Muse Spark 1.1 : Meta vend son premier modele IA et entre dans la bataille du code

Meta a lance Muse Spark 1.1 le 9 juillet 2026, et pour la premiere fois, elle fait payer l'acces a l'un de ses modeles. Le modele cible le code agentique et l'orchestration multi-agent, avec une fenetre de contexte d'un million de tokens. C'est aussi le premier modele Meta distribue via une API payante, la Meta Model API, qui met Meta en competition directe avec OpenAI et Anthropic sur le creneau des developpeurs.

Voici ce que Muse Spark 1.1 fait, combien ca coute, et pourquoi le simple fait que Meta fasse payer change la donne.

Ce qu'est Muse Spark 1.1

Muse Spark 1.1 est le deuxieme modele de Meta Superintelligence Labs, issu de l'equipe que Meta a montee pour rattraper OpenAI, Anthropic et Google. La premiere version, sortie en avril 2026, etait un modele de raisonnement en preview privee. La version 1.1 change de cible : elle est concue pour le code agentique, l'utilisation d'outils et le travail multi-etapes.

Concretement, le modele peut :

• ecrire et debugger du code : il diagnostique des bugs complexes, implemente des fonctionnalites dans des systemes existants et execute des migrations de code.
• orchestrer des agents : il fonctionne a la fois comme agent principal et comme sous-agent. Un agent principal peut deleguer des sous-taches a des subagents, et Muse Spark 1.1 peut aussi s'inserer dans une stack d'agents existante.
• compacter son contexte : avec un million de tokens de fenetre, il peut gerer de larges codebases. Quand le volume depasse la fenetre, un mecanisme de compaction preserve les details critiques pour que l'agent ne perde pas le fil.
• lire des images, des videos, des PDF et de l'audio : il peut transformer une capture d'ecran ou un mockup en code fonctionnel.

Meta donne un exemple interne : ses ingenieurs ont demande au modele de generer une application de chat a partir de prompts. Le modele a pris des captures d'ecran de l'interface, identifie des bugs visuels, retrouve les snippets de code responsables et les a corriges.

Le premier modele payant de Meta

C'est la partie qui change la strategie. Depuis des annees, Meta publiait ses modeles IA en open weights (Llama 3, Llama 4) et laissait les autres construire dessus. La facturation se faisait par la publicite, pas par l'acces aux modeles.

Avec la Meta Model API, Meta fait payer l'acces a Muse Spark 1.1 au token. C'est une rupture. L'API est compatible avec le format OpenAI, ce qui veut dire qu'un developpeur qui a deja du code qui appelle l'API OpenAI peut pointer vers Meta en changeant l'endpoint.

Le prix

	Input (par M tokens)	Output (par M tokens)
Muse Spark 1.1	1,25 $	4,25 $
GPT-5.6 Luna (OpenAI)	1 $	6 $
GPT-5.6 Terra (OpenAI)	2,50 $	15 $
Claude Haiku 4.5 (Anthropic)	~1 $	~5 $

Muse Spark 1.1 se place au-dessus des modeles d'entree de gamme (Luna, Haiku) et en dessous des modeles intermediaires (Terra). Meta ne casse pas les prix : elle parie que la performance agentique justifie un tarif mid-market.

Chaque nouveau compte Meta Model API commence avec 20 $ de credits gratuits. L'API est en public preview pour les developpeurs bases aux Etats-Unis.

Comment l'essayer gratuitement

Tu n'as pas besoin de l'API pour tester le modele. Muse Spark 1.1 est disponible gratuitement dans l'app Meta AI et sur meta.ai, en activant le Thinking mode. Tu peux lui demander de raisonner sur un probleme, de planifier un projet ou de travailler sur du code, et voir le raisonnement etape par etape.

Ce que disent les benchmarks

Meta a publie ses propres chiffres. Sur les taches agentiques (utilisation d'outils, orchestration), Muse Spark 1.1 est en tete du comparatif Meta :

• MCP Atlas : 88,1 (bat Opus 4.8 et GPT-5.5)
• JobBench : 54,7
• Humanity's Last Exam (with tools) : 62,1
• Finance Agent v2 : 57,2

Sur le code pur, il est competitive mais pas dominant :

• SWE-Bench Pro : 61,5 (contre 69,2 pour Opus 4.8)
• Vibe Code Bench v1.1 : 72,2 (50 points au-dessus du precedent modele Meta)

Ces chiffres sont auto-publies. Meta les a compares a Gemini 3.1 Pro, Opus 4.8 et GPT-5.5. Des tests independants arriveront, mais la forme est claire : Muse Spark 1.1 est un modele agent-first, fort sur l'orchestration d'outils, competitive mais pas leader sur le code pur.

