Qu’est-ce que Muse Wonder ?

Muse Wonder désigne une nouvelle famille de modèles de Meta comprenant Muse Wonder et Muse Wonder Full. La carte officielle indique des entrées en texte, image, vidéo et audio, avec une sortie textuelle. Les deux modèles disposent d’une fenêtre de contexte d’un million de tokens à l’inférence. 

La fenêtre de contexte correspond au volume d’informations que le modèle peut traiter dans une interaction. Il ne faut pas confondre ce volume avec une mémoire illimitée, ni le convertir en un nombre fixe de pages. La capacité effectivement exploitable dépend aussi du produit, des outils et des contraintes de la tâche. Meta souligne que les performances varient selon la configuration de service, les instructions et l’environnement dans lequel le modèle est utilisé.  

Un modèle n’est pas un agent ni un moteur de recherche

Muse Wonder est le modèle. Muse est l’agent personnel de Meta. Annoncé le 8 septembre 2026, Muse dispose, selon Meta, d’un ordinateur virtuel dédié et d’un navigateur. Il peut utiliser les applications que l’utilisateur choisit de connecter et demande une validation avant certaines actions sensibles. Lors de son annonce, il était alimenté par Muse Spark  

Muse Code est l’outil de programmation de cet écosystème. La Meta Model API permet, quant à elle, d’appeler les modèles dans une application développée par une entreprise. Ces accès ne constituent pas, à eux seuls, un moteur de recherche public. 

Cette distinction est essentielle pour le référencement : une page n’est pas “classée dans un modèle” comme dans une liste de résultats Google. Sa présence dans une réponse dépend de l’application utilisée, de la demande, des informations disponibles et des outils effectivement mobilisés. La documentation Meta sur la recherche web indique notamment qu’un outil de recherche activé n’est pas nécessairement appelé à chaque réponse.  

Muse Wonder et Wonder Full sont les modèles ; Muse est l’agent personnel ; Muse Code est l’outil de programmation ; la Meta Model API est l’accès pour les développeurs.

Infographie Natural-net : les distinctions à conserver pour comprendre le lancement. L’intégration de Wonder dans Muse est annoncée prochainement, d’abord pour les abonnés. Sources : Meta Research et Meta for Developers, vérifiées le 13 octobre 2026. 

Quelles sont les nouveautés annoncées par Meta ?

Meta présente Muse Wonder comme une progression dans les tâches agentiques personnelles et professionnelles. Un agent utilise un modèle avec des outils pour avancer dans un travail : chercher des informations, analyser des documents, modifier du code ou interagir avec des applications. La carte officielle décrit ces usages, mais précise aussi les limites des modèles. 

Active Memory : retrouver le contexte utile

Active Memory désigne la capacité décrite par Meta à conserver des informations importantes entre les conversations et à retrouver les éléments pertinents pour la tâche en cours. L’objectif est de ne pas traiter chaque nouvelle demande comme un échange entièrement isolé. 

Pour une équipe, cette orientation pourrait intéresser les projets nécessitant un suivi de contraintes ou de préférences. Il s’agit d’un usage potentiel à évaluer, pas d’une preuve que toutes les informations seront correctement mémorisées. La carte du modèle avertit que les réponses peuvent être inexactes.  

Pour les marques, aucune balise de site permettant de cibler cette mémoire personnelle n’est documentée dans l’annonce. Il serait donc trompeur de vendre une optimisation qui imposerait votre entreprise dans les souvenirs de l’agent.

Active Focus : poursuivre une tâche malgré les obstacles

Active Focus décrit la manière dont Wonder doit continuer à travailler vers un objectif complexe : tenter d’autres approches, s’adapter à des informations nouvelles, demander des précisions et vérifier les actions importantes. Meta évalue notamment cette dimension avec FocusBench et le travail prolongé de programmation avec SWE-Marathon.  

La différence recherchée ne porte donc pas uniquement sur la rédaction d’une réponse. Elle concerne la continuité du travail. Cela peut compter dans un projet où plusieurs étapes doivent être réalisées, testées et corrigées. Cette perspective doit toutefois être vérifiée sur un processus réel avant toute délégation importante.

