Que fait vraiment Meta Muse quand on lui demande de chercher
Je développe des intégrations chez eesel, et les pipelines de recherche font partie de mon quotidien. Notre rédacteur de blog IA lance une étape de recherche avant chaque brouillon, et une équipe qui l'utilise fait tourner un pipeline du mot-clé à la publication à 360+ articles par mois. La leçon que j'en ai tirée est simple : un agent de recherche échoue en silence. Il plante rarement. Il vous remet un paragraphe sûr de lui avec un chiffre que personne ne peut retracer. Je lis donc Muse sous cet angle : comment il trouve les choses, et comment vous vérifiez ce qu'il a trouvé.
Meta Muse est l'agent IA personnel de Meta, lancé le 8 septembre 2026 et propulsé par Muse Spark. Pour la recherche, trois éléments comptent.
Une compétence de recherche nommée. La page d'aide sur les skills de Meta liste « compiling research » à côté de la rédaction de documents, de la création de tableaux de bord et de la navigation web. Ces compétences sont intégrées, et vous pouvez voir lesquelles Muse a utilisées dans son journal d'activité. La FAQ de Meta cite « researching topics » parmi les usages courants.
Son propre navigateur. Muse dispose d'un navigateur complet dans sa machine virtuelle isolée. D'après l'article d'aide sur la navigation web, vous pouvez ouvrir une fenêtre d'observation pour le regarder faire, prendre la main ou arrêter la tâche.
Du temps en arrière-plan. Muse continue de travailler après la fermeture de l'application, et peut lancer des tâches récurrentes selon un calendrier, « like daily check-ins or weekly summaries. » C'est la fonction qui le distingue d'une fenêtre de chat.
Meta décrit l'habitude de recherche du modèle dans son article sur Muse Spark 1.3 : il « uses tools to generate its own context across messy and conflicting sources » et « keeps track of what it has learned to produce a final deliverable. » C'est ce que j'attendrais d'un chercheur junior. Que cela tienne dépend de ce que vous lui donnez.
Les sources d'entrée sont plus larges que dans la plupart des outils de recherche. Muse se connecte à Box, Dropbox et Notion (ajoutés avec Muse for Small Business, selon muse.ai/business), lit des fichiers locaux sur un Mac avec votre autorisation et récupère des notes de réunion depuis Granola ou Zoom. Mon article sur Muse pour la vente liste l'ensemble des connecteurs. Ce que vous ne trouverez pas : Google Scholar, PubMed, Zotero ni aucun connecteur de base de données académique. Pour des revues de littérature, c'est une vraie lacune.
Où sont les sources ?
C'est ce qui m'a le plus surpris. Muse ne met pas de citations dans ses réponses par défaut. L'article d'aide sur les approbations de Meta en fait une option : « You can also ask your Muse to provide the sources it based its response on. »
Vous pouvez aussi lui demander son historique de navigation. L'article sur la navigation donne le prompt exact : « Show all URLs you have visited in the last week. » C'est une piste d'audit utile. Ce n'est pas la même chose qu'une note de bas de page à côté de chaque affirmation.
J'ai passé en revue toutes les pages Muse que Meta publie (muse.ai, les 13 articles du centre d'aide, l'article de lancement, introducing.muse.ai). Aucune ne décrit un mode deep research ni des citations intégrées par défaut. Comparez avec ChatGPT deep research ou Perplexity, où la liste de citations est le produit.
Muse peut quand même produire des notes de bas de page quand le résultat est un document. Un utilisateur de Reddit a demandé à Muse de se renseigner sur un problème de barbe et a obtenu un guide web complet avec « Ten footnotes. » Le problème est apparu ailleurs :
"the chat gave me a $53 buy list with three products, and the website it built recommends five completely different ones. The website even calls the products on my buy list "unverified" and "not presented as recommendations here." Same session, same AI."
C'est le mode de défaillance que je prévoirais. La réponse du chat et l'artefact final peuvent se contredire, et un seul des deux portait des sources. Quand Muse vous donne un résumé dans le chat, demandez de quel document ou de quelle URL provient chaque chiffre avant de le réutiliser.
