Meta a lancé son agent personnel d’IA, Muse, le 8 septembre 2026. Il met à la disposition des utilisateurs un ordinateur dans le cloud, capable de fonctionner dans plusieurs services connectés, de poursuivre des tâches en arrière-plan et de demander une autorisation avant les actions importantes. Le déploiement initial concerne les États-Unis. Annonce de lancement de Meta
La promesse de Mark Zuckerberg va au-delà du simple tri de la boîte de réception. Dans un entretien avec Alex Heath, il prédit que Muse « fera gagner de l’argent aux gens et leur en fera économiser ». Il décrit un modèle économique dans lequel Meta prélèverait à terme une petite part des transactions, potentiellement payée par les entreprises concernées. Entretien du podcast Sources, 24:53
Cette proposition mérite d’être prise au sérieux. Un chef d’entreprise qui n’a pas les moyens de recruter une aide administrative pourrait gagner en capacité grâce à un agent. Un ménage pourrait récupérer de l’argent perdu à cause d’une facture oubliée ou trouver un achat moins cher. Réduire ces charges aurait de l’importance même sans percée spectaculaire de l’intelligence artificielle.
Mais gagner de l’argent suppose que quelqu’un d’autre en paie. Un outil qui crée un produit, rédige son marketing et gère sa publicité automatise certaines tâches d’une entreprise. Il n’a pas prouvé que les clients veulent ce produit, que la publicité est rentable ni que le propriétaire conservera une part suffisante des recettes.
Le lancement de Muse rend cette distinction plus urgente, car la même plateforme pourrait aider un utilisateur à vendre, aider un autre à acheter et, à terme, facturer la mise en relation. La question économique ne se limite pas à savoir si l’agent fonctionne : quelle valeur revient à son utilisateur après paiement des autres participants ?
Ce que Zuckerberg a réellement proposé
La discussion centrale sur l’argent dans l’entretien dure environ de 24:53 à 27:25. Zuckerberg relie cette occasion aux petites entreprises et au commerce, évoque une généreuse allocation gratuite ainsi que des abonnements, et présente les frais de transaction comme un modèle économique attendu « à terme ». Il dit que Muse peut se connecter aux systèmes publicitaires de Meta et aider à créer un produit et à gérer l’entreprise. Voir l’intégralité de l’échange
Ces propos décrivent plusieurs mécanismes qui doivent être évalués séparément. Vendre davantage génère des recettes. Négocier une facture moins élevée produit des économies. Remplir des documents plus vite libère du temps. Chacun de ces résultats peut profiter à l’utilisateur, mais ils sont différents, et seuls certains apportent de l’argent supplémentaire sur un compte.
L’annonce de lancement et cet échange n’établissent pas que Meta ait mis en place un programme général consistant à payer les utilisateurs de Muse. Ils ne fournissent pas non plus de garantie de revenus, de pourcentage publié de partage des bénéfices ni de preuve que les utilisateurs types dégagent déjà un rendement net. La proposition de frais de transaction porte sur la rémunération éventuelle de Meta ; elle ne doit pas être prise pour un barème de paiement des utilisateurs.
L’entretien d’Alex Heath a été publié sur sa page d’origine le 8 septembre et précise que l’entretien a été enregistré le vendredi précédent au siège de Meta. Nous avons examiné l’intégralité des sous-titres YouTube disponibles et vérifié les documents de lancement et les éléments techniques pertinents. Il s’agit d’une analyse de ces sources, et non d’un essai pratique de BIG CHANGE ni d’une expérience sur les revenus.
Ce que l’agent change dans l’exécution du travail
Muse est l’agent personnel, tandis que Muse Spark est le modèle qui l’alimente. La présentation de la conception du produit par Meta décrit un système de fichiers, un terminal et un navigateur, ainsi qu’une mémoire persistante et des tâches planifiées ou déclenchées par un événement. Il peut générer des documents et des contenus interactifs, ainsi qu’agir dans des services connectés. Comment Meta a conçu Muse
Cela lui donne un rôle potentiel différent de celui d’un chatbot qui se contente de donner des conseils. Un agent utile peut transmettre des informations d’une tâche à l’autre : récupérer une demande, préparer une réponse, mettre à jour un dossier et revenir quand le client répond. Les économies possibles viennent de la réduction des coordinations répétitives, et non du simple fait de produire du texte plus vite.