Programmation et compréhension multimodale

Meta met en avant la programmation dans des bases de code complexes, les modifications sur plusieurs fichiers et les cycles de test et de révision. La carte du modèle prévoit aussi l’interprétation de documents, captures d’écran, graphiques, images et vidéos.  

Pour une entreprise, des essais peuvent porter sur une analyse documentaire, une correction de code ou la préparation d’un livrable à partir de plusieurs sources. Nous recommandons de mesurer le résultat final, le temps de contrôle humain et le coût complet, plutôt que de se limiter à la qualité apparente d’une première réponse.

La carte officielle signale notamment des erreurs possibles dans les raisonnements à plusieurs étapes, des limites de compréhension spatiale et 3D, ainsi qu’une évaluation linguistique incomplète. Un entraînement multilingue ne garantit donc pas une performance équivalente dans tous les usages en français. 

Muse et Manus : Meta a-t-il bénéficié du rachat temporaire ?

Meta avait commencé à intégrer les équipes et la technologie de Manus avant l’annulation du rachat. Cette période a pu favoriser un apprentissage technique, mais les sources publiques consultées ne démontrent pas qu’un composant de Manus a été repris dans Muse ni qu’il a amélioré le modèle Muse Wonder. Il faut distinguer l’intégration industrielle documentée, le transfert possible de savoir-faire et une filiation technique qui reste à établir.  

Du rachat de décembre 2025 au retour à l’indépendance

Manus est un agent généraliste développé par Butterfly Effect. Lancé en 2025, il a déplacé ses opérations de Chine vers Singapour cette même année. Ses cofondateurs sont Xiao Hong, dirigeant, et Ji Yichao, responsable scientifique. Reuters décrit alors Manus comme une architecture d’agent fonctionnant au-dessus de modèles existants, plutôt que comme un concepteur de modèle fondation comparable à Muse Wonder.  

Le 29 décembre 2025, Meta a acquis Manus, date confirmée ensuite par le communiqué officiel de séparation. L’objectif annoncé par Meta était explicite : intégrer le service dans ses produits et faire rejoindre les équipes Manus à celles de Meta pour développer des agents généralistes, notamment dans Meta AI. Ce rapprochement ne se limitait donc pas à un placement financier. 

Le 27 avril 2026, la Commission nationale chinoise du développement et de la réforme a ordonné le retrait de l’opération. Reuters rapporte que les équipes Manus avaient déjà rejoint les bureaux Meta de Singapour et que des projets étaient en cours. Le 12 juin, CNBC, reprenant une enquête Bloomberg, indique qu’une séparation opérationnelle avait été effectuée : les employés Meta devaient cesser d’utiliser les outils Manus pour leurs projets internes, tandis que l’accès des équipes Manus aux systèmes de données internes de Meta était bloqué.  

Le 11 août, Manus a annoncé son prochain retour à des opérations indépendantes. CNBC confirme le 8 octobre cette reprise d’indépendance. Le média cite Boyu Capital et IDG Capital comme chefs de file d’un nouveau financement, avec la participation des actionnaires existants Tencent, HSG et ZhenFund ; il ne publie pas de répartition détaillée du capital.  

Ce qui rend un transfert de savoir-faire plausible

L’intégration des équipes, les projets communs et les accès aux outils montrent qu’il y a eu davantage qu’une annonce de rachat. CNBC écrit encore en octobre que Meta avait commencé à intégrer la technologie et les équipes de Manus. Le conseiller spécialisé Matthias Hendrichs souligne dans ce reportage qu’une séparation des sociétés ne fait pas disparaître ce que leurs ingénieurs ont appris. C’est une analyse d’expert, pas la preuve d’un composant précis transféré.  

Sur le plan technique, une telle collaboration peut favoriser des apprentissages sur l’orchestration des outils, l’exécution dans un ordinateur virtuel ou le suivi de tâches complexes. Ces domaines correspondent aux usages d’agents décrits par les deux sociétés. Mais identifier des compétences pertinentes ne permet pas d’affirmer qu’elles ont effectivement été réutilisées dans Muse.  