Pourquoi c'est un signal plus large qu'un modele de plus

Le 9 juillet 2026 etait une journee chargee : OpenAI lancait GPT-5.6 (Sol, Terra, Luna) et ChatGPT Work, SpaceXAI sortait Grok 4.5, et Meta ajoutait Muse Spark 1.1 a la pile. Trois labs, trois lancers majeurs le meme jour.

Le signal de Meta est different. OpenAI et Anthropic vendent des modeles et des agents depuis le debut. Meta donnait les siens. Maintenant, elle vend.

Mark Zuckerberg a poste sur X pour la premiere fois en trois ans pour annoncer le modele, qualifiant Spark de « modele agentique et de code solide a un prix tres bas » et precisant qu'il etait « le plus fort en performance agentique, tool use et computer use ». Il a ajoute : « plus a venir bientot ».

Les premiers partenaires API deja branches : Replit, Cline et Box. Meta construit aussi ses propres puces IA (MTIA400, 4x plus rapides que la generation precedente) pour alimenter l'infrastructure, ce qui lui donne la possibilite de vendre du compute on-premise a terme.

Un exemple chez Maisons&Mobilia

Pierre, lead developer chez Maisons&Mobilia (M&M), doit migrer le systeme de gestion de stock de l'entreprise d'une vieille base vers une nouvelle architecture. La migration touche 200 fichiers et demande de reecrire des dizaines de fonctions.

Pierre teste Muse Spark 1.1 via l'app Meta AI d'abord, en mode Thinking. Il lui donne le contexte du projet et les contraintes. Le modele decompose la migration en etapes, identifie les fonctions les plus couplees et propose un ordre de migration qui minimise les risques.

Pour l'execution, il passe sur l'API. Muse Spark 1.1 orchestre : il agit comme agent principal, delegue l'analyse de chaque module a des subagents, compacte le contexte au fur et a mesure pour garder les decisions d'architecture en memoire, et genere le code migre fichier par fichier.

Pierre valide chaque lot. Sur les 200 fichiers, le modele en migre correctement 170 sans intervention. Les 30 autres demandent des ajustements manuels, surtout sur les fonctions qui dependent de logique specifique a M&M.

Le gain : une migration estimee a 3 semaines se fait en 5 jours, Pierre inclus. La limite : les 15% de fichiers qui demandent une relecture humaine ne sont pas negligeables. Sur un systeme de stock, une erreur de logique coute cher. L'agent accelere, il ne remplace pas la validation.

Si Pierre avait compare avec Claude (reference sur le code pur), il aurait pu avoir un meilleur score sur SWE-Bench Pro. Mais l'argument de Meta n'est pas d'avoir le meilleur codeur : c'est d'avoir le meilleur orchestrateur pour les taches longues qui melangent code, outils et decisions.

Comment choisir si tu es developpeur

1. Tu veux tester sans payer ? Ouvre l'app Meta AI ou meta.ai, active le Thinking mode, donne-lui un probleme de code ou un projet a planifier. C'est gratuit.

2. Tu construis avec une API ? La Meta Model API est en preview US, compatible OpenAI. Si tu as du code qui appelle deja l'API OpenAI, tu peux tester Muse Spark 1.1 en changeant l'endpoint. Les 20 $ de credits gratuits couvrent les premiers tests.

3. Tu ne sais pas si tu as besoin d'un modele agentique ? Si tes taches sont des questions reponses simples, reste sur un modele leger (Luna, Haiku). Si tes taches demandent de planifier, d'appeler des outils, de gerer un contexte long, la lecon de Muse Spark 1.1 est que l'orchestration vaut plus que le code pur.

4. Tu veux comprendre les agents avant de tester ? L'app saisir.ai decompose les concepts d'agent, de tool use et de planification en modules de 5 minutes, en francais.

Ce que ca change pour toi

La bataille IA de juillet 2026 ne se joue plus sur « qui a le meilleur modele ». Elle se joue sur trois axes : les agents (qui fait le travail), le prix (qui rend l'usage soutenable) et l'open weights (qui rend l'auto-hebergement viable).

L'entree de Meta dans l'API payante ajoute un quatrieme acteur dans ton choix de modele. Pour toi, ca veut dire plus d'options, plus de concurrence sur les prix, et un signal clair : meme Meta, qui donnait ses modeles, considere que l'acces aux modeles frontier vaut de l'argent.

Aller plus loin

Pour comprendre comment un agent orchestre des sous-taches et appelle des outils, lis c'est quoi un agent IA. Pour les principes de choix de modele selon ta tache, vois GPT-5.6 : trois modeles, trois prix. Et pour t'exercer a piloter un agent de A a Z, l'app saisir.ai propose des modules pratiques en 5 minutes.