Prenons l’exemple hypothétique d’une entreprise de réparation de meubles. Le propriétaire passe ses soirées à trier des photos, vérifier des mesures et organiser des rendez-vous. Un agent qui prépare ces informations de façon fiable pourrait lui laisser davantage de temps pour des travaux de réparation rémunérés. L’entreprise dispose déjà d’un service et de clients ; l’agent répond à une contrainte administrative identifiée.
Une nouvelle entreprise qui vend des créations génériques produites par IA rencontre un autre problème. Muse peut aider à constituer rapidement un catalogue, mais ce catalogue doit encore justifier son existence. Les acheteurs peuvent le comparer à des solutions de remplacement, y compris des créations qu’ils génèrent eux-mêmes. L’automatisation réduit l’effort nécessaire pour fournir quelque chose sans nécessairement accroître la volonté de payer.
Cette différence doit guider les attentes. Une demande existante associée à une tâche courante coûteuse constitue une occasion plus concrète que demander à un agent d’inventer une source de revenus à partir de rien. Cette dernière possibilité peut fonctionner, mais elle exige des preuves de l’intérêt des clients et d’une marge viable.
Le lien de paiement existe bel et bien, mais il fait sortir de l’argent
Stripe confirme indépendamment l’intégration au lancement. Les consommateurs américains peuvent connecter Link à Muse ; l’agent peut utiliser les moyens de paiement enregistrés chez les entreprises participantes ou une carte virtuelle à usage unique pour d’autres achats. Stripe indique que les consommateurs approuvent le montant total de chaque transaction dans la conversation et que Muse ne voit pas les données de paiement sous-jacentes. Annonce de Stripe du 8 septembre
C’est une infrastructure importante. Un agent qui peut rechercher un achat sans pouvoir le conclure laisse à l’utilisateur une partie du travail à refaire. Une connexion de paiement peut combler cette lacune tout en maintenant une étape d’approbation.
Elle clarifie également la direction des flux d’argent documentés. Cette intégration permet à un utilisateur d’acheter à un commerçant. Elle ne montre pas, à elle seule, que l’utilisateur gagne de l’argent. Économiser sur un achat nécessaire peut améliorer ses finances ; acheter quelque chose d’inutile avec une réduction diminue tout de même son solde bancaire.
En contrepartie, un commerçant peut obtenir une vente. Sa rentabilité dépend des coûts de traitement, des remboursements, des frais de paiement et du coût d’acquisition du client. Un paiement réussi démontre qu’une transaction a eu lieu. Il ne prouve pas quelle part du bénéfice économique chacun des participants a conservée.
C’est pourquoi les futures promesses de revenus devraient préciser le mécanisme. Les revenus proviennent-ils d’un nouveau client ? Une dépense a-t-elle été évitée ? Un actif a-t-il été vendu ? L’utilisateur a-t-il simplement achevé plus vite une tâche qu’il devait déjà accomplir ? Tout regrouper peut donner l’impression qu’un assistant capable est une source automatique de revenus.
L’accès gratuit réduit un obstacle, mais pas tous les coûts
Zuckerberg indique que l’allocation de lancement est d’environ 100 millions de jetons par semaine gratuitement, avec des abonnements proposés. Il s’agit d’une description de l’offre à une date donnée, pas d’une promesse permanente de travail illimité. Entretien, 25:02
La page d’abonnement de Meta, consultée le 22 septembre, indique que l’offre Power coûte 20 $ par mois pour 500 millions de jetons Muse par semaine, et que l’offre Max coûte 100 $ pour 3 milliards de jetons. Elle précise que les avantages varient selon la région et le compte, et que la disponibilité reste limitée. Ce sont des allocations produit, et non un nombre de tâches accomplies ni des jetons d’API directement comparables. Détails officiels des abonnements Muse
Une allocation de jetons ne dit pas à une entreprise combien de commandes utiles, de factures rapprochées ou de livrables acceptés elle obtiendra. La tâche, son contexte et le nombre de tentatives comptent. Le travail peut aussi consommer des ressources extérieures à l’agent : publicité, hébergement, stocks, livraison et attention du propriétaire.