Pourquoi cela ne prouve pas que Muse est une reprise de Manus

Muse est présenté par Meta comme son agent personnel. La publication technique signée Tarek Sheasha indique que Meta travaillait sur Muse et l’utilisait en interne depuis le début de 2026. Elle décrit une architecture avec ordinateur dédié, environnement d’exécution isolé et système Sentinel contrôlant les actions. Elle n’attribue pas ces composants à Manus. L’annonce Wonder, de son côté, présente une progression du préentraînement et de l’apprentissage par renforcement de modèles développés par Meta ; elle ne documente pas un apport de Manus. 

Les calendriers se chevauchent, mais un chevauchement chronologique et des fonctionnalités similaires ne suffisent pas à démontrer une causalité. Les sources citées n’identifient ni module Manus réutilisé dans Muse, ni accord de licence résiduel, ni données Manus employées pour entraîner Wonder, ni gain de performance attribué à cette acquisition. L’absence de preuve publique ne permet pas davantage de certifier qu’aucun apprentissage n’a eu lieu.

Les trajectoires publiques restent distinctes. Meta annonce pour Muse l’arrivée de Wonder et prévoit un environnement Muse Confidential VM. Manus a présenté le 28 septembre 2026 sa version 2.0, avec son système d’exécution Cascade, Manus Studio et des automatisations déclenchées par événements. À titre d’usages annoncés, Muse peut organiser des courriels ou préparer un voyage ; Manus peut mener une recherche, analyser des données ou produire un site web. Ces possibilités ne constituent pas une preuve de technologie commune.  

La conclusion rigoureuse est donc la suivante : Meta a disposé d’une période d’intégration pouvant favoriser un transfert de savoir-faire ; une contribution précise de Manus à Muse ou à Muse Wonder n’est pas publiquement démontrée au 13 octobre 2026. Pour le SEO/GEO, ce passé commun ne permet pas de supposer que les deux outils sélectionnent les mêmes sources ou recommandent les mêmes entreprises. Leurs réponses doivent être observées séparément.

Comment accéder à Muse Wonder et combien coûte-t-il ?

Au lancement, Muse Wonder est disponible via la Meta Model API et Muse Code. Meta indique que le modèle alimentera prochainement des expériences dans Muse, avec un déploiement initial pour les abonnés. Il ne faut pas présenter cette intégration future comme déjà généralisée. Reuters confirme cette séparation entre l’accès aux modèles et leur arrivée dans l’agent personnel.  

Les tarifs API de Muse Wonder

La page officielle affiche les prix suivants pour Muse Wonder 1.0, par million de tokens :

  • 4 USD pour les tokens d’entrée ;
  • 0,20 USD pour les tokens d’entrée en cache ;
  • 20 USD pour les tokens de sortie. 

Ces montants sont ceux affichés le 13 octobre 2026. Ils ne constituent pas un prix par article, par utilisateur ou par projet. Une tâche agentique peut appeler le modèle plusieurs fois ; son budget doit être établi à partir de la consommation observée et des conditions du service.

Les conditions d’accès à Muse Wonder Full

La page développeur indique un accès à Muse Wonder Full via Muse Code, dans les formules Power Usage à 50 USD par mois et Maximum Usage à 200 USD par mois. Ces offres comportent des niveaux d’usage ; elles ne doivent pas être présentées comme illimitées. La même page ne fournit pas de tarif API pour Full. 

Artificial Analysis décrit Wonder Full comme un modèle propriétaire dont les poids ne sont pas publiquement disponibles. Un accès par abonnement ou API ne signifie donc pas que le modèle est open source.  

Muse est-il disponible en France ?

L’annonce de l’agent Muse décrit un déploiement aux États-Unis, sur iOS, Android et muse.ai. Les sources consultées ne confirment pas une disponibilité grand public équivalente en France au 13 octobre 2026. Les conditions d’accès à Muse, à Muse Code et à la Meta Model API doivent être vérifiées séparément.  

Muse Wonder est-il meilleur que les modèles d’OpenAI et d’Anthropic ?

Les données disponibles permettent des comparaisons ciblées, pas un verdict universel. Il faut comparer des versions de modèles sur un test identifié, plutôt que de conclure que « Meta dépasse ChatGPT » ou que « Wonder remplace Claude » dans tous les usages.

