Muse Spark Open de Meta : un modèle à poids ouverts de 816 milliards de paramètres qui reste derrière les meilleurs modèles chinois

Ce que Meta Superintelligence Labs a publié le 15 octobre 2026

Selon Itdaily, Meta Superintelligence Labs a lancé Muse Spark Open le 15 octobre 2026, que Meta présente comme le modèle américain à poids ouverts le plus puissant à ce jour (« the most powerful American open-weight model to date »). Ce lancement s’inscrit dans une réorganisation de la gamme de Meta : comme le rappelle Khaleej Times, la famille Llama avait pris du retard sur le secteur, et Meta avait annoncé quelques jours plus tôt deux modèles de pointe fermés, Muse Wonder et Wonder Full.

Sur le plan technique, Muse Spark Open repose sur une architecture à mélange d’experts de très grande taille. D’après Itdaily, le modèle compte 816 billion de paramètres au total dont 42 billion actifs, avec une fenêtre de contexte d’un million de jetons (« one-million-token context window »).

La diffusion est d’emblée très large. Comme l’indique Itdaily, les poids sont disponibles sur Hugging Face, Amazon SageMaker AI, Google Cloud Model Garden et Microsoft Foundry Models. Les équipes techniques peuvent ainsi télécharger les poids ou utiliser le modèle via les principaux clouds.

Benchmarks : les chiffres de Meta face à l’Artificial Analysis Intelligence Index

Dans sa communication, la direction de Meta vise directement les laboratoires chinois à poids ouverts. Selon Khaleej Times, Alexandr Wang, directeur de l’IA (« chief AI officer ») chez Meta, a affirmé que le modèle rivalise avec les principaux modèles chinois à poids ouverts et les surpasse dans certains cas (« rivals, and in some cases outperforms »), tout en étant le modèle américain à poids ouverts le plus performant à ce jour.

Les tableaux publiés par Meta montrent toutefois un bilan contrasté selon le type de tâche. Comme le détaille Pasquale Pillitteri, les propres chiffres de Meta donnent à Muse Spark Open un score de 89.2 sur MCP-Atlas (avec outils) contre 82.3 pour Kimi K3, mais le placent en retrait sur Terminal-Bench 2.1 avec 76.4 contre 85.0 pour Kimi K3. Ces chiffres sont publiés par Meta et n’ont pas été vérifiés de manière indépendante.

Sur un indice indépendant agrégé, l’avance des modèles ouverts chinois apparaît plus nettement. D’après Pasquale Pillitteri, sur l’Artificial Analysis Intelligence Index, Muse Spark Open obtient un score de 39, derrière GLM 5.3 (45), Kimi K3 (44) et Qwen3.8 (40). Autrement dit, même s’il occupe la première place parmi les modèles américains à poids ouverts et affiche un score interne de 89.2 sur MCP-Atlas avec outils, il reste devancé par trois familles chinoises sur cet indice indépendant.

Empreinte mémoire et licence propriétaire Muse Model License

Pour les équipes qui envisagent un hébergement sur site, les besoins matériels d’un modèle de 816 billion de paramètres sont considérables, même avec seulement 42 billion de paramètres actifs par jeton. Selon Pasquale Pillitteri, la version compressée NVFP4 exige au moins 700 GB de mémoire et la version complète BF16 nécessite 2 TB de mémoire, bien que le modèle puisse tourner localement sur deux Mac Studio équipés de puces M5 Ultra.

La nuance juridique entre « poids ouverts » et licence open source est tout aussi importante. Comme le souligne Pasquale Pillitteri, les poids sont publiés sous la licence propriétaire Muse Model License assortie de conditions commerciales restreintes, incluant l’obligation de conclure un accord pour les fournisseurs d’API dépassant $20M de chiffre d’affaires brut cumulé sur 12 mois. Le terme « open weights under a proprietary license » décrit exactement la situation : les poids sont téléchargeables, mais leur exploitation commerciale sous forme d’API est encadrée.