Le principal coût au départ pourrait être d’apprendre quelles tâches déléguer. Quelqu’un doit expliquer l’objectif, connecter les bons comptes, repérer un résultat invraisemblable et décider quand une action mérite d’être approuvée. Une meilleure conception du produit peut réduire cette charge. Elle ne peut faire disparaître les priorités de l’utilisateur ni les exigences de ses clients.
Il faut aussi comptabiliser honnêtement le temps économisé. Une heure libérée pour un travail rémunéré peut augmenter les revenus si du travail est disponible. Une heure passée en famille a de la valeur sans devenir un revenu. Convertir chaque minute économisée en salaire horaire estimé surestimerait le rendement financier de nombreux utilisateurs.
Pour une personne qui lance une entreprise, le résultat pertinent est l’argent supplémentaire conservé après les coûts et les obligations, par rapport à ce qui se serait passé sans l’agent. Pour une entreprise existante, il peut s’agir de demandes clients manquées en moins, d’une exécution plus rapide ou de dépenses administratives réduites. Ces résultats se mesurent, et aucun ne nécessite de prétendre que chaque tâche accomplie est une vente.
Les frais de transaction peuvent financer le produit et modifier ses incitations
Un agent rémunéré par des frais de transaction dispose d’une source de revenus plausible. S’il aide les clients à trouver des produits adaptés et réduit le travail nécessaire pour conclure un achat, les commerçants peuvent être disposés à payer pour ce service. Ces frais pourraient financer l’accès d’utilisateurs pour lesquels un abonnement serait autrement trop coûteux.
Cet arrangement soulève aussi des questions sur les intérêts qui façonnent les recommandations. Muse recommanderait-il la meilleure option disponible si elle ne générait aucune commission ? Un commerçant pourrait-il participer sans payer ? L’utilisateur verrait-il qu’il existe une relation commerciale avant d’approuver un achat ? Comment les offres concurrentes seraient-elles comparées ?
Les éléments examinés ne répondent pas à ces questions par un barème complet des frais de transaction de Muse ni par une politique de classement. Nous ne devrions pas combler cette lacune en affirmant que Muse privilégie déjà les vendeurs qui paient une commission. Il faudra que le modèle de frais adopté à terme repose sur des règles que les utilisateurs et les entreprises puissent examiner.
Le fait de facturer le commerçant ne supprime pas automatiquement le coût économique pour l’acheteur. Le commerçant peut absorber les frais, les compenser par un coût d’acquisition client plus bas ou les répercuter dans ses prix. La réponse dépend du marché. Des frais qui remplaceraient un coût existant plus élevé pourraient profiter aux deux parties ; des frais supplémentaires pourraient réduire la marge disponible.
C’est une façon plus utile d’évaluer la proposition de Zuckerberg que de traiter un agent gratuit comme un cadeau ou un piège. Le produit peut créer de la valeur et en capter une partie. La question encore ouverte est la manière dont elle sera répartie et si les utilisateurs conserveront des choix réels à mesure qu’ils dépendront du service.
