EN DIRECT
Des documents judiciaires révèlent des propos internes accablants sur le scraping de contenu par l'IA19/09/26|L'armée américaine évite de justesse un incident après un rapport de renseignement halluciné par une IA18/09/26|Une étude révèle que les biais de genre des GPT ne disparaissent pas, ils se transforment17/09/26 · OpenAI|Des modifications d'architecture permettraient de casser les lois d'échelle classiques16/09/26|OpenAI publie un cadre pour signaler les cas de désalignement de ses modèles16/09/26 · OpenAI|NVIDIA dévoile les premiers résultats MLPerf de sa plateforme Vera Rubin NVL7216/09/26 · NVIDIA|OpenAI élargit la publicité dans ChatGPT avec des « Sponsored Agents »16/09/26 · OpenAI|OpenAI se lance dans la publicité avec des « Sponsored Agents »16/09/26 · OpenAI|Google DeepMind lance Gemini 3.8 Live et sa variante à raisonnement étendu15/09/26 · Google DeepMind|L'investissement massif dans les infrastructures IA fait-il courir un risque de bulle ?15/09/26|Une faille dans la surveillance du raisonnement des modèles de langage14/09/26|Stellar Colosseum : un système multi-agents pour la recherche mathématique de long terme14/09/26|Des documents judiciaires révèlent des propos internes accablants sur le scraping de contenu par l'IA19/09/26|L'armée américaine évite de justesse un incident après un rapport de renseignement halluciné par une IA18/09/26|Une étude révèle que les biais de genre des GPT ne disparaissent pas, ils se transforment17/09/26 · OpenAI|Des modifications d'architecture permettraient de casser les lois d'échelle classiques16/09/26|OpenAI publie un cadre pour signaler les cas de désalignement de ses modèles16/09/26 · OpenAI|NVIDIA dévoile les premiers résultats MLPerf de sa plateforme Vera Rubin NVL7216/09/26 · NVIDIA|OpenAI élargit la publicité dans ChatGPT avec des « Sponsored Agents »16/09/26 · OpenAI|OpenAI se lance dans la publicité avec des « Sponsored Agents »16/09/26 · OpenAI|Google DeepMind lance Gemini 3.8 Live et sa variante à raisonnement étendu15/09/26 · Google DeepMind|L'investissement massif dans les infrastructures IA fait-il courir un risque de bulle ?15/09/26|Une faille dans la surveillance du raisonnement des modèles de langage14/09/26|Stellar Colosseum : un système multi-agents pour la recherche mathématique de long terme14/09/26|
🇺🇸 États-Unis agentsSortie juillet 2026

Muse Spark 1.1

Meta
Verdict

Un modèle polyvalent, équilibré sur la plupart des usages.

Présentation

Muse Spark 1.1 est le modèle propriétaire de Meta conçu pour l'orchestration d'agents et les flux multimodaux, avec une fenêtre de contexte d'un million de tokens et une tarification compétitive (1,25 $ / 4,25 $ par million de tokens). Aucun benchmark n'accompagne cette sortie, ce qui rend impossible toute évaluation indépendante de ses performances réelles. Le modèle reste fermé et accessible uniquement via l'API de Meta, sans option d'hébergement local pour les organisations européennes soucieuses de la souveraineté de leurs données.

Profil de compétences

Arena Elo1492

Non communiqué

Forces

  • Top mondial sur Arena
  • Très long contexte

Limites

  • Pas de résidence UE documentée

À qui ça s'adresse

Pour vous si…
    À éviter si…
    • vous manipulez des données sensibles sans option UE

    Cas d'usage idéaux

    • Orchestration de workflows agents
    • Automatisation multi-étapes
    • Traitement de documents volumineux
    • Intégration multimodale légère

    Accès & disponibilité

    API payante au token

    Caractéristiques clés

    Contexte
    1M
    Prix entrée
    $1.25/M
    Prix sortie
    $4.25/M
    Vitesse
    Prix non auditéBenchmarks non audités

    Combien ça coûte par mois

    Estimation à partir des prix API sourcés et d’un palier matériel pour l’auto-hébergement. Hypothèses modifiables.

