IA : Meta lance Muse Ember, un modèle léger pour réduire les coûts des agents

Meta enrichit sa gamme de modèles d’intelligence artificielle avec Muse Ember, conçu pour automatiser à grande échelle les tâches répétitives des agents IA. Doté d’une fenêtre de contexte d’un million de tokens, ce modèle multimodal mise sur son coût par tâche pour concurrencer Claude Haiku 5.5 d’Anthropic et GPT-6 Luna d’OpenAI. Il est disponible via la Meta Model API et Muse Code.

Meta poursuit le développement de sa famille de modèles Muse avec Ember, présenté le 9 novembre 2026. Contrairement aux modèles les plus puissants, généralement mobilisés pour résoudre des problèmes complexes, cette nouvelle déclinaison cible les opérations fréquemment exécutées par les agents d’intelligence artificielle. Le groupe mentionne notamment les appels d’outils, l’extraction de données, l’analyse documentaire et certaines tâches de programmation.

Cette spécialisation répond à un enjeu économique pour les entreprises. Les agents IA peuvent enchaîner de nombreuses opérations intermédiaires pour mener à bien un processus métier. Solliciter systématiquement un modèle haut de gamme augmente la consommation de tokens et les coûts d’exploitation. Meta privilégie donc une architecture répartissant les traitements selon leur complexité.

Muse Ember complète une gamme comprenant Muse Wonder, destiné aux raisonnements les plus exigeants, et Muse Spark, orienté vers la programmation et les processus agentiques. Meta recommande notamment d’associer Ember à Wonder : le premier exécute les opérations répétitives, tandis que le second intervient dans les phases de planification et de résolution de problèmes complexes.

Un million de tokens et des capacités multimodales

Malgré son positionnement sur l’efficacité, Muse Ember prend en charge le texte, les images, les contenus audio et les vidéos. Il peut notamment analyser des captures d’écran, des documents numérisés ou des enregistrements de réunions sans nécessiter systématiquement un autre modèle.

Sa fenêtre de contexte atteint un million de tokens, avec une capacité de génération maximale de 512 000 tokens. Cette configuration permet d’exploiter d’importants volumes d’informations dans une même requête, notamment des bases de code et des ensembles documentaires. Meta n’a pas communiqué le nombre de paramètres du modèle.

Pour les DSI, ces caractéristiques pourraient faciliter l’automatisation de processus impliquant plusieurs applications. Les bénéfices dépendront néanmoins de la précision des réponses, de la latence et des mécanismes de supervision déployés.

Des performances compétitives face à Anthropic et OpenAI

Meta positionne Muse Ember face à Claude Haiku 5.5 et GPT-6 Luna. Sur l’indice d’intelligence d’Artificial Analysis, Ember obtient 35,8 au niveau maximal de raisonnement, contre 36,2 pour Claude Haiku 5.5 et 27,8 pour GPT-6 Luna. Son coût par tâche est estimé à 0,136 dollar, contre 0,411 dollar pour Haiku, soit environ trois fois moins.

Sur AutomationBench-AA, qui mesure l’exécution de 657 processus métier automatisés, Ember affiche 37,8 % de réussite, contre 20,2 % pour GPT-6 Luna et 13,9 % pour Claude Haiku 5.5. Meta revendique également un score de 69,5 % sur OSWorld 2.1, selon la méthode d’évaluation à crédit partiel.

Ces résultats restent dépendants des conditions de test. Claude Haiku 5.5 conserve notamment l’avantage sur FrontierCode 2.0, consacré à l’ingénierie logicielle, avec 34,9 % de réussite contre 27,2 % pour Ember. Le coût par tâche de Muse Ember est par ailleurs une estimation fondée sur sa tarification annoncée.

Un même tarif que ses concurrents, mais moins de tokens consommés

Muse Ember est accessible sous l’identifiant muse-ember-1.0 via la Meta Model API et Muse Code. Il prend également en charge la Responses API.

Meta facture 0,10 dollar par million de tokens en entrée, 0,004 dollar pour les tokens en cache et 0,50 dollar par million de tokens générés. Ces tarifs sont identiques au tarif standard de Claude Haiku 5.5 et de GPT-6 Luna. L’avantage revendiqué par Meta ne tient donc pas au prix unitaire, mais au nombre plus réduit de tokens nécessaires pour accomplir une tâche. Pour les requêtes dont l’entrée dépasse 200 000 tokens, Meta applique des tarifs plus élevés.

Cette approche pourrait intéresser les entreprises souhaitant industrialiser leurs agents IA sans mobiliser en permanence les modèles les plus coûteux. Le coût total dépendra toutefois des volumes traités, des appels successifs et des dispositifs de supervision. Avec Ember, Meta mise sur la spécialisation pour concilier performances et maîtrise des dépenses opérationnelles.