Les informations de mars 2026 sur un supposé retard du projet Avocado ne suffisent plus pour décrire l’offre d’IA de Meta. Un nom de code cité par la presse, une comparaison de tests internes et un produit accessible au public sont trois niveaux d’information différents. Pour choisir un outil aujourd’hui, mieux vaut partir du modèle officiellement annoncé et des fonctions disponibles sur son compte.
Ce que l’annonce officielle plus récente établit
Le 9 juillet 2026, Meta a présenté Muse Spark 1.1, un modèle de raisonnement multimodal de Meta Superintelligence Labs. L’entreprise y annonce un accès en mode Thinking dans l’application Meta AI et sur meta.ai, ainsi qu’une préversion publique de Meta Model API pour les développeurs.
Meta décrit des progrès en utilisation d’outils et d’ordinateur, en programmation et en compréhension multimodale. Il s’agit de capacités présentées par l’éditeur, accompagnées d’évaluations. Cette annonce ne doit pas être confondue avec une confirmation de toutes les informations antérieures sur le calendrier d’un projet appelé Avocado.
Pourquoi un retard supposé ne démontre pas un classement technique
Dire qu’un modèle est « derrière Gemini » demande davantage qu’une mention de tests internes. Il faut identifier les versions comparées, les tâches, les outils activés et les conditions de mesure. Une réponse à une question de culture générale, une correction de code et une action effectuée dans une application ne sollicitent pas les mêmes capacités.
Un écart sur une évaluation ne se traduit pas automatiquement par une infériorité sur tous les usages. De la même manière, une date de sortie rapportée par des sources anonymes ne permet pas d’établir à elle seule la cause d’un éventuel décalage. Les intentions de licence, les budgets et les futurs noms commerciaux doivent être confirmés séparément avant de servir d’argument de comparaison.
Vérifier l’accès avant de préparer un projet
Pour un essai grand public, regardez le service réellement utilisé, le mode disponible et les types de fichiers acceptés dans votre interface. Une annonce de modèle ne garantit pas que toutes les fonctions soient proposées de façon identique dans chaque pays, application ou offre. Ne déduisez pas non plus l’accès à une API de la seule présence d’un assistant dans une application.
Dans une entreprise, choisissez d’abord un scénario concret : extraire des champs d’un document, analyser une image de produit ou préparer une modification dans un outil. Définissez les données autorisées et le résultat attendu. Si l’assistant peut agir sur un service, vérifiez aussi les permissions, les étapes de validation et la trace des actions.
Comparer sur le même travail, avec une réponse contrôlable
Utilisez un document public identique pour chaque essai. Relevez les faits omis, les erreurs, les sources et le temps passé à corriger le résultat. Pour une action, contrôlez l’état final dans l’application de destination : une phrase annonçant la réussite ne suffit pas à prouver que le changement a eu lieu.
Notre méthode pour comparer des assistants sur des tâches concrètes peut servir de grille de départ. Conservez la date et la version de chaque essai. Cela permet de réévaluer le même usage après une mise à jour, plutôt que de rester sur un classement ou un calendrier de lancement ancien.
Je suis Romain Delcourt, rédacteur tech passionné par le numérique et l’intelligence artificielle. J’écris pour décoder les tendances, les outils et les changements qui façonnent nos usages au quotidien.
