🦾 Meta revient dans la course avec Muse Wonder

🚨 Pour des infos quotidiennes sur l'IA, suivez-mon profil directement sur LinkedIn : Mon Profil

Aujourd’hui dans Mister IA :

🦾 Meta revient dans la course avec Muse Wonder

🎓 Lycéens : bloquer les lycées ou se former à l’IA ?

🩺 Nvidia entre au capital de Doctolib

🔻 Karpathy : l’entonnoir qui sépare les utilisateurs de l’IA

🇨🇳 Labos chinois : l’adoption oui, les revenus pas encore

Et pour découvrir toutes les newsletters précédentes : https://www.mister-ia-newsletter.com/

🦾 Meta revient dans la course avec Muse Wonder

Meta Superintelligence Labs, le labo dirigé par Alexandr Wang, lance Muse Wonder et Muse Wonder Full, ses premiers modèles de pointe. Dix-huit mois après le revers de Llama 4, Meta remonte sur le podium, juste derrière Anthropic.

Ce qu’il faut savoir

• Sur le podium : Wonder Full obtient 56 sur l’Intelligence Index d’Artificial Analysis, à égalité avec Sonnet 5.5 et deux points derrière Opus 5.5. Il devance GPT-6 Astra et Gemini 4 Argon (53). La version standard, Wonder, atteint 52.

• Pensé pour les agents : Active Memory garde le contexte d’une conversation à l’autre, et Active Focus maintient l’agent sur son objectif malgré les obstacles. Selon Meta, Wonder Full atteint 57,5% sur SWE-Marathon (code sur longue durée), contre 46,3% pour Opus 5.5.

• Un prix agressif : 4 dollars en entrée et 20 en sortie par million de tokens, soit environ 4,50 dollars par tâche contre 6 pour Opus 5.5. Wonder Full n’est accessible que via les abonnements Muse Code, de 50 à 200 dollars par mois.

• Une remontée express : création du labo à l’été 2025, 14,3 milliards de dollars investis dans Scale AI, la start-up de Wang, puis Muse Spark en avril, l’agent Muse en septembre et Wonder six semaines après Spark 1.3.

• Les limites : des modèles fermés, en rupture avec l’époque Llama, des faiblesses relevées en design et en création, et un mode “Contributor” activé par défaut dans Muse Code, qui autorise Meta à entraîner ses modèles sur vos fichiers.

Pourquoi c’est important

La course de tête ne se joue plus à deux, mais à trois. Et Meta arrive avec un atout que ni OpenAI ni Anthropic ne possèdent : plus de trois milliards d’utilisateurs sur ses applications, prêts à recevoir ces modèles. Le départ de Yann LeCun, parti fonder AMI Labs autour des modèles du monde, a clarifié le cap : des produits et des agents plutôt que la recherche ouverte. Pour les entreprises, un troisième fournisseur de pointe, c’est une pression de plus sur les prix. À condition de lire les conditions d’utilisation avant d’y envoyer des données sensibles.

🎓 Bloquer les lycées ou se former à l’IA ?

Depuis fin septembre, plus de 400 lycées ont été bloqués ou perturbés. Les lycéens dénoncent les classes surchargées, les professeurs non remplacés et les emplois du temps. Leurs revendications sont légitimes, mais elles passent à côté de l’essentiel : le marché du travail qu’ils s’apprêtent à rejoindre est déjà en train de changer.

Ce qu’il faut savoir

• Les jeunes, premiers touchés : selon Stanford, l’emploi des 22-25 ans a reculé de 13% dans les métiers les plus exposés à l’IA, quand celui des plus expérimentés est resté stable. L’IA licencie peu, mais elle embauche moins.

• Le premier barreau disparaît : les recrutements de profils juniors dans la tech ont chuté de 73% entre 2024 et 2025, selon Ravio. Synthèses, recherches et premiers jets, le travail des débutants, sont précisément ce que l’IA automatise.

• La France plus exposée : une heure de travail coûte 44,70 euros dans le secteur marchand, contre 34,70 en moyenne dans l’Union européenne (Insee). Et le chômage des 15-24 ans atteint déjà 21,6%.

• Ailleurs, on accélère : la Chine impose au moins 8 heures d’IA par an de l’école au lycée, et l’Estonie offre ChatGPT Edu à 20 000 lycéens. En France, le module Pix IA dure entre 30 minutes et 1h30, une seule fois, et 80% des enseignants déclaraient n’avoir reçu aucune formation à l’IA en 2025.

• Ce qu’il faudrait réclamer : un cours d’IA hebdomadaire dès la seconde, noté comme les maths, des enseignants formés avant d’encadrer, et un accès gratuit aux meilleurs modèles. Les cinq chantiers lancés par le gouvernement ne disent rien de l’IA.