Les chiffres indépendants confirment cette prudence. Sur Artificial Analysis, Muse Spark 1.3 (Max) obtient 43.6% de précision au test de connaissances AA-Omniscience avec un taux d'hallucination de 32.9%. Ce test sanctionne les mauvaises réponses et ne sanctionne pas le « je ne sais pas ». En clair : quand le modèle ne connaît pas un fait, il répond quand même parfois.
Quel est le niveau de Muse en recherche, chiffres à l'appui ?
Meta a publié un tableau de benchmarks avec le lancement de Muse Spark 1.3. Deux lignes comptent pour la recherche : une sur la navigation web, une sur la lecture de documents longs.
| Benchmark (tableau de Meta) | Ce qu'il mesure | Muse Spark 1.3 | GPT 5.6 Sol | Opus 5 |
|---|---|---|---|---|
| DeepSearchQA (F1) | 900 questions de navigation avec réponses sous forme de liste | 90.3 | 93.1 | 90.4 |
| GDPval-AA v2 (Elo) | 220 tâches professionnelles avec rapports et feuilles de calcul | 1754 | 1710 | 1824 |
| MRCR 256K-512K | Retrouver des faits dans de très longues entrées | 98.5 | 91.5 | Non communiqué |
| MRCR 512K-1M | Idem, jusqu'à 1M de tokens | 98.1 | 73.8 | Non communiqué |
Deux réserves. Ce sont les chiffres de Meta avec un raisonnement maximal, et le rapport de méthodologie de Meta précise que chaque modèle reçoit son meilleur résultat comparable. Ils testent aussi le modèle, pas l'application Muse avec ses connecteurs et ses approbations.
Le tableau reste clair. En recherche web, Muse est au niveau d'Opus 5 et un cran derrière GPT 5.6 Sol. Sur les documents longs, c'est le meilleur des trois, et de loin. Si votre recherche consiste à « lire ces cinq PDF de 200 pages et trouver chaque mention de X », c'est le meilleur cas de Muse. Mon analyse approfondie de Muse Spark 1.3 présente le portrait complet du modèle.
Cinq tâches de recherche que Muse réussit bien
Voici où je mettrais réellement Muse au travail, classées selon la confiance que j'accorderais au résultat.
1. Surveiller un sujet pendant des semaines
C'est la tâche que Muse accomplit et qu'un outil de chat ne peut pas faire. Vous le configurez une fois et il revient vérifier de lui-même. Un utilisateur de Hacker News décrit exactement cela :
"Muse I use for general research and monitoring my Ig/Facebook/Threads conversations and posts. Research here meaning stuff I need a browser for, like the other day I asked Muse to monitor the Apple website every few hours to tell me when iPhones in my area are back in stock."
Pour le travail, remplacez l'iPhone par la page tarifs d'un concurrent, le panneau d'annonces d'un régulateur ou un changelog. Muse vous prévient quand quelque chose change, et vous lisez vous-même le changement.
2. Lire de longs fichiers que vous avez déjà
Muse lit le PDF, le DOCX, le texte brut, le Markdown, le XLSX et le CSV, d'après la page d'aide sur les artefacts. Vous pouvez poser des questions de suivi comme « What's on page 3? » et lui demander de lire un document et d'écrire un résumé séparé « all in one request. » Meta ne publie aucune limite de taille de fichier, seulement une note indiquant que « Large or complex files may take a moment to process. » PowerPoint ne figure pas dans la liste des formats pris en charge, donc exportez d'abord vos présentations en PDF.
3. Récapitulatifs hebdomadaires de recherche
Les tâches récurrentes continuent de tourner jusqu'à ce que vous les annuliez. Un des premiers utilisateurs les a configurées le jour du lancement :
"I asked Muse to schedule repeating tasks that only involve web search e.g., every other morning find sci-fi movies playing in my city, 3pm EST stock market summary, etc."
Un récapitulatif du vendredi sur « ce qui a changé cette semaine sur mon marché » en est la version professionnelle. C'est la même idée que la recherche proactive de dots d'OpenAI, avec les connecteurs de Muse derrière.
