Meta vient de lancer un modèle IA à poids ouvert de 816 milliards de paramètres capable de fonctionner sur deux Mac Studios. @Meta a publié Muse Spark Open, son nouveau modèle IA conçu pour le codage complexe, les agents autonomes et les tâches d’ingénierie de longue durée. La particularité réside dans le fait que les développeurs peuvent télécharger les poids et exécuter un modèle de cette échelle sur du matériel local, sans dépendre entièrement des API cloud. Voici ce que Meta a intégré dans ce modèle : - 816 milliards de paramètres au total - 42 milliards de paramètres actifs par token - Fenêtre de contexte de 1 million de tokens - Entrée native pour texte, image, vidéo et audio - Prise en charge des matériels AMD, Apple, Intel et NVIDIA L’architecture utilise le Mixture of Experts. Au lieu d’activer tous les 816 milliards de paramètres pour chaque token, le modèle n’en utilise environ 42 milliards, réduisant ainsi la puissance de calcul requise lors de l’inférence. Cela rend son déploiement sur ordinateur de bureau particulièrement intéressant. Meta a collaboré avec Apple pour optimiser Muse Spark Open sur deux Mac Studios M5 Ultra via le framework MLX. Ensemble, ces machines offrent jusqu’à 1 To de mémoire unifiée. L’entreprise a également démontré des flux de travail agentic exécutés localement : - Correction de bugs et mise en œuvre de fonctionnalités dans une application iOS - Finalisation de builds logiciels via Muse Code - Contrôle de DaVinci Resolve pour analyser des séquences vidéo - Identification des moments forts des vidéos et création de rognages verticaux Le modèle est disponible via Hugging Face et des fournisseurs d’API tels que Groq, Together AI, Fireworks et OpenRouter. Mais il existe une distinction importante : « poids ouvert » ne signifie pas « open source sans restriction ». La licence Muse Model de Meta inclut des limites commerciales, et l’exécution locale d’un modèle de 816 milliards de paramètres nécessite toujours un matériel coûteux. Ce qui m’intéresse le plus, c’est ce que cela pourrait signifier pour les opérations natives à l’IA. Les équipes marketing construisent de plus en plus d’agents capables de traiter les conversations clients, d’analyser les concurrents, de classer le contenu et de coordonner les flux de production. Aujourd’hui, beaucoup de ces systèmes dépendent de fournisseurs externes pour chaque étape. Des modèles à poids ouvert plus performants offrent une autre option : exécuter des recherches sensibles, traiter des connaissances internes et gérer des agents spécialisés sur une infrastructure contrôlée par l’organisation. Cela ne rend pas automatiquement l’IA locale moins chère ni meilleure. Les coûts de déploiement, la vitesse d’inférence, la maintenance et la qualité du modèle déterminent toujours s’il est pertinent. Mais le paysage concurrentiel évolue. L’accès à des modèles puissants devient progressivement moins dépendant d’un petit nombre de fournisseurs d’API fermés. Et à mesure que l’accès aux modèles devient plus flexible, l’avantage passe aux équipes capables de construire des flux fiables, d’intégrer des données propriétaires et de transformer les capacités de l’IA en systèmes utiles.