Meta, le groupe américain, a annoncé jeudi, heure locale, son modèle à poids ouverts Muse Spark Open. Celui-ci compte 816 milliards de paramètres et dispose d’une fenêtre de contexte d’un million de tokens. Il a été conçu pour fonctionner en local sur des ordinateurs Apple. Il est déjà disponible via plusieurs plateformes d’API.
Fonctionne sur Mac, mais pas forcément sur le vôtre
À l’idée d’une « IA qui fonctionne sur Mac », on imagine facilement pouvoir la télécharger et l’essayer sur son ordinateur portable actuel. Mais cette fois, les choses ne sont pas si simples. Pour faire fonctionner localement un modèle de 816 milliards de paramètres, il faudrait au moins 1 To de mémoire, selon les informations disponibles. On est un ordre de grandeur au-dessus de la mémoire d’un ordinateur portable classique.
L’environnement présenté comme optimal est un Mac Studio équipé de la puce M5 Ultra. Avec ce modèle, Meta semble moins mettre en avant la simplicité d’utilisation que la possibilité de traiter un modèle gigantesque sur un appareil posé sur son bureau, sans le confier au cloud.
Cela dit, le simple fait qu’une telle « option existe » n’a rien d’anodin. Jusqu’ici, les modèles de très grande taille étaient de l’autre côté des centres de données. Ils commencent désormais à apparaître à portée des ordinateurs de bureau. Même si les conditions d’exécution restent exigeantes, cette évolution mérite d’être suivie.
De l’IA qui écrit du code à celle qui regarde des vidéos
Muse Spark Open repose sur une architecture multimodale native, capable de traiter notamment des images, et a été conçu pour des tâches de programmation complexes et des usages agentiques. Un usage agentique ne consiste pas à répondre une seule fois à une question, mais à planifier et à exécuter de manière autonome plusieurs étapes pour accomplir une tâche.
Meta explique avoir associé le modèle à son terminal de programmation IA Muse Code et l’avoir utilisé dans divers flux de travail agentiques. L’entreprise cite notamment des modifications apportées au client du réseau social décentralisé Mastodon. Le modèle aurait réalisé toute l’opération, de la correction de bugs à l’ajout de fonctionnalités, jusqu’à la compilation.
Il aurait également servi à utiliser le logiciel de montage vidéo DaVinci Resolve, notamment pour examiner des séquences et les recadrer. Du code aux outils de montage vidéo professionnels, les situations où l’IA manipule des applications à l’écran se multiplient bel et bien.
Ce qui me semble intéressant, c’est que ces deux exemples concernent des tâches réalisées sur un ordinateur de bureau. On passe d’une IA qui répond dans une fenêtre de chat à une IA qui travaille devant un PC, comme un collègue. C’est peut-être aussi là que réside l’intérêt de privilégier une exécution locale sur Mac.
La valeur des modèles à poids ouverts ne se mesure pas uniquement à leurs performances
Meta affirme, sur la base des résultats d’évaluation publiés, que son modèle surpasse les autres grands modèles à poids ouverts. L’entreprise le présente également comme le modèle à poids ouverts le plus performant aux États-Unis.
Mais l’intérêt des modèles à poids ouverts ne se résume pas à un classement. Leurs poids — autrement dit, le contenu même du modèle entraîné — sont publiés. Par rapport aux modèles fermés, ils peuvent ainsi présenter un avantage en matière de coûts, tout en facilitant la transparence de leur fonctionnement et la flexibilité de leurs usages.
Pour les entreprises, le choix consiste à décider si elles préfèrent utiliser le modèle facilement via une API ou le déployer dans leur propre environnement. La première option permet une mise en place rapide ; la seconde évite que les données ne sortent de l’entreprise. Le seuil de 1 To constitue un obstacle de taille, mais les organisations qui traitent des développements hautement confidentiels ou des séquences vidéo pourraient juger que l’investissement en vaut la peine.
Muse Spark Open apporte un nouvel élément à prendre en compte dans cette décision. L’essayer via une API, puis le déployer localement si nécessaire : cette approche en deux temps pourrait devenir la manière standard d’utiliser les IA à poids ouverts.
コメント