Meta a publié Muse Spark 1.3 le 2 septembre, en introduisant une tarification à deux niveaux. Les développeurs qui autorisent Meta à s'entraîner sur leurs prompts et sorties paient jusqu'à un vingt-et-unième du tarif standard. Ce lancement montre que les prix — et pas seulement les capacités brutes des modèles — sont devenus un terrain concurrentiel entre fournisseurs d'IA, de plus en plus disposés à échanger des remises contre des données d'entraînement.

Les tokens en cache chutent de 75x

Sur le plan standard, un million de tokens d'entrée coûte 1,25 $ et un million de tokens de sortie coûte 4,25 $. Le niveau Contributor réduit ces prix à 10 cents et 20 cents respectivement, soit une économie moyenne d'environ 95 %.

La remise la plus importante concerne les tokens d'entrée en cache, qui permettent aux développeurs de réutiliser le contexte sans payer de retraitement. Leur prix passe de 0,15 $ à 0,002 $ par million de tokens — une réduction de 75x qui rend les flux de travail répétitifs quasi gratuits à exécuter. Pour les développeurs faisant tourner des agents qui référencent repeatedly le même contexte long, le prix des tokens en cache peut dominer le coût total d'une application, d'où la remise la plus forte sur cette ligne.

En échange, les développeurs renoncent au contrôle de leurs données. Sur le niveau Contributor, tous les prompts, réponses et schémas d'utilisation alimentent le pipeline d'entraînement de Meta.

Les limites de débit diffèrent également : le plan standard autorise 3 000 requêtes par minute, tandis que l'accès Contributor est plafonné à 100 RPM — trop peu pour des fonctionnalités à l'échelle de la production. L'association d'un plafond de 100 RPM et d'une utilisation des données sans restriction positionne ce niveau pour l'expérimentation et le prototypage plutôt que pour le déploiement.

Meta a suspendu son programme interne de suivi des employés

Meta Superintelligence Labs, la division derrière la gamme Muse Spark, a conçu ces modèles pour combler un manque spécifique. Facebook, Instagram et WhatsApp génèrent un torrent de données conversationnelles et visuelles, mais très peu d'interactions de codage de qualité dont les outils agentiques ont besoin pour progresser.

Mario Zechner, le développeur derrière l'outil open-source Pi, a déclaré que la montée en capacité des agents de codage d'avril à octobre 2025 était principalement due au fait que Claude Code stockait les sessions utilisateur par défaut et les intégrait dans un entraînement par apprentissage par renforcement.

Meta a eu du mal à se procurer ce matériel elle-même. Un programme interne qui suivait l'utilisation des ordinateurs par les employés a été vivement critiqué et suspendu en juin.

Arvind Narayanan, professeur d'informatique à Princeton, a noté que les grandes entreprises restent fidèles aux plans d'entreprise facturés au token même lorsque les abonnements grand public comme Claude Max et ChatGPT Pro coûtent 10 à 20 fois moins cher, car les plans d'entreprise gardent leurs données hors des entraînements. Narayanan a suggéré que l'offre de Meta pourrait pousser ces entreprises à être plus prudentes pour distinguer les données propriétaires de celles qu'elles échangeraient volontiers contre une remise.

« Cela abaisse la barrière d'entrée pour le prototypage, les tests d'intégration et le passage à l'échelle des expériences lorsque l'entraînement sur vos données est acceptable », indique le guide tarifaire de Meta à propos du niveau Contributor.

Meta a d'abord expérimenté cette structure à deux niveaux avec Muse Spark 1.2 en août 2026. Muse Spark 1.3 propose une fenêtre de contexte d'un million de tokens, capable d'accueillir environ 750 000 mots en une seule session, et l'entreprise affirme qu'il nécessite moins d'appels d'outils pour accomplir des tâches complexes que ses prédécesseurs.

Ce lancement s'inscrit dans un contexte de baisses de prix plus larges dans l'industrie : Anthropic a réduit le coût des tokens en cache pour ses nouveaux modèles Fable et Mythos, et fin juillet, OpenAI a abaissé les prix de tous ses modèles les plus récents. OpenAI tire ses données d'entraînement des utilisateurs du niveau gratuit de ChatGPT, tandis qu'Anthropic applique des règles plus strictes sur les données. L'approche de Meta rend ce compromis explicite et chiffré, un angle à surveiller alors que les concurrents décideront s'ils lancent eux aussi des programmes de données contre remises.

Source : Cryptopolitan