Un classement indépendant place Muse Wonder Full derrière Claude Opus 5.5, alors que Meta revendique des performances de pointe pour son nouveau modèle agentique. Dans le même temps, la version standard devient accessible aux développeurs par l’intermédiaire de Meta Model API et de Muse Code. Ces résultats et ces modalités d’accès sont rapportés par Frandroid.
Pour une PME, le fait utile n’est donc pas que Meta déclare avoir rejoint les meilleurs modèles. C’est l’arrivée d’une option supplémentaire pour construire un agent capable d’enchaîner des actions, avec des fonctions conçues pour conserver le contexte et poursuivre une tâche en cas de blocage. Leur efficacité dans un processus commercial réel n’est cependant pas établie par l’annonce.
L’accès immédiat ne concerne pas les mêmes versions
Meta présente Muse Wonder et Muse Wonder Full, mais leur distribution diffère. La version standard est disponible dans Meta Model API et dans l’assistant de programmation Muse Code, tandis que la version Full reste réservée aux abonnés de Muse Code.
Cette distinction empêche de transposer directement les résultats de Muse Wonder Full à un projet connecté par API. Une entreprise qui souhaite intégrer le modèle à son propre service peut évaluer Muse Wonder, mais elle ne teste pas nécessairement la variante mise en avant dans les comparaisons les plus favorables de Meta.
Le choix ne se résume donc pas à retenir le meilleur score communiqué. Il faut d’abord identifier la version réellement accessible dans le canal prévu. Pour un usage précis, comme l’analyse successive de pièces commerciales ou l’assistance à un développement logiciel, le test doit porter sur cette version et sur ce mode d’intégration.
Active Memory et Active Focus portent la promesse
Meta met en avant Active Memory, un mécanisme qui conserve des informations jugées pertinentes entre les conversations et les retrouve lorsqu’une nouvelle tâche s’y rapporte. Active Focus est présenté comme un moyen de pousser l’agent à essayer une autre approche, à demander des précisions et à vérifier avec l’utilisateur avant une action importante.
Ces fonctions répondent à une difficulté identifiable des agents : une mission longue exige de retrouver les éléments antérieurs et de ne pas abandonner au premier obstacle. Dans un scénario commercial hypothétique, un agent chargé de préparer une réponse à un dossier pourrait réutiliser les contraintes déjà fournies, signaler une pièce manquante puis poursuivre après clarification.
Cet exemple décrit un usage envisageable, pas une capacité démontrée sur des données d’entreprise. La source ne fournit ni essai dans une PME, ni taux de réussite sur un processus commercial, ni mesure de la qualité des souvenirs récupérés. Elle ne permet pas non plus de savoir comment l’utilisateur corrige une information conservée à tort. La mémoire et la persévérance constituent donc les mécanismes annoncés, pas encore une preuve de fiabilité métier.
Illustration conceptuelle de la mémoire active et de la poursuite d’une tâche, et non photographie d’un service réel.
Le classement externe contredit le leadership annoncé
Meta revendique la tête sur plusieurs domaines et cite notamment SWE-Marathon pour les projets logiciels longs. Dans les mesures réalisées par le groupe, Muse Wonder Full atteint 57,5 %, contre 46,3 % pour Claude Opus 5.5 et 42,5 % pour GPT-6 Astra. Ces valeurs attestent ce que Meta a mesuré selon son protocole ; elles ne constituent pas une validation extérieure.
Le classement d’Artificial Analysis apporte une contradiction utile. Sur son indice regroupant dix tests, Muse Wonder Full reçoit 56 points, derrière Claude Opus 5.5 à 58 points, mais devant GPT-6 Astra à 53 ; Muse Wonder standard obtient 52 points.
Ce résultat ne signifie pas que Claude dominera chaque tâche, car l’indice agrège des épreuves différentes. Il montre en revanche que l’affirmation générale de leadership de Meta n’est pas confirmée par cette évaluation indépendante. Il révèle aussi un écart entre la variante Full comparée en tête d’affiche et la version standard directement proposée par API.
Illustration conceptuelle de la différence entre mesure interne et évaluation indépendante, et non photographie d’un test réel.
Tester la continuité avant de changer de modèle
Muse Wonder mérite une évaluation lorsque le besoin porte précisément sur une tâche agentique longue : conserver des éléments d’une session à l’autre, reprendre après un blocage et solliciter une clarification. Un essai pertinent doit alors observer la continuité du contexte, la qualité des informations rappelées et le comportement de l’agent lorsqu’une donnée manque.
L’annonce ne justifie pas, à elle seule, le remplacement d’un modèle déjà en production. Elle ne documente ni résultats commerciaux, ni déploiement dans une PME, ni comparaison indépendante détaillée par processus métier. Le classement disponible mesure un ensemble général d’aptitudes, pas la réussite d’une prospection, d’une qualification de dossier ou d’une préparation d’offre.
La décision immédiate consiste donc à tester Muse Wonder standard sur le parcours réellement accessible, sans lui attribuer les résultats de la version Full. Le prochain signal déterminant sera une évaluation indépendante séparant les variantes et détaillant leurs performances sur des tâches agentiques longues, plutôt qu’un indice agrégé.