Une performance élevée sur DeepSWE 1.1

Dans le tableau publié par Meta, Muse Wonder Full atteint 79,0 % et Muse Wonder 78,8 % sur DeepSWE 1.1, contre 74,1 % pour GPT-6 Astra, 74,2 % pour Claude Opus 5.5 et 67,4 % pour Claude Fable 5.1. Cet indicateur mesure la réussite au premier essai sur des tâches d’ingénierie logicielle de longue durée, selon le protocole du benchmark.  

Ce résultat soutient l’intérêt d’évaluer les modèles Wonder pour le développement. Il ne mesure ni leur qualité rédactionnelle en français, ni leur pertinence pour recommander une agence, ni la visibilité d’un site dans une réponse IA.

Des résultats moins élevés sur d’autres indicateurs

Sur OSWorld V2.1, le tableau Meta affiche un score partiel de 78,4 pour Wonder Full, contre 81,8 pour Claude Opus 5.5. Il s’agit d’un score de réussite partielle sur des tâches d’utilisation d’un ordinateur, pas du pourcentage de tâches entièrement terminées.  

Sur l’Artificial Analysis Intelligence Index, Wonder Full obtient 56 points, contre 58 pour Claude Opus 5.5 dans le tableau Meta. La fiche indépendante d’Artificial Analysis confirme le score de 56 pour Wonder Full. Ce sont des points d’indice, non un pourcentage de réponses correctes.  

Ces exemples montrent pourquoi il est préférable de parler de forces par usage plutôt que de proclamer un « meilleur LLM » absolu.

Pourquoi les protocoles comptent autant que les scores

La carte du modèle précise que les comparaisons associent des évaluations externes, des résultats annoncés par les fournisseurs et des mesures internes. Les résultats DeepSWE des modèles Wonder et de Claude Opus 5.5 proviennent de Datacurve ; les autres résultats de cette ligne proviennent des fournisseurs concernés. 

Certains indicateurs, comme le Personal Superintelligence Index, MemoryBench et FocusBench, sont internes à Meta. SWE-Marathon mélange aussi des produits et configurations d’agents différents ; cette ligne n’est pas une comparaison contrôlée avec un environnement commun. 

Notre conseil : choisir sur une tâche métier, pas sur un classement isolé. Pour un projet web ou marketing, utilisez les mêmes documents, les mêmes consignes et les mêmes critères : exactitude, qualité du résultat, contrôle nécessaire, coût et compatibilité avec vos contraintes de données.

Comment être visible dans Muse et Meta AI ?

Le point de départ vérifiable est l’accessibilité de vos contenus publics, pas une recette de classement propre à Muse Wonder. Meta documente certains mécanismes de découverte pour Meta AI. En revanche, les sources de lancement ne publient pas une méthode garantissant qu’une marque sera recommandée dans Muse.  

Chez Natural-net, nous utilisons le terme Generative Engine Optimization, ou GEO, pour désigner le travail visant à rendre les contenus accessibles, compréhensibles et vérifiables lorsqu’un système génératif recherche des informations et construit une réponse. Les recommandations suivantes relèvent de notre méthode ; elles ne sont pas des facteurs de classement annoncés par Meta.

1. Vérifier Meta-WebIndexer sans confondre recherche et entraînement

La documentation officielle indique que Meta-WebIndexer explore le web pour améliorer la qualité de la recherche Meta AI. Meta précise qu’autoriser ce robot dans robots.txt aide à citer et à relier les contenus dans les réponses de Meta AI. C’est le levier technique le plus directement documenté pour ce périmètre.  

Cette documentation distingue plusieurs usages : Meta-ExternalAgent sert notamment à l’entraînement des modèles et à l’amélioration des produits par indexation ; Meta-ExternalFetcher consulte des liens à la demande de l’utilisateur et soutient des fonctions agentiques. Meta indique que ce dernier peut contourner les règles de robots.txt. FacebookExternalHit sert principalement à construire les aperçus des liens partagés. 

Il ne faut donc pas traiter tous les robots Meta comme un seul système. Autoriser l’exploration pour la recherche, accepter certains usages d’entraînement et permettre une consultation demandée par l’utilisateur constituent des choix distincts, à examiner avec votre responsable technique.

Avant une modification, vérifiez les règles existantes, le pare-feu applicatif, le CDN et l’accès aux seules pages publiques. Un fichier robots.txt ne protège pas une zone privée : celle-ci doit conserver une authentification et des contrôles d’accès. La documentation citée concerne Meta AI ; elle ne décrit pas toute la chaîne de sélection des sources de Muse et ne donne aucune garantie de citation.  

