Meta relance l’IA ouverte : ce qui tourne vraiment sur votre machine

Le fait

Le 10 août 2026, Meta Superintelligence Labs a mis en ligne Muse Glimmer, un modèle de 30 milliards de paramètres à poids ouverts, sous licence Apache 2.0. Les poids sont publiés sur Hugging Face, avec des intégrations annoncées pour llama.cpp, MLX et ExecuTorch. Le modèle est présenté comme « agentique » : exécution de tâches de bout en bout, appel d’outils, raisonnement en plusieurs étapes, reprise après échec, entrées multimodales et prise en charge de plus de 100 langues.

Le point qui change la donne est matériel. Meta vise des machines personnelles : MacBook M4-Max et M5-Max, carte NVIDIA RTX 5090. L’éditeur annonce une génération accélérée par décodage spéculatif (DFlash) de 3,1 fois sur RTX 5090, 1,8 fois sur M5 Max et 1,5 fois sur M4 Max. SiliconAngle chiffre la contrepartie : environ 55 Go de mémoire en précision standard, moins de 20 Go une fois chaque poids compressé sur quatre bits. Le site rapporte aussi que Muse Glimmer dépasse Gemma4-31B et Qwen3.6-27B sur la moitié des tests, avec des gains sur la recherche en ligne, la génération de code et l’analyse de graphiques scientifiques.

Le contexte est autant stratégique que technique. Le Financial Times rapporte que Mark Zuckerberg attaque désormais frontalement les modèles « fermés » de ses concurrents, au moment précis où son groupe revient à l’ouverture des poids.

Notre regard

La question intéressante n’est pas « ouvert contre fermé ». Elle est domestique : quelle taille de modèle rentre dans quelle machine. Nous croisons les besoins mémoire annoncés par Meta et par Cactus Compute : entre Muse Glimmer en précision standard (55 Go) et le modèle embarqué Needle 2 (28 Mo par session), l’écart de mémoire nécessaire est d’un facteur d’environ 2 000, au 11 août 2026.

Le graphique dit l’essentiel : la compression sur quatre bits fait passer un modèle de 30 milliards de paramètres du statut de machine de laboratoire à celui d’achat envisageable, pendant qu’un micro-modèle joue dans une autre unité de mesure. Le tableau ci-dessous traduit ces seuils en matériel réel.

Pour un particulier, la ligne de partage se lit d’un coup d’œil. En dessous de 24 Go de mémoire vive ou vidéo, l’enveloppe annoncée par Meta n’est pas tenue et le modèle de 30 milliards de paramètres reste hors jeu. Au-dessus, une seule carte suffit, sans abonnement ni compte à créer. C’est le même terrain que celui des agents IA que l’on fait travailler sur ses propres fichiers.

La nuance

Trois réserves, par ordre d’importance. D’abord le matériel : 24 à 32 Go de mémoire, ce n’est pas la configuration d’un portable d’entrée de gamme. Une RTX 5090 ou un MacBook haut de gamme reste un investissement, et l’expression « grand public » désigne ici un segment déjà équipé, pas la moyenne des foyers français.

Ensuite les mesures. Les comparaisons face à Gemma4-31B et Qwen3.6-27B viennent de Meta, et elles portent sur la moitié des tests : sur l’autre moitié, les modèles concurrents ne sont pas dépassés. Aucune des deux sources ne chiffre ce que la compression sur quatre bits coûte en qualité de réponse. C’est la limite principale de notre tableau : il compare des besoins mémoire annoncés, pas des performances mesurées de façon indépendante.

Enfin l’usage. Un modèle qui tourne en local ne fait pas transiter les données par un serveur, ce qui règle une partie des questions de vie privée, pas toutes : les fichiers restent sur une machine qui peut être perdue, partagée ou compromise, et un agent qui exécute des tâches garde sa propre surface d’attaque. La confiance se déplace, elle ne disparaît pas.

À surveiller

Un second mouvement se joue à l’autre bout de l’échelle. Needle 2, présenté par Cactus Compute, revendique 45 millions de paramètres compressés en un binaire de 14 Mo, environ 28 Mo de mémoire par session, et une exécution sur téléphone à moins de 200 dollars, sur Raspberry Pi 5 (plus de 500 tokens par seconde en décodage), sur montre connectée ou sur microcontrôleur ESP32-S3. Ce sont des chiffres d’éditeur, eux aussi sous licence Apache 2.0. Si la revendication tient, l’IA locale ne s’arrête pas au PC de joueur : elle descend dans les objets, y compris ceux que l’on porte, comme les lunettes connectées.

Trois signaux à guetter dans les semaines qui viennent. La réponse d’OpenAI et de Google sur l’ouverture des poids, d’abord, car elle dira si Meta a ouvert une bascule ou signé un coup isolé. Les premières mesures indépendantes ensuite, qui trancheront les benchmarks annoncés. La place que prendra l’écosystème européen enfin, pour qui l’ouverture des poids est un argument de souveraineté avant d’être un argument technique. Pour qui veut se situer tout de suite, le test tient en trente secondes : ouvrir le moniteur système et lire la mémoire disponible.