Les preuves de l’utilité quotidienne précèdent celles des revenus
Dans son compte rendu pratique du 14 septembre, Eric Hal Schwartz, de TechRadar, raconte que Muse l’a aidé à faire des achats et à préparer une réponse à un courriel d’une compagnie d’électricité en attente d’approbation. Il a trouvé la délégation utile tout en restant mal à l’aise quant aux accès nécessaires. Il s’agit du témoignage d’un seul journaliste sur des tâches courantes, et non d’une étude des bénéfices d’entreprise. Essai pratique de TechRadar
Une recherche antérieure incite à la prudence lorsqu’on extrapole d’une aide utile à une promesse de revenus. Un essai de terrain randomisé mené auprès d’entrepreneurs kenyans n’a relevé aucune amélioration moyenne statistiquement significative après leur avoir donné accès à un conseiller d’affaires fondé sur GPT-4. Les résultats variaient selon les performances initiales des entreprises et la manière dont les propriétaires sélectionnaient et mettaient en œuvre les conseils. Résumé du document de travail des chercheurs
La présentation de cette étude publiée par Columbia en août 2026 décrit une expérience menée auprès de 640 entrepreneurs. Elle souligne l’importance du jugement pour décider quelles recommandations conviennent à une entreprise donnée. Analyse de l’étude par Columbia
Cette expérience n’a pas testé Muse. Elle portait sur un ancien modèle qui donnait des conseils, et non sur cet agent en train d’exécuter des tâches. Elle ne permet pas de prédire les résultats de Muse. Sa pertinence est plus limitée : donner aux propriétaires d’entreprises accès à l’IA ne prouve pas qu’ils en tireront tous un bénéfice financier, et une moyenne peut masquer des expériences très différentes.
L’exécution pourrait améliorer la situation si l’obstacle principal est la mise en pratique d’une bonne décision. Elle pourrait l’aggraver si des conseils médiocres deviennent plus faciles à suivre. Un agent qui met automatiquement en œuvre une mauvaise stratégie de prix peut causer des dommages plus vite qu’un chatbot dont la suggestion est ignorée.
Les prochains éléments devraient donc inclure les tentatives échouées, les coûts et les écarts entre utilisateurs. Des témoignages de réussite choisis montreraient ce qui est possible. Ils ne montreraient pas ce qu’un nouvel utilisateur moyen devrait attendre.
Un agent d’entreprise a besoin d’accès, et l’accès a un coût
La documentation technique de Meta souligne deux points pertinents. Le système Sentinel contrôle les actions externes séparément de l’agent principal, et Muse peut malgré tout commettre des erreurs ou rencontrer des attaques intégrées aux données qu’il lit. Le système vise à limiter les conséquences d’un échec, et non à éliminer la possibilité qu’il se produise. Conception de la sécurité par Meta
Pour une petite entreprise, cela signifie que la valeur de l’automatisation dépend en partie du point où s’arrête l’autorité de l’agent. Préparer une campagne publicitaire n’est pas la même chose que dépenser son budget. Rédiger une offre à un client n’équivaut pas à s’engager sur une réduction ou une date de livraison. Un processus peut être utile tout en laissant au propriétaire le soin d’approuver ces engagements.
Il faut aussi tenir compte du calendrier de protection de la vie privée. La version de lancement est Muse Secure VM. Meta indique que ses règles opérationnelles restreignent l’accès du personnel, mais ne bloquent pas techniquement l’accès nécessaire au fonctionnement du service. Muse Confidential VM, qui vise à empêcher Meta d’accéder par cryptographie aux données de la machine virtuelle, est prévu plus tard cette année. Architecture actuelle et mode confidentiel prévu
Une entreprise ne devrait pas évaluer le service d’aujourd’hui comme si le mode confidentiel promis avait déjà été lancé. Une liste de clients, un contrat fournisseur ou un calcul de marge peuvent être commercialement sensibles même s’ils ne constituent pas un mot de passe. Les informations dont l’agent a besoin pour bien négocier peuvent être les mêmes que celles que le propriétaire souhaite le plus contrôler.
Meta indique également que les utilisateurs peuvent télécharger leurs fichiers et leur mémoire et refuser que leurs données servent à l’entraînement des modèles. L’entreprise précise que les conversations et les données des machines virtuelles sont exclues de ses systèmes publicitaires, tandis que la navigation de l’agent peut influencer indirectement les publicités. Ces contrôles comptent, mais le simple téléchargement de fichiers ne prouve pas qu’un agent pleinement fonctionnel puisse être transféré vers un autre fournisseur. Explication de la politique de données de Meta
Il reste une dépendance pratique à surveiller. Une fois que l’agent détient les routines d’une entreprise et ses flux de travail connectés, une variation de prix, d’accès ou de fonctionnement du produit peut entraîner un effort de migration. Conserver des dossiers utilisables en dehors de l’agent et comprendre de quels services il dépend permet de rendre cette dépendance visible.
