Meta a présenté Muse Image, le premier modèle de génération d'images qu'elle a construit en interne, et elle ne l'a pas sorti sur la pointe des pieds. Le modèle est disponible immédiatement dans l'app Meta AI et sur meta.ai, dans les Stories Instagram aux États-Unis, et sur WhatsApp dans un ensemble limité de pays, avec Facebook à venir bientôt et les annonceurs qui obtiennent l'accès via la plateforme Advantage+. En parallèle, Meta a dévoilé en preview un modèle de génération vidéo appelé Muse Video. Pour une entreprise qui a beaucoup dépensé pour rattraper son retard dans les médias generatifs, livrer un modèle d'images interne à cette échelle est un jalon en soi, mais l'histoire la plus intéressante est la conception.

La plupart des générateurs d'images fonctionnent en faisant correspondre un prompt textuel plus ou moins directement à une image en une seule passe. Muse Image se comporte plutôt comme un agent. Au lieu de simplement dessiner, il peut invoquer des outils de recherche et de codage, affiner ses propres générations, et s'améliorer en dépensant plus de calcul au moment de la génération, ce que le domaine appelle la mise à l'échelle du calcul au moment du test. En pratique cela signifie qu'il peut chercher sur le web pour ancrer une image dans une information factuelle et en temps réel, ce qui selon Meta améliore la précision sur les prompts à forte composante de connaissances impliquant des événements d'actualité et des faits du monde réel, et il peut écrire et exécuter du code pour produire le genre de choses qui doivent être exactement justes, comme des graphiques lisibles et des codes QR fonctionnels, plutôt que de les approximer comme le fait tendanciellement un modèle de diffusion pur.

Cette approche fondée sur l'usage d'outils permet aussi à Muse Image de se connecter au reste de la famille de modèles de Meta. Il s'intègre à Muse Spark, le modèle antérieur de Meta, de sorte que la génération de code et la génération de médias fonctionnent ensemble, et l'entreprise montre la combinaison produisant des GIF animés, des sites web simples avec des images intégrées dedans, et de petits jeux visuels interactifs. Le fil conducteur est que le modèle ne se contente pas de renvoyer une image, il assemble un résultat en utilisant les outils dont la tâche a besoin, ce qui est une façon nettement différente de penser à quoi sert un générateur d'images.

Il vaut la peine d'être lucide sur la position de tout cela en matière de qualité brute, car c'est Meta qui rapporte les chiffres. L'entreprise dit que Muse Image bat le Nano Banana 2 de Google sur plusieurs benchmarks de génération et d'édition d'images, tout en restant derrière le dernier outil d'images d'OpenAI en qualité globale. Lu simplement, c'est un résultat solide mais pas en tête des classements, un modèle compétitif plutôt qu'un nouveau leader, et cela s'accompagne de la réserve habituelle selon laquelle des benchmarks exécutés par le fournisseur favorisent le fournisseur. Muse Video, l'équivalent vidéo, est une preview plutôt qu'un produit livré, il devrait donc être traité comme un signal de direction, pas un outil fini.

La raison pour laquelle ce lancement compte tient moins au classement qu'à la méthode. Le schéma agentique qui a remodelé les modèles de texte et de codage, où le système utilise des outils, cherche à s'ancrer, écrit du code, et vérifie son propre travail, est maintenant appliqué à la génération d'images, et il cible exactement les modes d'échec qui rendaient les modèles d'images frustrants pour un usage sérieux, du texte qui ressort comme du charabia, des faits qui sont faux, et des graphiques qui n'ont l'air corrects que de loin. Que Muse Image soit ou non le meilleur modèle sur tel ou tel benchmark, un grand laboratoire qui recadre la génération d'images comme un agent utilisant des outils, et qui le déploie auprès de milliards d'utilisateurs le jour de son lancement, est la partie qui mérite qu'on y prête attention.