'un agent qui se souvient et agit est intéressante. La confiance, elle, se gagne étape par étape.

Un million de tokens ouvre une grande fenêtre. Il reste à voir ce que vous y laissez entrer.