4. Chercher ce qui se trouve déjà dans votre boîte mail et vos notes
Connectez Gmail, Notion ou Box, et Muse peut y chercher sans tout télécharger (« it won't download your whole inbox (unless you tell it to) », selon l'aide sur les connecteurs). « Récupère tous les e-mails de clients qui mentionnent les prix ce trimestre et regroupe les plaintes » est une tâche de recherche que la plupart des gens ne font jamais. C'est le même travail que j'ai traité dans Muse pour l'analyse des retours clients.
5. Mettre les résultats en forme dans un document
Muse transforme la recherche en PDF, fichiers Word, feuilles de calcul et petits outils web d'une page. L'article sur le design de Meta montre des exemples, dont « an interactive study guide. »
Les artefacts restent privés tant que vous n'approuvez pas leur partage. Un conseil de la page sur les artefacts que je suivrais : « If you need a PDF instead of a word document file, say so. »
Une habitude à surveiller dans ces cinq tâches. Muse est conçu pour agir, et cela se voit dès que la recherche touche à quelque chose qui peut s'acheter :
"it still consistently wants to spend money; research a trip? as soon as it has any results it prompts to start booking stuff."
Les achats nécessitent toujours votre approbation, donc rien n'est acheté sans vous. Mais si vous ne voulez que la recherche, dites-le dès le premier message.
Ce que disent les conditions de Muse sur la recherche
Les Supplemental Terms de Muse, mises à jour le 8 septembre 2026, contiennent quatre lignes que toute personne qui fait de la recherche devrait connaître. L'usage professionnel est autorisé. Voici les limites.
| Clause | Ce qu'elle dit | Ce que cela signifie pour la recherche |
|---|---|---|
| Section 4, point 06 | Vous ne pouvez pas « circumvent any third party's terms of service... including but not limited to circumventing any paywalls or CAPTCHAs » | Pas de contournement de paywall, ni de scraping d'un site dont les conditions interdisent les robots |
| Section 11, Accuracy Warning | Les résultats « may be inaccurate, incomplete, or contain material errors even when they appear accurate » | Vérifiez chaque chiffre avant qu'il ne quitte votre bureau |
| Section 12, No Professional Advice | Muse « does not provide, and should not be relied upon for, legal, financial, investment, medical, tax, or other professional advice » | La recherche médicale, juridique et financière ne sert que de contexte |
| Meta AI Terms | Vous ne pouvez pas « Deceive or mislead others, including but not limited to activity related to plagiarism » | Ne rendez pas le rapport de Muse comme votre propre travail original |
La clause sur la précision est celle que j'afficherais au mur. La ligne complète dit que les résultats peuvent contenir des erreurs « even when they appear accurate due to their level of detail or specificity. » C'est exactement le piège de la recherche. Une réponse détaillée donne l'impression d'avoir été vérifiée. Elle ne l'a pas été.
Vous gardez la propriété de ce que vous créez avec Muse (Section 2.1), et vous pouvez refuser l'entraînement de l'IA dans Data Controls. Les Meta AI Terms vont plus loin sur les sujets réglementés : « IT IS YOUR SOLE RESPONSIBILITY TO VERIFY OUTPUTS. »
Confier, vérifier, garder
Rapprochez les benchmarks, le comportement face aux sources et les conditions, et le partage s'impose de lui-même.
Confier : les tâches où l'entrée est fixe et où vous repérez vite une mauvaise réponse. Surveillance, résumé de vos propres fichiers, récapitulatifs hebdomadaires.
Tout vérifier : les tâches où Muse trouve les faits sur le web ouvert. Listes de sources, estimation de marché, notes sur les concurrents. Demandez les sources à chaque fois, puis ouvrez au moins celles dont dépend votre conclusion.
Garder soi-même : tout ce qui est derrière un paywall, tout ce qui est réglementé, et la liste finale de citations de tout ce que vous publiez.