2. Répondre clairement aux questions commerciales

Une page de service doit permettre de comprendre ce que vous proposez, à qui, dans quelle zone et avec quelles limites. Nous recommandons de publier des réponses explicites aux questions de vos prospects : prestations incluses, modalités, délais annoncés, critères de choix et conditions tarifaires lorsque vous pouvez les communiquer.

Pour une agence web, une phrase comme « Nous accompagnons les PME dans la refonte de leur site, de l’audit au suivi de projet ; les livrables et responsabilités sont définis au cadrage » apporte davantage d’information qu’un slogan général sur la transformation digitale. Cet exemple illustre une méthode rédactionnelle, pas un signal de classement officiellement confirmé par Meta.

Les définitions, réponses courtes et titres en questions facilitent aussi la lecture. Ils doivent être suivis d’explications et de preuves, sans répéter artificiellement les mêmes mots-clés. Notre guide de visibilité sur ChatGPT prolonge cette approche éditoriale.

3. Publier des preuves attribuées et maintenir l’identité de l’entreprise

Associez vos affirmations à des éléments consultables : études de cas autorisées, dates, périmètres de mission, auteurs identifiés, méthodes et sources primaires. Si un résultat concerne un client ou une expérimentation, indiquez le contexte au lieu de le transformer en promesse générale.

Vérifiez également la cohérence du nom de l’entreprise, des coordonnées, des offres et des zones desservies entre vos pages et vos profils publics. Notre article sur le NAP, le SEO local et le GEO détaille ce travail d’identité.

Des mentions pertinentes par des tiers peuvent compléter ces preuves. Nous recommandons de rechercher une reconnaissance réelle sur votre domaine d’expertise, pas d’accumuler des publications artificielles censées “forcer” une recommandation IA.

4. Conserver les fondamentaux SEO et un balisage fidèle

Google rappelle que les fondamentaux SEO restent pertinents pour AI Overviews et AI Mode : accès à l’exploration, liens internes, contenu important sous forme textuelle et données structurées cohérentes avec la page. Pour ces fonctionnalités de Google, aucun fichier IA ni schéma spécial n’est requis, et l’apparition n’est pas garantie.  

Cette position concerne Google, pas le fonctionnement interne de Meta. Elle donne néanmoins une raison de ne pas abandonner le SEO au profit d’une surcouche présentée comme magique.

Pour cet article, un balisage BlogPosting décrivant correctement le titre, l’auteur et les dates est pertinent. Il ne garantit pas une reprise par Muse. De même, les sources consultées ne permettent pas de présenter llms.txt comme une exigence de visibilité propre à Muse Wonder.

5. Rendre les parcours utilisables, pas seulement les textes citables

Meta décrit Muse comme un agent doté d’un navigateur et capable d’interagir avec des applications. 

Nous recommandons donc de vérifier, d’abord pour les utilisateurs humains, que les parcours de votre site sont compréhensibles : offres lisibles, boutons explicites, formulaires accessibles, erreurs expliquées et confirmation claire des actions.

Un contenu peut informer correctement sans permettre de finaliser une demande de devis ou de rendez-vous. Soigner cette continuité reste utile, même si aucun agent ne visite le parcours. Ce n’est pas la preuve que Muse sélectionnera votre entreprise ; c’est une recommandation de conception web.

Comment mesurer sa visibilité sans tirer de conclusions hâtives ?

Une mention, une citation et une recommandation ne sont pas équivalentes. Une marque peut être nommée sans lien ; un article peut être cité sans que l’entreprise soit recommandée ; une recommandation peut reprendre une information erronée.

Nous préconisons un corpus stable de questions métier, exécuté dans de nouvelles conversations. Pour chaque observation, notez la date, la plateforme, le modèle lorsqu’il est identifiable, la formule d’accès, la langue, le pays et les outils disponibles. Conservez la réponse, les sources affichées et les éventuelles erreurs.

Mesurez séparément la fréquence de mention, les liens vers votre domaine et les recommandations. Suivez aussi les visites et contacts attribuables dans vos outils d’analyse, en sachant que l’attribution peut être incomplète. Une augmentation sur un petit échantillon ne prouve pas, à elle seule, l’effet d’une modification SEO.

