Meta cible le nouveau champ de bataille de l’IA avec Muse Ember : le coût par tâche d’agent

Meta vise à réduire les coûts d'exploitation des agents IA. Le 9 novembre, l'entreprise a publié Muse Ember, un modèle léger capable d'effectuer les tâches répétitives qui occupent les agents IA. Contrairement à d'autres, Ember ne vise pas à résoudre des problèmes complexes, mais se concentre plutôt sur l'exécution de travaux réguliers au coût le plus bas possible.

Conçu pour gérer le volume pendant que Muse Wonder planifie

Meta a conçu Ember pour traiter les travaux routiniers qui permettent aux agents IA de fonctionner. Il peut appeler d'autres outils logiciels, diriger les requêtes vers le système approprié, extraire des informations à partir de documents et traiter des fichiers volumineux. Ember peut également prendre en charge de petites tâches de programmation, comme exécuter des tests et apporter des corrections ciblées.

Afin de prendre des décisions plus complexes, Meta combine Muse Wonder, un modèle de raisonnement supérieur, et Ember. Wonder décide comment aborder une tâche, tandis qu'Exécute les petites actions nécessaires à son achèvement. Selon Meta :

« Muse Wonder planifie, Muse Ember gère le volume. »

Ember est la quatrième itération de la gamme Muse, après Muse Spark, Muse Glimmer et Muse Wonder. Elle est accessible aux développeurs via l'API Meta Model et Muse Code. Selon son plan tarifaire, Meta facture 0,1 $ par million de jetons d'entrée, ainsi que 0,004 $ par million de jetons d'entrée en cache et 0,5 $ par million de jetons de sortie.

Ember dispose d'une fenêtre de contexte d'un million de tokens, ce qui lui permet de traiter des documents et des bases de code plus importants. Il est également capable de gérer des images, de l'audio et des vidéos.

Ce qu'Artificial Analysis a découvert lors du test des affirmations

Des tests indépendants démontrent clairement l'étendue de l'avantage concurrentiel d'Ember en matière de coûts. Selon Artificial Analysis, le score d'indice d'intelligence d'Ember, qui est de 36, est identique à celui de Claude Haiku 5.5. Cependant, si Ember ne coûte que 0,14 $ par tâche de benchmark, Claude Haiku coûte 0,41 $. Les chiffres cités sont des coûts estimés pour les tests, et non des frais fixes payés par les clients. De plus, Ember a obtenu 68,1 % au test AutomationBench-AA, se plaçant ainsi au même niveau que le modèle plus performant de Meta, Muse Wonder.

Cependant, les résultats de ses tests de codage étaient incohérents. Ember a affiché de meilleures performances que Haiku sur Terminal-Bench 4.0, avec des scores respectifs de 40,9 % et 32,8 %. Mais Haiku a surpassé Ember sur FrontierCode 2.0, avec des scores de 34,9 % et 27,2 %.

Un autre point faible d'Ember est sa connaissance générale. Le modèle n'a obtenu qu'une précision de 21,1 % sur AA-Omniscience et a ignoré 64 % des requêtes. Grâce à son approche prudente, Ember a réussi à limiter le score d'hallucination à 17,4 %.

Pourquoi le coût par tâche est désormais l'enjeu majeur

La tarification plus basse d’Ember intervient alors que les entreprises réévaluent leurs dépenses en technologies IA. Gartner prévoit que la demande pour les agents et assistants IA portera les dépenses à 29,2 milliards de dollars en 2026, dans le cadre d’un marché IA estimé à 2,7 billions de dollars. À mesure que l’utilisation des technologies IA augmente, BCG encourage les éditeurs de logiciels à envisager de facturer les tâches ou résultats accomplis plutôt que simplement par utilisateur licencié. Toutefois, elle met en garde contre un abandon trop rapide du modèle de tarification par abonnement traditionnel.

La question plus large est de savoir si une IA moins chère offre de meilleurs rendements. McKinsey fait valoir que les seuls coûts en tokens ne suffisent pas à mesurer la valeur commerciale. Des prix plus bas peuvent également inciter les entreprises à utiliser davantage l’IA. IDC a constaté que 67 % des entreprises ont dépassé leur budget dédié aux agents. Le cabinet d’études anticipe une baisse de 95 % du coût par action d’agent d’ici 2030, même si le coût total lié à la livraison des tokens augmente d’un facteur 487.

Les questions de retour sur investissement, de fiabilité et de supervision

Les premiers partenaires de Meta ont souligné la rapidité d'Ember. Dane Knecht, CTO de Cloudflare, a indiqué que le modèle s'exécutait :

« jusqu'à 30 % plus rapidement »

Chak Pothina, responsable de l'inférence chez You.com, a rapporté :

« un p95 de 2.2 secondes »

Yashodha Bhavnani, dirigeante chez Box, a déclaré qu'Ember pouvait évaluer les contrats :

« clause par clause, en les confrontant au guide de négociation de l'entreprise »

Ces résultats sont prometteurs, mais ils proviennent de tests effectués par des partenaires. Les entreprises doivent encore évaluer les performances d'Ember dans leurs propres opérations.

La fiabilité va au-delà de la vitesse. L'Institut FII cite les résultats d'une enquête montrant que 73 % des répondants s'inquiètent de la confidentialité et de la sécurité des données dans l'IA. Par ailleurs, une étude McKinsey a révélé qu'environ 30 % seulement des organisations ont atteint des niveaux de maturité plus élevés en matière de gouvernance de l'IA agentique.

Les pressions sur les coûts dépassent celles liées aux modèles eux-mêmes. La récente émission obligataire de 15 milliards de dollars de Meta met en lumière le coût élevé de la construction d'infrastructures IA. Cryptopolitan a également rapporté les investissements croissants de Meta dans ses centres de données.