L’essentiel
Muse Spark Open offre aux équipes américaines et européennes une option open-weight solide, développée aux États-Unis, pour des agents de code capables de tourner dans leur propre infrastructure. Ce modèle mixture-of-experts de 816 Md de paramètres en active 42 Md par token, gère jusqu’à un million de tokens de contexte et se récupère sous forme de poids ou via des API hébergées, par exemple Together AI à 1,25 $ par million de tokens en entrée. Pour les équipes qui préparent une intégration de l’IA générative où le code et les données ne doivent pas quitter leur environnement, il mérite une place dans le benchmark, licence lue au préalable.
Qu’a publié Meta ?
Le 15 octobre, Meta a publié les poids de Muse Spark Open, qu’il présente comme le modèle open-weight américain le plus performant à ce jour. Selon le blog développeurs de Meta, il s’agit de la version à poids ouverts de Muse Spark 1.3, pensée pour le « long-horizon agentic work » : lire des bases de code, planifier des modifications, appeler des outils et se rattraper quand une étape échoue. Meta indique avoir ajouté un post-entraînement de sécurité supplémentaire pour que le modèle tienne sans les garde-fous système de ses produits hébergés.
La sortie répond à une stratégie claire. Bloomberg l’a résumée ainsi : Meta publie un modèle ouvert tout en gardant sa meilleure technologie fermée. Trois jours plus tôt, Meta avait lancé la famille propriétaire Muse Wonder, dont la version la plus puissante n’est même pas proposée sur son API. CNBC a mis en avant l’autre moitié de l’histoire : un partenariat avec Apple pour que les développeurs puissent exécuter le modèle en local sur des Mac haut de gamme.
Quel est le degré d’ouverture de la Muse Model License ?
Suffisant pour la plupart des équipes produit, mais sous conditions. Muse Spark Open est distribué sous la Muse Model License et non sous Apache 2.0, que Meta avait utilisée en août pour son modèle plus petit, Muse Glimmer. VentureBeat rapporte que le déploiement interne, la recherche et la plupart des produits sont couverts, tandis que les entreprises qui fournissent le modèle à des tiers et dépassent 20 millions de dollars de chiffre d’affaires brut cumulé doivent signer un accord écrit avec Meta. Une mention du type « Built with Muse Spark Open » est obligatoire, et Meta ne revendique aucun droit sur les contenus générés.
L’accès est lui aussi encadré. D’après VentureBeat, le téléchargement sur Hugging Face exige le nom complet, la date de naissance et le nom de l’organisation. Rien de tout cela n’empêche un pilote, mais les achats et le service juridique voudront valider avant que le modèle ne traite des données clients.
Que faut-il pour faire tourner Muse Spark Open ?
Surtout de la mémoire. Meta et Apple décrivent une configuration de bureau composée de deux Mac Studio M5 Ultra dotés chacun de 512 Go de mémoire unifiée, ou de quatre machines de 256 Go, via le framework MLX d’Apple ; VentureBeat chiffre l’option à quatre machines à environ 43 000 $. En data center, Hugging Face indique un seul nœud B200 pour le checkpoint NVFP4 en 4 bits et quatre nœuds de huit GPU H200 pour la précision BF16 complète. Le modèle fonctionne aussi avec SGLang, vLLM, TensorRT-LLM et llama.cpp sur du matériel NVIDIA, AMD, Intel et Apple.
La plupart des équipes commenceront en mode hébergé. Meta cite Baseten, Fireworks AI, Groq, Modal, Nebius, OpenRouter et Together AI pour l’accès par API, ainsi qu’Amazon SageMaker AI, Google Cloud Model Garden et Microsoft Foundry pour déployer les poids dans votre propre compte cloud. VentureBeat mentionne chez Together AI un tarif de 1,25 $ par million de tokens en entrée et de 4,25 $ par million de tokens en sortie.
Comment Muse Spark Open se compare-t-il aux autres modèles ouverts ?
Compétitif, sans dominer. Sur l’Artificial Analysis Intelligence Index cité par VentureBeat, Muse Spark Open obtient 39, derrière les modèles ouverts chinois MiMo-V2.6-Pro (46), GLM-5.3 (45) et Kimi K3 (44). Son point fort est l’usage d’outils : 89,2 sur MCP-Atlas contre 84,2 pour GLM-5.3. Il est en retrait sur les tâches en terminal et à l’échelle d’un dépôt, avec 76,4 sur Terminal-Bench 2.1 contre 85,0 pour Kimi K3, et 60 sur DeepSWE 1.1 contre 68.
Pour beaucoup d’acheteurs américains et européens, la qualité n’est toutefois pas le seul critère. Un modèle développé aux États-Unis, à la provenance documentée, passe souvent plus facilement les revues de risque fournisseur qu’un modèle chinois équivalent, même lorsque les deux tournent sur vos propres serveurs.
Ce que cela change pour les équipes logicielles aux États-Unis et en Europe
Le changement le plus important concerne les équipes qui ne pouvaient pas utiliser d’agents de code de premier plan parce que le code source, les données de santé ou les données de paiement ne peuvent pas partir vers une API tierce. Un déploiement auto-hébergé de Muse Spark Open dans votre propre région cloud garde prompts, dépôts et résultats à l’intérieur de votre périmètre, ce qui simplifie les questions de transfert de données au titre du RGPD et les règles sectorielles comme HIPAA ou PCI DSS. Cela ne les supprime pas : journalisation, contrôle d’accès et conservation restent à concevoir.
