Muse Ember : Meta casse le prix des agents IA

Meta a présenté le 9 novembre 2026 Muse Ember, le modèle le plus léger et le moins cher de son Superintelligence Lab. Il ne cherche pas à écrire votre discours de mariage : il est fait pour le travail de fourmi des agents IA, à savoir appeler des outils, extraire des données, lire de longs documents et router des requêtes.

Ce positionnement explique le prix, et c'est le prix qui fait l'information.

Dix centimes le million de tokens

Le tarif annoncé par Meta est de 0,10 dollar par million de tokens en entrée, en deçà de 200 000 tokens, et 0,50 dollar en sortie. L'entrée mise en cache tombe à 0,004 dollar.

Au-delà de 200 000 tokens dans la même requête, les tarifs passent à 0,30 dollar en entrée, 0,012 pour le cache et 1,50 en sortie.

Un token, c'est un fragment de mot, l'unité que facturent tous ces modèles. Un million de tokens représente à peu près un gros roman.

Le score d'un Haiku 5.5, pour trois fois moins cher

Sur l'index Artificial Analysis, qui agrège plusieurs tests de raisonnement, Ember obtient 36. C'est le niveau de Claude Haiku 5.5, le petit modèle d'Anthropic, et au-dessus de GPT-6 Luna d'OpenAI qui plafonne à 28.

Là où l'écart se creuse, c'est le coût par tâche : Meta avance 0,14 dollar pour Ember, contre 0,41 pour Haiku et 0,15 pour Luna.

Sur les tests d'automatisation, Ember affiche 37,8 % de réussite, devant Luna à 20,2 % et Haiku à 13,9 %. Ces chiffres viennent de Meta, qui choisit ses tests : à vérifier sur des mesures indépendantes dans les semaines qui viennent.

Lire une capture d'écran sans second modèle

Ember accepte en entrée du texte, des images, du son et de la vidéo. Concrètement, un agent peut lui donner une capture d'écran, un graphique, un document scanné ou l'enregistrement d'une réunion sans passer par un modèle spécialisé à côté.

La fenêtre de contexte atteint un million de tokens, avec jusqu'à 512 000 tokens en sortie. De quoi avaler un dossier entier d'un coup plutôt que de le découper en morceaux, ce qui est précisément là où les agents perdent le fil.

Wonder planifie, Ember encaisse le volume

La formule est de Meta, et elle décrit l'architecture visée : un gros modèle réfléchit et découpe le problème, un petit exécute des milliers de fois.

Ember complète ainsi une gamme Muse construite en huit mois : Spark en avril 2026, Glimmer en août, Wonder en octobre, Ember maintenant. Le modèle est disponible via la Meta Model API sous l'identifiant muse-ember-1.0, ainsi que sur Google Cloud et Oracle Cloud.

Concrètement, pour vous

Si vous ne codez pas d'agent, l'effet vous atteindra par ricochet : c'est ce genre de prix qui décide si une entreprise automatise le tri de ses mails, la lecture de ses factures ou la réponse à ses clients.

Si vous faites tourner un agent, trois points méritent un calcul avant de migrer :

• Le cache à 0,004 dollar change l'économie d'un agent qui relit le même prompt des milliers de fois par jour.
• Le saut de tarif au-delà de 200 000 tokens triple le prix d'entrée : mieux vaut savoir où vos requêtes se situent.
• Un score de raisonnement égal ne veut pas dire un comportement égal sur vos propres tâches, et un petit modèle échoue autrement qu'un grand.

Le point à surveiller maintenant, ce sont les mesures de tiers sur le coût par tâche réel. C'est le seul chiffre de cette annonce qui vient entièrement des équipes de Meta, et c'est aussi celui sur lequel repose tout l'argument.