# Muse Ember : un modèle IA léger et pas cher pour agents > Muse Ember est le modèle léger de Meta pour agents IA : texte, images, audio et vidéo, 0,10 $ le million de tokens en entrée, accessible par API. - Type : actu de l'IA - Famille : Modèles · Modèle d'agent léger - Habitat : API · Meta Model API - Niveau : intermédiaire - Source : https://techcrunch.com/2026/11/09/meta-releases-muse-ember-a-new-lightweight-model-for-agent-execution/ - Publié le : 10 novembre 2026 - Page : https://geekus.fr/projets/muse-ember/ Muse Ember est le modèle d'intelligence artificielle le plus petit et le plus économe de Meta, présenté le 9 novembre 2026 par Meta Superintelligence Labs. Il est conçu pour le travail que les agents IA répètent toute la journée : appels d'outils, petites tâches de code, tri de requêtes, extraction de données, lecture de longs documents. Son prix et sa lecture de plusieurs types de contenus le rendent intéressant, avec des comparaisons qui restent à lire comme des résultats communiqués par Meta. ## En bref - Modèle léger de Meta pour les tâches répétitives des agents IA - 0,10 $ le million de tokens en entrée, 0,50 $ en sortie - Lit texte, images, audio et vidéo, jusqu'à un million de tokens à la fois - Pensé pour travailler avec [Muse Wonder](https://geekus.fr/projets/muse-wonder/), qui planifie pendant qu'Ember gère le volume - [Claude Haiku 5.5](https://geekus.fr/projets/claude-haiku-5-5/) fait mieux sur le code réel (FrontierCode 2.0-AA) ## Qu'est-ce que Muse Ember ? Muse Ember est le quatrième modèle de la gamme Muse de Meta. Il suit Muse Spark, sorti en avril, Muse Glimmer, la version open source de Spark, sortie en août, et Muse Wonder, le modèle haut de gamme, sorti en octobre. Meta le décrit comme conçu pour le raisonnement complexe en exécution et pour le travail que les agents répètent toute la journée. Un agent IA est un programme qui enchaîne seul plusieurs étapes en s'appuyant sur un modèle. Ember vise les étapes nombreuses et petites de cette chaîne, pas les problèmes les plus difficiles. C'est aussi le premier modèle entraîné à partir de Muse Wonder Full, selon Meta, qui l'inscrit dans sa gamme : Wonder pour les problèmes les plus durs, Spark pour le code et les flux d'agents, Ember pour les tâches répétables à grande échelle. - Appels d'outils - Petites tâches de code - Tri et orientation de requêtes - Extraction de données - Lecture de longs documents ## Un modèle qui lit texte, images, audio et vidéo Muse Ember comprend nativement le texte, les images, l'audio et la vidéo. Selon Meta, un agent peut donc lire des captures d'écran, des graphiques ou des documents numérisés, ou travailler à partir de notes vocales, d'enregistrements de réunion et de vidéos, sans second modèle. Sa fenêtre de contexte atteint un million de tokens, avec jusqu'à 512K tokens en sortie. Meta en tire qu'il peut absorber un dépôt de code entier ou un ensemble de documents en un seul appel. Il peut aussi piloter un ordinateur à partir de captures d'écran. ## Comment Muse Ember travaille avec Muse Wonder Meta imagine Ember en duo avec un modèle plus lourd comme Muse Wonder. Pour un agent de support client, le modèle puissant établit les règles de traitement d'un problème, puis Ember les applique à des dizaines de milliers de cas. La formule de Meta : « Muse Wonder plans, Muse Ember handles the volume ». L'intérêt est de ne pas mobiliser un modèle coûteux pour des tâches qui n'exigent pas de raisonnement poussé. Meta recommande d'associer Wonder à Ember pour les problèmes les plus difficiles. ## Prix de Muse Ember Muse Ember coûte 0,10 dollar par million de tokens en entrée, 0,50 dollar par million en sortie et 0,004 dollar par million de tokens d'entrée en cache. Un token est un petit morceau de texte, de l'ordre d'un mot ou d'une partie de mot, et c'est l'unité de facturation de ces modèles. Le blog de Simon Willison relève que ce tarif vaut pour les prompts courts, jusqu'à 200k tokens. Au-delà, l'entrée passe à 0,30 dollar et la sortie à 1,50 dollar. Chez GPT-6 Luna, le seuil est de 272k, et chez Claude Haiku 5.5 de 100k, où l'entrée passe alors à 0,50 dollar. Pour la comparaison avec Muse Spark 1.3, Meta cite 1,25 dollar en entrée et 4,25 dollars en sortie, contre 0,10 et 0,50 pour Ember. - Entrée : 0,10 $ par million de tokens - Entrée