Nos guides consacrés à ChatGPT et au Chat de Mistral AI complètent cette démarche. Les observations doivent rester séparées par plateforme, sans extrapoler les résultats de l’une à l’autre.

Questions fréquentes sur Muse Wonder

Quelle est la date de lancement de Muse Wonder ?

Meta a annoncé Muse Wonder et Muse Wonder Full le 12 octobre 2026. L’accès aux modèles via les produits développeurs ne doit pas être confondu avec leur intégration dans l’agent Muse, annoncée prochainement. 

Quelle différence entre Muse Wonder et Muse ?

Muse Wonder est une famille de modèles d’IA. Muse est l’agent personnel de Meta, doté selon l’éditeur d’un ordinateur dédié, d’un navigateur et de connexions à des applications autorisées par l’utilisateur. 

Muse Wonder est-il gratuit ?

L’API Muse Wonder est tarifée : Meta affiche 4 USD par million de tokens d’entrée, 0,20 USD pour l’entrée en cache et 20 USD pour la sortie. Les conditions de l’agent Muse constituent une offre distincte.  

Comment accéder à Muse Wonder Full ?

Au 13 octobre 2026, la page officielle indique un accès via Muse Code dans les plans Power Usage et Maximum Usage, affichés respectivement à 50 et 200 USD par mois. Elle ne publie pas de prix API pour Wonder Full.  

Muse Wonder Full est-il open source ?

Artificial Analysis le décrit comme propriétaire, avec des poids non publics. Il ne faut donc pas présenter son accès par abonnement comme une disponibilité open source.  Muse Wonder est-il meilleur que ChatGPT ou Claude ?

Les comparaisons disponibles portent sur des modèles précis et des benchmarks identifiés. Wonder affiche des résultats élevés sur DeepSWE 1.1, tandis que d’autres modèles obtiennent de meilleurs scores sur certains indicateurs ; cela ne justifie pas un verdict général sur toutes les applications.  

Quel robot Meta faut-il examiner pour la visibilité dans Meta AI ?

Meta documente Meta-WebIndexer pour la recherche de Meta AI et indique que l’autoriser peut aider à citer et à relier vos contenus. Cette autorisation n’est pas une garantie ; elle doit respecter votre politique d’accès et rester distincte de l’autorisation d’autres usages.  

Muse vient-il de la technologie de Manus ?

Meta avait commencé à intégrer les équipes et la technologie de Manus avant la séparation. Un apprentissage technique est plausible, mais les sources consultées ne démontrent pas qu’un composant Manus a été repris dans Muse ni qu’il a amélioré Muse Wonder. 

Peut-on garantir qu’une entreprise sera citée dans Muse ?

Non. Les sources de lancement ne publient pas de procédure garantissant une citation ou une recommandation. Le travail SEO/GEO consiste à améliorer les conditions de découverte et la qualité des informations, puis à observer les résultats dans un protocole documenté.

Préparer votre visibilité IA avec Natural-net

Le lancement de Muse Wonder mérite d’être suivi pour ses capacités de programmation, d’analyse et de travail agentique. Pour votre visibilité, la priorité est plus concrète : disposer d’un site accessible, d’informations fiables, de preuves attribuées et de parcours utilisables.

Natural-net propose un audit de visibilité IA et GEO pour établir un point zéro, distinguer mentions et citations, analyser les sources et prioriser les préconisations. Le périmètre des plateformes est défini au cadrage selon les usages de vos prospects et les accès disponibles ; cet article ne prétend pas qu’un audit Wonder a déjà été réalisé.

Vous souhaitez préparer votre site aux moteurs de réponse et aux agents ? Échangez avec Natural-net sur votre stratégie SEO/GEO, ou découvrez notre formation GEO et IA. L’objectif est de construire une démarche vérifiable et mesurable, pas de promettre une position que personne ne contrôle.

Sources et références

Les informations produit, tarifs et résultats ci-dessus ont été vérifiés le 13 octobre 2026. Les performances annoncées par Meta sont attribuées à leur source ; les recommandations SEO/GEO sont celles de Natural-net. Les prix et conditions d’accès peuvent évoluer.