Pourquoi c’est important

Le sujet n’est pas de juger la mobilisation, mais le décalage qu’elle révèle. Les lycéens réclament des emplois du temps allégés au moment où la machine travaille 24 heures sur 24. L’enjeu n’est pas de travailler moins, mais de consacrer davantage de temps à ce qui comptera : les maths, l’écrit, le jugement, et la maîtrise des outils. Les entreprises sont concernées aussi : si l’on ne recrute plus de juniors, qui seront les seniors de demain ?

📺 On décrypte tout ça en détail dans notre dernière vidéo : Le 20h de l’IA

🩺 Nvidia entre au capital de Doctolib

De passage à Paris, Jensen Huang a annoncé une prise de participation minoritaire de Nvidia dans Doctolib. Pigment, Genesis AI et Entalpic sont aussi concernées. Objectif affiché : aider Doctolib à entraîner ses propres modèles d’IA médicale en Europe.

Ce qu’il faut savoir

• Un ticket discret : ni le montant ni la valorisation n’ont été dévoilés, Le Figaro évoque quelques millions d’euros. Nvidia n’obtient ni siège au conseil ni accès aux données des patients.

• Des modèles maison : Doctolib veut entraîner ses modèles à partir de modèles ouverts, avec l’appui des experts de Nvidia et des données hébergées en Europe, pour réduire sa dépendance à OpenAI et Anthropic.

• Trois produits en vue : un assistant téléphonique déjà en service, un assistant santé pour les patients testé par 400 000 Français et ouvert à tous en 2027, et des assistants pour les soignants prévus entre 2027 et 2028.

• Une entreprise rentable : environ 50 millions d’utilisateurs et 422 millions d’euros de revenus récurrents en 2025. Elle a été valorisée 3,6 milliards d’euros en avril, soit 38% de moins qu’en 2022.

• Des points de vigilance : une amende de 4,7 millions d’euros de l’Autorité de la concurrence pour abus de position dominante (en appel), et une polémique sur l’usage de données de patients pour sa recherche en IA, que Doctolib conteste.

Pourquoi c’est important

Nvidia investit chez presque tous ses clients. Loin de fragiliser le secteur, cette interdépendance aligne les intérêts : un fournisseur actionnaire n’a aucun intérêt à étrangler ses clients. La vraie question porte sur le produit. Un assistant santé grand public devra convaincre des patients qui confient déjà leur santé à ChatGPT, lequel les connaît par cœur, avec une application ouverte surtout pour prendre rendez-vous. Le terrain où Doctolib a un avantage décisif est ailleurs : les outils pour les soignants, portés par sa base de praticiens et sa connaissance du métier.

🔻 Karpathy : l’entonnoir qui sépare les utilisateurs de l’IA

Andrej Karpathy, cofondateur d’OpenAI et ancien responsable de l’IA chez Tesla, ressort un post d’avril pour faire un constat : l’écart de perception des capacités de l’IA ne se réduit pas, il se creuse. Il le décrit désormais comme un entonnoir.

Ce qu’il faut savoir

• 6 milliards de personnes (environ 75% de l’humanité) n’ont presque jamais utilisé d’assistant IA.

• 1 à 2 milliards l’utilisent de temps en temps, en version gratuite, comme un Google amélioré ou un outil d’écriture. Beaucoup de cadres en font partie : ils comprennent l’enjeu, mais de seconde main.

• 20 millions (0,2%) voient des agents boucler en une seule instruction des projets qui leur prenaient des semaines, surtout en code et en maths. Ramené à la France, cela ferait environ 200 000 personnes.

• 5 000 personnes ont accès aux systèmes internes des laboratoires, où des milliers d’agents collaborent pendant des semaines sur un même projet.

• Trois moteurs : l’ambition du problème confié, des capacités très inégales selon les domaines (excellentes là où le résultat se vérifie, comme le code), et le niveau d’accès (gratuit, payant ou interne). Les chiffres sont des ordres de grandeur, calculés “sur un coin de serviette”.

Pourquoi c’est important

Deux personnes peuvent dire “j’ai testé l’IA” sans avoir testé la même chose. En entreprise, beaucoup de jugements se forment sur la version gratuite d’un assistant bureautique et sur des tâches de cinq lignes, là où le gain est minime. La valeur apparaît sur les gros problèmes, avec un outil branché aux bonnes données : documents, CRM, messagerie. Le modèle compte, mais l’outil et l’usage comptent au moins autant. Le goulet d’étranglement n’est plus la technologie, c’est l’adoption.

🇨🇳 Labos chinois : l’adoption oui, les revenus pas encore

Kimi, GLM, MiniMax, Qwen, DeepSeek : les laboratoires chinois publient des modèles performants, souvent en poids ouverts et à prix cassés. Excellent pour l’adoption, mais publier ses poids permet aussi à d’autres de vendre son propre modèle.

