Meta Muse : des logs révèlent l'usage de modèles OpenAI

L'analyse des fichiers internes de Muse, l'agent d'intelligence artificielle personnel de Meta, révèle une architecture hybride plus nuancée qu'il n'y paraît. Si la majorité des requêtes sont traitées par Avocado, le modèle propriétaire développé en interne, les journaux système indiquent clairement la présence d'une alternative identifiée comme azure/muse-special. Les signatures techniques et les identifiants de requête associés correspondent exactement à ceux utilisés par les modèles OpenAI via le cloud Azure OpenAI. Le catalogue intégré à Muse contient également des modules prêts à l'emploi pour les systèmes d'Anthropic et un proxy centralisé capable de rediriger le trafic vers plusieurs fournisseurs. Cette passerelle dispose d'un mécanisme de coupure d'urgence, permettant à Meta d'ajuster dynamiquement les routes de traitement sans solliciter les utilisateurs. Cette polyvalence vise principalement à pallier les limites actuelles d'Avocado pour des tâches complexes et à faciliter des tests comparatifs ou des expériences d'entraînement par renforcement. L'investigation clarifie néanmoins un point crucial concernant l'apprentissage des modèles. Les raisonnements générés par les fournisseurs externes sont chiffrés et explicitement bloqués des serveurs d'apprentissage de Meta. Il n'existe donc aucune indication que l'entreprise s'approprie les poids algorithmiques ou extrait les chaînes de réflexion brutes d'OpenAI ou d'Anthropic. En revanche, les données produites par Avocado sont stockées en texte clair et peuvent servir au développement futur de l'IA de Meta, à moins que les usagers n'activent une option de désengagement. Cette découverte illustre la stratégie technique actuelle de Meta face à la course aux agents autonomes. Plutôt que de se reposer exclusivement sur un modèle unique, l'entreprise implémente une architecture de routage flexible qui combine ses propres ressources avec des capacités externes ciblées. La séparation stricte entre les données d'entraînement internes et le traitement des requêtes tierces confirme que la maîtrise des modèles reste un enjeu technique et juridique prioritaire, tout en ouvrant la voie à une nouvelle génération d'outils numériques hybrides.