La concurrence pourrait faire profiter les clients des économies
Si Muse réduit l’effort nécessaire pour fournir un service donné, les concurrents peuvent bénéficier du même avantage. Un vendeur qui conserve d’abord l’économie pourrait ensuite subir une baisse des prix sur le marché. Les clients pourraient recevoir une grande partie des bénéfices, tandis que les fournisseurs devraient accomplir davantage de travail ou proposer quelque chose de plus difficile à copier.
Ce serait tout de même un changement économique important. Des services plus abordables peuvent élargir l’accès. Une petite organisation pourrait enfin commander un travail auquel elle avait renoncé auparavant. L’erreur serait de supposer que la baisse des coûts de production se transforme forcément en bénéfices plus élevés pour toutes les personnes qui réalisent ce travail.
Les entreprises dotées de relations de confiance, de connaissances spécialisées ou de capacités de livraison physique peuvent être mieux placées pour utiliser l’agent de façon productive. Le logiciel peut réduire la coordination autour de ces atouts. Un nouvel acteur doit toujours élaborer une offre crédible et convaincre quelqu’un de l’acheter.
La situation des travailleurs comporte une tension similaire. La suppression de tâches administratives routinières peut améliorer le travail d’une personne ou permettre à une organisation de redistribuer ses tâches. Les éléments du lancement ne permettent pas d’établir combien d’emplois Muse créera ou remplacera. Ces effets dépendent de l’adoption, des tâches déléguées et de l’usage que les organisations feront de la capacité libérée.
Zuckerberg décrit aussi de futures interactions entre agents, tout en précisant que la plupart ne font pas partie de cette version. Entretien, 29:00 Si les agents finissent par négocier et coordonner des activités entre entreprises, les règles de la plateforme en matière d’identité, d’accès et de préférences commerciales compteront encore davantage. C’est un développement à évaluer, pas un réseau existant dont on pourrait déjà comptabiliser les bénéfices.
Qu’est-ce qui rendrait convaincante la promesse de revenus ?
L’impact de Muse devrait être jugé à l’aune de résultats qui résistent à un examen attentif. Les éléments utiles comprendraient :
- Une base de comparaison claire indiquant ce que la personne ou l’entreprise faisait avant d’utiliser l’agent.
- Les recettes supplémentaires et les économies vérifiées, présentées séparément et calculées après prise en compte des abonnements, de la publicité, du traitement des commandes, des remboursements et du travail de relecture.
- Les résultats observés auprès d’utilisateurs ordinaires, y compris les projets infructueux et les personnes qui ont cessé d’utiliser le service.
- Une explication des tâches accomplies par l’agent, de ce que le propriétaire a encore fait et de la persistance des gains.
- Les frais de transaction publiés et les règles de recommandation qui rendent compréhensibles les incitations commerciales.
Ces exigences ne présument pas que le produit échouera. Elles permettent d’interpréter sa réussite. Une amélioration modeste répétée dans de nombreuses entreprises pourrait avoir davantage de conséquences qu’une capture d’écran spectaculaire de revenus sans aucun décompte des coûts.
Le changement plausible pour BIG CHANGE est un accès plus large à une aide pratique : davantage de personnes capables de concrétiser leurs idées, de gérer une entreprise et de suivre les tâches autour de leur foyer. Muse fournit un produit concret permettant de tester cette possibilité.
On saura si Muse fait gagner de l’argent à ses utilisateurs plus loin dans le processus, lorsqu’un client paiera, que le travail sera livré et que les coûts auront été déduits. Le journal d’activité de l’agent peut montrer tout ce qu’il a fait. Les registres du propriétaire doivent indiquer ce qu’il en reste.