en cache : 0,004 $ par million - Sortie : 0,50 $ par million - Entrée au-delà du seuil de 200k : 0,30 $, sortie : 1,50 $ ## Ce que mesure Meta, et où Haiku garde l'avantage Meta s'appuie sur l'indice d'Artificial Analysis, qui rapporte un score au coût par tâche. Muse Ember y obtient 36 pour environ 0,14 dollar par tâche, contre 37 pour Muse Spark 1.3 à 2,39 dollars. Meta affirme qu'il égale le meilleur score de Claude Haiku 5.5 pour environ un tiers du coût et qu'il dépasse tous les réglages de GPT-6 Luna. Sur les tests d'agents, Meta annonce 37,8 % à AutomationBench-AA, contre 13,9 % pour Haiku et 20,2 % pour Luna. Au Coding Agent Index, Ember obtient 46, Haiku 37 et Luna 31. Une partie de ces tests sont des évaluations internes de Meta, comme le précise l'annonce. Un point joue en sens inverse : sur FrontierCode 2.0-AA, qui juge de vraies tâches d'ingénierie, Haiku obtient 34,9 % et Ember 27,2 %. ZDNet rappelle d'ailleurs que ces performances sont des résultats communiqués par Meta. Des partenaires ont aussi fait des essais. Cloudflare dit avoir mesuré jusqu'à 30 % de rapidité en plus en queue de distribution, et You.com un p95 de 2,2 secondes. ## Où utiliser Muse Ember Muse Ember est disponible depuis le 9 novembre sous le nom `muse-ember-1.0`, via la Meta Model API et Muse Code. Il prend en charge la Responses API. Meta indique aussi que Muse Ember, Muse Spark et Muse Wonder sont disponibles sur Google Cloud et Oracle Cloud. Il propose six niveaux de raisonnement, de minimal à max, selon Simon Willison. Avant sa sortie, Meta l'a évalué avec son cadre de sécurité, y compris sur les risques chimiques, biologiques et de cybersécurité, et il reste sous les seuils de risque élevé. Meta a aussi testé son comportement face à des instructions cachées dans des pages web ou des documents. L'annonce ne dit pas si les poids d'Ember seront publiés, ni s'il peut tourner en local. ## Quelques repères - **Token** : Unité de découpage du texte utilisée par les modèles d'IA, de la taille d'un mot ou d'un morceau de mot. Les services d'IA facturent généralement à la quantité de tokens lus et écrits. - **Fenêtre de contexte** : Quantité maximale d'informations qu'un modèle d'IA peut prendre en compte en une seule fois, entre ce qu'on lui envoie et ce qu'il répond. - **Agent IA** : Programme qui s'appuie sur un modèle d'IA pour enchaîner plusieurs étapes de lui-même, par exemple appeler des outils ou lire des documents, afin d'accomplir une tâche. ## Questions fréquentes ### Combien coûte Muse Ember ? Muse Ember coûte 0,10 dollar par million de tokens en entrée et 0,50 dollar par million en sortie. Selon Simon Willison, ce tarif s'applique jusqu'à 200k tokens de prompt, puis l'entrée passe à 0,30 dollar et la sortie à 1,50 dollar. ### Muse Ember lit-il les images et l'audio ? Oui, Muse Ember comprend le texte, les images, l'audio et la vidéo. Meta cite les captures d'écran, graphiques, documents numérisés, notes vocales et enregistrements de réunion. ### Muse Ember est-il meilleur que Claude Haiku 5.5 ? Cela dépend du test. Meta affirme qu'Ember offre plus d'intelligence par dollar que Haiku, mais Haiku fait mieux sur FrontierCode 2.0-AA, avec 34,9 % contre 27,2 %. ### Où utiliser Muse Ember ? Muse Ember est disponible via la Meta Model API et Muse Code, sous le nom muse-ember-1.0. Meta indique aussi une disponibilité sur Google Cloud et Oracle Cloud. ## À retenir Muse Ember est un modèle léger de Meta, facturé 0,10 dollar le million de tokens en entrée, pour les tâches répétitives des agents IA et la lecture de contenus variés. Ses comparaisons viennent de Meta, et Claude Haiku 5.5 garde l'avantage sur le code réel mesuré par FrontierCode 2.0-AA. Sources : - [TechCrunch](https://techcrunch.com/2026/11/09/meta-releases-muse-ember-a-new-lightweight-model-for-agent-execution/) (article de presse) - [The Decoder](https://the-decoder.com/meta-launches-muse-ember-a-small-ai-model-built-for-the-repetitive-work-agents-actually-do/) (article de presse) - [research.meta.ai](https://research.meta.ai/blog/muse-ember) (page citée sur Hacker News) - [Simon Willison](https://simonwillison.net/2026/Nov/10/muse-ember/) (article de presse) Mots-clés : meta, muse, agents, api, multimodal, modèle léger --- Fiche publiée par Geekus : https://geekus.fr/projets/muse-ember/