Le fine-tuning est la deuxième ouverture. Meta prend en charge le fine-tuning supervisé, LoRA et l’apprentissage par renforcement via des outils comme TorchTitan, NVIDIA NeMo, Hugging Face TRL, Fireworks et Together. Il devient donc réaliste d’adapter le modèle à un framework interne, aux conventions d’une base de code ou à une API métier, ce que les modèles frontière fermés permettent rarement à cette taille.
La contrepartie, c’est l’exploitation. Faire tourner un modèle de 816 Md de paramètres implique d’assumer capacité d’inférence, mises à niveau, évaluation et correctifs de sécurité. Pour une équipe sans réelle expertise MLOps, un endpoint hébergé avec déploiement privé ou clause zéro rétention peut apporter l’essentiel du bénéfice pour une fraction de l’effort. Et l’écart entre cette version ouverte et le Muse Wonder fermé de Meta rappelle l’intérêt de placer une couche indépendante du fournisseur devant tout modèle.
Ce que cela signifie pour le marché français
En France, Muse Spark Open arrive sur un marché où l’open-weight a déjà un champion national : Mistral AI publie depuis 2023 des modèles à poids ouverts, et beaucoup d’équipes les ont déjà intégrés. Le vrai test sera donc moins « Meta ou un modèle fermé » que « Meta ou Mistral » sur vos propres tickets, avec des critères concrets : qualité sur votre code, coût d’inférence et conditions de licence.
La question de l’hébergement pèse aussi plus lourd qu’ailleurs. Pour les administrations, les opérateurs d’importance vitale et une partie de la santé, l’ANSSI et sa qualification SecNumCloud servent de référence pour un cloud de confiance ; un modèle open-weight peut y être déployé, là où une API américaine hébergée pose la question des lois extraterritoriales. Côté données, la CNIL a publié des recommandations sur le développement de systèmes d’IA conformes au RGPD : à relire avant tout fine-tuning sur des données contenant des informations personnelles, avec une analyse d’impact (AIPD) si le traitement le justifie.
Comment évaluer Muse Spark Open ce trimestre
- Commencer en mode hébergé. Le comparer via une API hébergée à votre modèle de code actuel sur de vrais tickets avant d’acheter du matériel.
- Le tester là où il revendique sa force. Mesurer les appels d’outils en plusieurs étapes et les workflows MCP, et vérifier ses points faibles sur les longues tâches en terminal et à l’échelle d’un dépôt.
- Lire la licence tôt. Vérifier si votre produit revient à fournir le modèle à des tiers et si le seuil de 20 millions de dollars s’applique.
- Chiffrer honnêtement l’auto-hébergement. Comparer le coût des GPU ou des Mac Studio, de l’énergie et du temps d’ingénierie aux tarifs hébergés par token, à votre volume réel.
- Prévoir l’adaptation. Si le modèle passe le test, piloter un fine-tuning LoRA sur les conventions de votre base de code avant un déploiement complet.
Questions fréquentes
Qu’est-ce que Meta Muse Spark Open ?
Muse Spark Open est un modèle d’IA open-weight publié par Meta le 15 octobre 2026. C’est un modèle mixture-of-experts d’environ 816 milliards de paramètres au total, dont 42 milliards actifs par token, avec une fenêtre de contexte allant jusqu’à un million de tokens et des entrées texte, image, audio et vidéo. Il partage sa base avec Muse Spark 1.3 et est optimisé pour le code et les agents.
Muse Spark Open est-il gratuit pour un usage commercial ?
En grande partie, mais ce n’est pas de l’Apache 2.0. Il est distribué sous la Muse Model License propriétaire de Meta. Selon VentureBeat, le déploiement interne et la plupart des produits sont couverts, tandis que les activités de model-as-a-service au-delà de 20 millions de dollars de chiffre d’affaires brut cumulé nécessitent un accord écrit distinct avec Meta, et une mention du type « Built with Muse Spark Open » est exigée. Faites relire la licence par votre service juridique avant toute mise en production.
De quel matériel Muse Spark Open a-t-il besoin ?
De beaucoup de mémoire. Meta et Apple décrivent une configuration de bureau de deux Mac Studio M5 Ultra dotés chacun de 512 Go de mémoire unifiée, ou de quatre machines de 256 Go, via MLX. En data center, Hugging Face indique un seul nœud B200 pour la version NVFP4 et quatre nœuds de huit GPU H200 pour la précision BF16 complète. La plupart des équipes commenceront plutôt par une API hébergée.
Comment Muse Spark Open se compare-t-il aux modèles open-weight chinois ?
Il mène sur certains benchmarks d’agents et reste en retrait sur d’autres. VentureBeat fait état d’un score de 39 sur l’Artificial Analysis Intelligence Index, sous MiMo-V2.6-Pro (46), GLM-5.3 (45) et Kimi K3 (44). Il obtient 89,2 sur MCP-Atlas pour l’usage d’outils contre 84,2 pour GLM-5.3, mais 76,4 sur Terminal-Bench 2.1 contre 85,0 pour Kimi K3.
Sources
Meta — Build with Muse Spark Open (15 octobre 2026)
Hugging Face — Welcome Muse Spark Open: open-weight frontier multimodal mixture-of-experts model from Meta (15 octobre 2026)
TechCrunch — Meta launches an open-weight AI model that runs on Macs (15 octobre 2026)
Bloomberg — Meta Releases Open AI Model While Keeping Its Best Tech Closed (15 octobre 2026)
CNBC — Apple and Meta team up to make Muse AI model run on Mac computers (15 octobre 2026)
VentureBeat — Meta unveils Muse Spark Open, the new top U.S. open weights model (octobre 2026)
Aller plus loin
Salle de presse
Toutes les actualités IT & ingénierie →
Guides d’ingénierie approfondis →