Voici les prompts avec lesquels je commencerais :
| Tâche de recherche | Prompt à essayer | Vérification de suivi |
|---|---|---|
| Veille concurrentielle | "Every Monday, check these three pricing pages and tell me what changed since last week." | Ouvrez la page pour chaque changement signalé |
| Revue de long PDF | "Read these two reports and list every figure on churn, with the page number." | Vérifiez trois numéros de page au hasard |
| Panorama de marché | "Find the five most-cited sources on this market and summarize each in two lines." | "Show me the sources you based this on" |
| Recherche dans la boîte mail | "Group every customer email about refunds this quarter by reason." | Lisez cinq e-mails du plus gros groupe |
| Note finale | "Turn this into a two-page PDF with a source list at the end." | Cliquez sur chaque lien de la liste de sources |
Le journal d'activité aide à vérifier. Il affiche une chronologie de chaque action et de chaque compétence utilisée par Muse, ce qui permet de voir s'il a réellement ouvert les pages qu'il a résumées.
Quand un autre outil de recherche convient mieux
Muse n'est pas le seul agent qui fait de la recherche, et pour certaines tâches je choisirais autre chose.
- Vous avez besoin d'un rapport cité aujourd'hui. ChatGPT deep research établit un plan, lit largement et renvoie un rapport avec ses sources. Perplexity répond avec des citations par défaut.
- Votre recherche vit dans un espace de travail d'équipe. Notion research mode fonctionne dans les pages partagées où votre équipe écrit déjà. Muse n'a ni offre équipe, ni mémoire partagée, ni console d'administration.
- Vous voulez un autre type d'agent. Mon test de Claude Cowork présente un agent de travail pour ordinateur. Pour d'autres agents personnels, voir Instinct AI vs Meta Muse.
Muse l'emporte quand la recherche est continue, personnelle et répartie entre votre boîte mail, vos fichiers et le web. Le panorama complet se trouve dans mon tour d'horizon des alternatives à Meta Muse.
Ce que Muse coûte pour la recherche
Muse est mesuré en « tokens Muse » par semaine. Voici les offres de la page d'abonnements de Meta :
| Offre | Prix | Utilisation hebdomadaire | Idéal pour |
|---|---|---|---|
| Free | 0 $ | 100M de tokens Muse, selon Mark Zuckerberg au lancement | Surveillance légère, quelques résumés de fichiers |
| Power | 20 $/mois | 500M de tokens Muse | Récapitulatifs hebdomadaires et lecture régulière de longs fichiers |
| Maximum | 100 $/mois | 3B de tokens Muse | Recherches quotidiennes sur de nombreuses sources |
La recherche est un usage lourd. Les longs documents remplissent la fenêtre de contexte, et le modèle est bavard : lors du passage de l'indice Artificial Analysis, Muse Spark 1.3 a généré 170M de tokens contre une médiane de 81M. Attendez-vous à ce que la recherche atteigne la limite gratuite avant le chat. Il n'y a pas d'offre équipe ni annuelle, donc chaque chercheur paie sur son propre compte Meta. L'article sur les tarifs de Meta Muse donne les détails, et les tarifs d'API du modèle sont dans tarifs de Muse Spark 1.3.
De la recherche à l'article publié : le rédacteur de blog IA d'eesel
Si votre recherche se termine en article de blog, le plus dur commence quand Muse s'arrête. Chaque chiffre a besoin d'un lien vers sa source, chaque citation d'un lien permanent, et le brouillon doit se lire comme s'il avait été écrit par une personne. C'est le travail pour lequel le rédacteur de blog IA d'eesel a été recruté.
C'est l'un des coéquipiers IA d'eesel : une recrue prête à travailler sur une seule mission, pas un agent généraliste qu'il faut piloter. Il étudie les sources primaires d'un sujet, conserve le lien de la source sur chaque affirmation et rédige un long article avec infographies, captures d'écran du produit et FAQ. Une marque allemande d'e-commerce le lance à partir d'un mot-clé et reçoit un article de 2,000 à 2,900 mots en 12 à 20 minutes environ. Le flux de travail du rédacteur de blog montre chaque étape, et mon guide sur la recherche de sujets de blog couvre ce qui vient avant. Si vous préférez préparer votre brief depuis Muse, voir Muse pour les briefs SEO.
Utilisez Muse pour surveiller votre marché et lire vos fichiers. Au moment de publier, essayez eesel et obtenez un brouillon cité que vous pouvez éditer, plutôt qu'un résumé à revérifier ligne par ligne.