Le 6 novembre 2026, Meta a annoncé sur son blog de recherche officiel que des modèles spécialisés entraînés avec Muse Wonder commencent à être déployés auprès des utilisateurs de Muse et de Meta AI. C'est le premier transfert de capacités depuis le lancement de la série Wonder, il y a quelques semaines : pas un nouveau modèle de plus, mais des capacités de pointe apportées dans les deux produits utilisés au quotidien. Le chiffre mis en avant par Meta : son Personal Superintelligence Index passe de 38 % à 47 %.
Mémoire active : ce qu'il retient, ce qu'il oublie
Le cœur de la mise à jour tient en deux capacités lancées avec Wonder. Active Memory permet à un modèle de retenir ce qui compte, de reconnaître quand une ancienne information redevient pertinente, et de distinguer l'information temporaire de l'information durable, de raisonner à travers le temps et de juger ce qui est devenu obsolète. Les chiffres de Meta : les modèles Muse améliorés oublient 2,4 fois moins souvent les informations critiques, et la part des tâches utilisant correctement le contexte critique dans l'évaluation Active Memory est passée de 76 % à 90 %. C'est exactement le problème dont traite Agent Memory : la plus grande faiblesse d'un agent n'est souvent pas qu'il ne sait pas faire, mais qu'il ne se souvient pas.
Concentration active : tenir le cap quand l'imprévu survient
Active Focus permet à un modèle de continuer à travailler vers un objectif même face à des difficultés inattendues : il a été entraîné sur les types de blocages qui surviennent dans le monde réel, si bien qu'il s'acharne davantage, se reprend ou trouve une alternative, et le taux d'achèvement des tâches quotidiennes confrontées à un problème imprévu s'est amélioré de 67 %. Les modèles spécialisés ont aussi appris le multitâche : ils savent quand faire avancer un objectif seuls et quand collaborer en direct avec l'utilisateur, et ils suivent un ajustement en cours de tâche sans se troubler. Côté Meta AI, les mêmes améliorations en font un meilleur partenaire de réflexion : il décompose les problèmes complexes en étapes claires, pose des questions de suivi plus pertinentes et suit quand on change de direction en pleine conversation.
Pour les utilisateurs, le changement est progressif : pas de nouveau produit à adopter, pas de nouvelle interface à apprendre — les mêmes conversations deviennent peu à peu plus 'retentives' et plus 'patientes'. Les limites méritent d'être notées : ce sont des 'modèles spécialisés' dont la capacité vient de l'entraînement Wonder, mais Meta ne dit pas qu'ils sont Wonder lui-même ; et les scores proviennent de l'indice et des évaluations propres à Meta, pas de benchmarks tiers — le 47 % ne doit donc pas être comparé directement aux classements d'autres fournisseurs. Le déploiement est progressif, et les régions comme les comptes recevront les nouveaux modèles à des moments différents.
Meta n'a donné aucun calendrier précis pour le déploiement complet. Deux choses sont à observer ensuite : si le modèle se souvient vraiment, dans les conversations réelles, des informations critiques d'une session à l'autre, et s'il suit vraiment — ou s'il dérive discrètement — quand une tâche en plusieurs étapes change de direction en cours de route. Les chiffres officiels ne tranchent ni l'une ni l'autre question ; il faudra l'utiliser pour le savoir.