Ce qu’il faut savoir

• Des revenus qui s’envolent, des pertes aussi : Zhipu a quadruplé son chiffre d’affaires au premier semestre, à 954 millions de yuans, pour 2,07 milliards de pertes. Chez MiniMax, les revenus bondissent de 283%, mais la marge couvre à peine une fraction de la recherche.

• Une guerre des prix : lancée par DeepSeek, elle a entraîné ByteDance, Alibaba, Tencent ou Xiaomi dans des baisses de 50 à 99% sur le prix des tokens.

• Cinq façons de se payer : les applications grand public comme Doubao, l’accès payant aux modèles, les projets pour entreprises et administrations, les licences commerciales, et le cloud, qui permet à Alibaba de vendre davantage d’infrastructure.

• Kimi K3 serre la vis : ses poids sont ouverts, mais tout acteur qui revend le modèle en API au-delà de 20 millions de dollars de revenus annuels doit signer un accord commercial avec Moonshot.

• Un écart qui se creuse : sur l’indice d’Artificial Analysis, aucun modèle ouvert ne figure plus dans le top 10. Il y a six mois, quatre modèles chinois y étaient classés.

Pourquoi c’est important

Concevoir le meilleur modèle et en capter la valeur sont deux métiers différents. Un modèle ouvert peut devenir très populaire tout en enrichissant surtout ceux qui l’hébergent ou bâtissent des produits dessus. Et si la frontière exige désormais des milliards de dollars d’entraînement, l’open source risque de décrocher durablement : Meta lui-même a fermé ses meilleurs modèles. OpenAI et Anthropic l’ont compris : ils vendent de moins en moins des modèles, et de plus en plus des applications. Pour une entreprise, les modèles ouverts restent précieux pour maîtriser les coûts et l’hébergement, mais c’est dans l’outil que se crée la valeur.

Faites connaître Mister IA et remportez des cadeaux ❤️

Au programme, 3 produits que vous pouvez recevoir gratuitement.

Et pour cela rien de plus simple, cliquez sur le bouton “Cliquez pour partager” juste en dessous, partagez la newsletter à des amis, et s’ils s’inscrivent, vous recevez nos cadeaux !

La caisse à outils

• OpenRouter : une seule API pour accéder à des centaines de modèles, fermés comme ouverts (Kimi, GLM, DeepSeek, Qwen), et comparer leurs prix en temps réel. lien

• LM Studio : fait tourner des modèles ouverts directement sur votre ordinateur, sans envoyer vos données dans le cloud. lien

• Nabla : assistant IA français qui rédige le compte rendu de consultation pendant que le médecin échange avec son patient. lien

• NotebookLM : transforme vos documents en assistant de révision, avec résumés, quiz, fiches et podcasts générés à partir de vos propres sources. lien

• Khanmigo : tuteur IA de la Khan Academy qui guide l’élève vers la réponse par des questions plutôt que de la lui donner. lien

Le cas d’usage de la semaine

📖 Construire un tableau de bord commercial en direct dans Claude

Dans ce guide, vous allez utiliser Dashboards, la nouvelle fonctionnalité de Claude, pour repérer les affaires commerciales qui demandent votre attention. Vous vérifierez les totaux, filtrerez par commercial et testerez la remontée de nouvelles données.

Étapes pas à pas :

• Ouvrez Claude avec un compte payant et connectez une source de données autorisée, comme votre CRM. Commencez avec un petit jeu de données de test et limitez la connexion à la lecture.

• Choisissez Dashboards dans le menu de sortie. Demandez les affaires en cours, leur valeur totale et celles en retard, en précisant quelles étapes, devises et dates doivent compter.

• Ouvrez la requête d’un chiffre pour vérifier les lignes sources. Excluez du total les affaires clôturées et les données de test, et laissez visibles celles qui n’ont pas de responsable.

• Filtrez sur un seul commercial et vérifiez que les chiffres clés, le graphique et le tableau changent ensemble. Retirez ensuite le filtre et contrôlez à nouveau le total.

• Demandez au responsable des données d’ajouter une affaire fictive dans la source de test, puis demandez à Claude d’actualiser. Vérifiez qu’elle apparaît avant de partager le tableau.

Astuce : Au partage, chaque lecteur voit le tableau à travers ses propres connexions, donc uniquement les données auxquelles il a déjà accès. La fonctionnalité est encore en bêta : sur les offres Enterprise, elle s’active dans Paramètres de l’organisation, puis Artifacts.

Le tuto IA (anglais)

Comprendre les LLM et leur ecosystème :
👉 Découvrir