    Via API
    $40.0 / mois
    36.8 € · 20.0 M tokens
    Auto-hébergé
    Poids fermés : pas d’auto-hébergement

    Hypothèses : 36 mois d’amortissement, 0.25 €/kWh, 22 jours/mois, conversion 1 $ = 0.92 €. Hors main-d’œuvre, hors licences logicielles, hors redondance.

    nAIvigate Trust Index

    16/100

    Ce que l’éditeur offre et documente pour un usage professionnel en Europe. Un critère non documenté vaut zéro et reste visible : le score monte quand l’éditeur publie, pas quand nous supposons.

    10/20 critères documentés · 50 % · provisoire : 50 % de critères documentés ou moins

    Données0
    2/5 · 30 %
    Souveraineté10
    3/3 · 20 %
    Transparence10
    3/4 · 15 %
    Entreprise0
    0/6 · 20 %
    Licence85
    2/2 · 15 %
    Voir les critères
    Données
    Résidence des données en UE
    Pas de transfert hors UE
    Pas d’entraînement sur vos donnéesnon documenté
    Rétention configurablenon documenté
    Zero Data Retentionnon documenté
    Souveraineté
    Auto-hébergeable (poids ouverts)
    Hébergement UE proposé
    Éditeur européenpays : US30
    Transparence
    Licence publiée (URL)
    Tarifs publics sourcés40
    Engagements de conformité publiés
    Liste des sous-traitants publiéenon documenté
    Entreprise
    DPA disponiblenon documenté
    SSO / SAMLnon documenté
    Provisionnement SCIMnon documenté
    Journaux d’auditnon documenté
    SOC 2 / ISO 27001non documenté
    Endpoint privé / VPCnon documenté
    Licence
    Usage commercial autorisé
    Type de licenceproprietary70
    Classement complet et méthodologie

    Badge Trust Index

    Affichez ce score dans votre documentation, votre README ou votre page sécurité. Il se met à jour automatiquement.

    nAIvigate Trust Index · Muse Spark 1.1
    [![nAIvigate Trust Index · Muse Spark 1.1](https://naivigate.com/badge/muse-spark-1-1.svg)](https://naivigate.com/fr/model/muse-spark-1-1)

    Données & conformité

    Ce que nous savons, ligne par ligne, avec la source et la date. Ces lignes alimentent les familles Données et Entreprise du Trust Index ci-dessus. La conformité RGPD dépend de votre traitement, pas du modèle seul.

    Résidence des données en UENon
    Accord de traitement (DPA)Non documenté
    Transfert hors UEOui
    Entraînement sur vos donnéesNon documenté
    Rétention configurableNon documenté
    Zero Data RetentionNon documenté
    Auto-hébergeableNon
    Hébergement déclaréUS
    Déduit de l’hébergement déclaré, non vérifié à la source.Besoin d’une analyse dans votre contexte ? Shadow AI Sentinel

    Qualité des données de la fiche

    70/100

    Ce score mesure la qualité des données de cette fiche : prix, contexte, Elo, licence, documentés, sourcés et récents. Il ne mesure ni le modèle ni sa conformité : pour cela, voir le Trust Index plus haut.

    5/6 documentées · 2/6 sources primaires

    Prix APIévaluation nAIvigate
    Fenêtre de contexteofficiel
    Elo ArenaLMArena, préférence humaineindépendant
    Benchmarks (MMLU, GPQA, SWE-bench…)absent
    Licenceévaluation nAIvigate
    Données & conformitédéduit de l’hébergement déclarédéduit
    Données avancées · pour experts
    Architecture, modalités, coût détaillé, benchmarks complets
    Architecture
    Taille
    Date de coupe
    Entrées
    Sorties
    Licence
    proprietary
    Hébergement
    US
    Score d'hallucination
    Coût estimé (API)
    Échange type (~3k entrée / 1k sortie)
    ≈ $0.0080
    1M entrée + 1M sortie
    ≈ $5.50
    Tous les benchmarks
    Arena Elo1492
    MMLU
    GPQA
    HumanEval
    SWE-Bench
    MATH

    Modèles similaires