Ce que cela signifie pour les équipes algériennes

Aucune des sources citées ne mentionne l’Algérie, et cette sortie s’inscrit dans la compétition américano-chinoise. Néanmoins, de nombreuses startups, entreprises et universités algériennes ont pris l’habitude d’utiliser les modèles Llama de Meta comme référence par défaut. Avec le passage de Meta à deux modèles de pointe fermés (Muse Wonder et Wonder Full) et un modèle Muse Spark Open de 816 billion de paramètres, les équipes algériennes doivent ajuster leurs critères de choix.

1. Intégrez l’exigence de 700 GB (NVFP4) à 2 TB (BF16) de mémoire dans vos calculs d’infrastructure

Même si seuls 42 billion de paramètres sont actifs, Muse Spark Open demande au moins 700 GB de mémoire en format compressé NVFP4 et 2 TB en BF16 — ou deux Mac Studio dotés de puces M5 Ultra. Pour la quasi-totalité des startups et laboratoires algériens, l’hébergement local d’un modèle de 816 billion de paramètres sera bien plus lourd qu’un accès cloud via Amazon SageMaker AI, Google Cloud Model Garden ou Microsoft Foundry Models.

2. Comparez systématiquement Muse Spark Open à GLM 5.3, Kimi K3 et Qwen3.8

Sur l’Artificial Analysis Intelligence Index, Muse Spark Open obtient 39 contre 45 pour GLM 5.3, 44 pour Kimi K3 et 40 pour Qwen3.8, et les propres chiffres de Meta le placent derrière Kimi K3 sur Terminal-Bench 2.1 (76.4 contre 85.0). Les équipes algériennes ne doivent donc plus choisir Meta par automatisme, mais tester les modèles ouverts chinois en parallèle.

3. Ciblez vos tests sur les flux d’agents utilisant des outils via MCP

Le point fort mis en avant par Meta dans ses chiffres non vérifiés concerne MCP-Atlas (avec outils), où Muse Spark Open atteint 89.2 contre 82.3 pour Kimi K3, en complément de sa fenêtre de contexte d’un million de jetons. Si votre équipe développe des agents connectés à des outils externes sur le cloud, c’est sur ce cas d’usage précis qu’il faut évaluer le modèle.

4. Vérifiez la licence propriétaire Muse Model License auprès de vos équipes juridiques

Muse Spark Open étant distribué sous la licence propriétaire Muse Model License — avec une obligation d’accord pour les fournisseurs d’API au-delà de $20M de revenus bruts cumulés sur 12 mois — il ne s’agit pas d’une licence Apache 2.0. Même si le seuil de $20M sur 12 mois ne concerne pas directement les jeunes pousses locales, les banques et organismes publics algériens doivent examiner ces clauses propriétaires avant tout déploiement.

Vue d’ensemble : les « poids ouverts » riment désormais avec mémoire massive et licences sur mesure

La sortie de Muse Spark Open le 15 octobre 2026 révèle deux tendances lourdes. D’une part, Meta réserve désormais sa pointe absolue à ses modèles fermés Muse Wonder et Wonder Full tout en publiant un modèle à poids ouverts de 816 billion de paramètres qui exige au moins 700 GB de mémoire en NVFP4 ou 2 TB en BF16. D’autre part, même le modèle qu’Alexandr Wang présente comme le plus performant des modèles américains à poids ouverts arrive avec un score de 39 sur l’Artificial Analysis Intelligence Index, derrière GLM 5.3 (45), Kimi K3 (44) et Qwen3.8 (40).

Pour les décideurs techniques en Algérie, la conclusion appelle au pragmatisme. La disponibilité immédiate sur Hugging Face, Amazon SageMaker AI, Google Cloud Model Garden et Microsoft Foundry Models facilite les tests dans le cloud, notamment pour exploiter la fenêtre d’un million de jetons et l’appel d’outils. Mais entre son empreinte mémoire de 700 GB à 2 TB, sa licence propriétaire Muse Model License et la compétitivité des modèles chinois, Muse Spark Open est une option parmi d’autres, plus un choix par défaut.

Questions Fréquemment Posées