Un mois après les appels de Dario Amodei et Sam Altman à ralentir la progression des modèles les plus puissants, Meta revient au contact avec Muse Wonder Full, lancé le 12 octobre 2026. En se plaçant entre GPT-6 Astra et Claude Opus 5.5 dans l'indice Artificial Analysis, le groupe donne un résultat tangible à sa reconstruction après les déceptions de Llama 4.
Avec 56 points pour Muse Wonder Full, Meta retrouve une place au contact des modèles de référence qui font fonctionner les assistants. Full devance GPT-6 Astra, noté 53, de trois points et reste deux points derrière Claude Opus 5.5, à 58. L'autre nouveauté de Meta, Muse Wonder, obtient 52 points, ce qui la place derrière ces deux concurrents.
Élaboré par Artificial Analysis, un évaluateur distinct de Meta, cet indice combine dix évaluations couvrant notamment la programmation, les connaissances et des tâches professionnelles. Les résultats correspondent à sa version 4.3.2, avec un niveau de raisonnement Max pour les quatre modèles et la configuration « Default Fallback » pour Opus. L'avance de Full sur Astra vaut pour cet ensemble de tests, sans signifier qu'il le surpasse dans chaque usage ni que ces points mesurent un pourcentage d'intelligence.
Le retour d'un groupe qui avait dû se réorganiser
En juin 2025, après le mauvais accueil de Llama 4 et des départs de responsables, Meta réunissait ses efforts au sein de Meta Superintelligence Labs, sous la direction d'Alexandr Wang. Reuters documentait alors un investissement de 14,3 milliards de dollars dans Scale AI, accompagné d'une offensive de recrutement qui témoignait de l'ampleur de cette réorganisation.
Dans son annonce du 12 octobre, Meta décrit une reconstruction de ses efforts engagée quatorze mois auparavant, un récit qu'il peut désormais appuyer sur une évaluation indépendante. Après les difficultés de sa précédente génération, le groupe dispose avec Wonder Full de résultats qui permettent de le comparer aux références d'OpenAI et d'Anthropic, au-delà de ses propres promesses.
Pendant ce temps, les leaders appellent à ralentir
Ce retour intervient un mois après l'appel de Dario Amodei à ralentir le rythme d'amélioration des capacités des modèles. Dans son texte du 12 septembre, le patron d'Anthropic explique vouloir laisser davantage de temps au développement des protections face à des systèmes toujours plus autonomes, en proposant notamment l'intervention d'évaluateurs indépendants et une coordination entre acteurs et États.
Sam Altman a soutenu cette orientation le même jour, comme le rapportent les propos reproduits par SiliconANGLE : le dirigeant d'OpenAI approuve à la fois l'idée d'organiser le rythme de progression et celle de donner à des évaluateurs externes un accès renforcé aux systèmes.
Mark Zuckerberg met plutôt l'accent sur la responsabilité de chaque laboratoire, qui dispose selon lui des incitations nécessaires pour développer ses modèles en sécurité. Dans son message du 15 septembre, rapporté par Reuters, il défend cette approche en invoquant le retard pris par Meta sur Muse pour renforcer ses protections, sans avoir attendu que tous ses concurrents fassent de même.
Le désaccord porte sur la manière d'encadrer la course, et non sur la nécessité de protections. Le lancement de Wonder en modifie le contexte concurrentiel sans trancher le débat de sécurité : alors qu'OpenAI et Anthropic demandent une coordination du rythme de progression, Meta apporte des résultats qui lui permettent de revenir au contact.
Opus garde l'avantage sur un test de programmation
L'avance de Full dans l'indice général ne se retrouve pas sur toutes les tâches, comme le montre ProgramBench, une évaluation qui demande de reconstruire un programme. Le tableau publié par Meta y donne 59% à Wonder Full, 50% à Wonder, 52,5% à Astra et 70,5% à Opus 5.5 : Full dépasse encore Astra, mais Opus conserve ici une avance de 11,5 points sur Full.
Selon la fiche technique des modèles, tous utilisent le même logiciel d'exécution, mini-swe-agent, et le score mesure la part des tentatives qui passent au moins 95% des tests. Ce résultat porte donc sur la réussite à un exercice de programmation dans un environnement commun, et non sur la qualité générale du modèle.
Le classement s'inverse sur AutomationBench-AA, consacré à des enchaînements de tâches professionnelles simulées : les résultats d'Artificial Analysis repris dans le même tableau placent Full à 45,4%, devant Astra à 41,6% et Opus à 41,2%. Wonder reste derrière, à 39,1%, dans cette évaluation où la réussite exige de satisfaire tous les contrôles de fin de tâche en une seule tentative.
Full peut donc prendre l'avantage sur un travail d'automatisation tout en restant nettement distancé sur un exercice de programmation. Ces écarts imposent aussi de distinguer les deux nouveautés de Meta, puisque les meilleurs résultats de Full ne décrivent pas les capacités de Wonder, pourtant plus largement accessible.
Le modèle qui impressionne n'est pas le plus accessible
Au lancement, Wonder est proposé dans Meta Model API et Muse Code, pour intégrer le modèle à des logiciels ou l'utiliser dans l'outil de programmation de Meta. Full reste en revanche réservé à certaines formules payantes de Muse Code et n'est pas disponible dans l'API, tandis que l'arrivée de Wonder dans l'assistant Muse grand public est annoncée « bientôt », d'abord pour les abonnés.
Les deux modèles portent aussi le pari de Meta sur la continuité du travail : Active Memory doit conserver et retrouver les informations utiles d'une conversation à l'autre, tandis qu'Active Focus vise la poursuite d'une tâche longue, la reprise après une erreur et l'adaptation de l'approche. L'objectif est de pouvoir rouvrir un projet et continuer sans devoir réexpliquer tout son historique à l'assistant.
La portée quotidienne de ces promesses dépendra de l'accès aux modèles et des outils qui les entourent, mais Meta peut déjà opposer à ses concurrents des résultats précis, avec des forces et des faiblesses selon les tâches. Après avoir dû reconstruire sa stratégie, le groupe revient dans la comparaison autrement que par ses annonces.
