Meta AI peut-elle se souvenir que vos plans ont changé ?

Vous prenez d’habitude le train le plus tôt possible. Pour samedi, un ami vous demande de prendre celui de 10 h 40 pour voyager ensemble. Votre assistant se souvient des deux faits. Puis le train de 10 h 40 est supprimé. Quand vous demandez un nouvel itinéraire, va-t-il l’organiser autour d’un départ qui n’existe plus ? Va-t-il supposer que vous préférez toujours partir tard ? Ou se rappellera-t-il la raison de l’exception avant de demander quel train votre ami peut réellement prendre ?

C’est un test de mémoire plus intéressant que de demander à un assistant de répéter votre couleur préférée. La mémoire sert quand elle permet de poursuivre une tâche. Pour un projet qui s’étend sur plusieurs jours, l’assistant doit aussi distinguer préférences et exceptions, vérifier la situation actuelle et s’arrêter aux décisions qui vous appartiennent. La mise à jour de novembre pour Muse et Meta AI permet d’examiner ce qu’on peut désormais déléguer.

Ce que Meta a commencé à déployer en novembre

Le 6 novembre 2026, Meta a annoncé le début du déploiement de versions spécialisées de ses modèles existants dans Muse et Meta AI. Meta les a entraînées à l’aide de Muse Wonder, sa famille de modèles de recherche présentée séparément. Muse est l’agent personnel de Meta pour les tâches longues, et Meta AI son assistant généraliste. Le déploiement se fait par étapes. L’annonce seule ne permet pas de savoir quels comptes, régions ou interfaces ont reçu la mise à jour.

Meta décrit deux capacités qui répondent à des aspects différents d’un changement de plan. Active Memory, présentée pour les deux produits, aide l’assistant à déterminer quel contexte conserver, combien de temps il reste pertinent et quand une information plus récente en change le sens. Meta décrit Active Focus dans Muse comme la poursuite de l’objectif malgré un obstacle inattendu. Pour Meta AI, l’entreprise présente des améliorations proches dans la conversation, comme les questions de suivi et l’adaptation lorsque vous changez de direction. Dans l’exemple du train, la mémoire concerne les horaires et le rendez-vous avec votre ami. La poursuite de l’objectif consiste à proposer un trajet qui reste possible après l’annulation.

Cette distinction compte pour un essai réaliste. Un assistant peut répéter correctement les nouvelles contraintes et abandonner dès le premier obstacle. Il peut aussi proposer un itinéraire avec enthousiasme en se fondant sur les données de la semaine précédente. Le résultat est utile s’il répond aux deux besoins. Il emploie les contraintes actuelles et propose une suite que vous pouvez vérifier.

Meta rapporte que son résultat de référence pour Muse est passé de 76 % à 90 % dans l’utilisation correcte du contexte essentiel, soit 14 points de pourcentage. L’entreprise rapporte aussi une amélioration de 67 % du taux de réalisation des tâches courantes de Muse lorsqu’un imprévu survient. Ce second chiffre mesure une amélioration relative. Les deux viennent de l’évaluation de Meta. Un trajet, une routine d’étude ou une transmission de dossier peuvent avoir d’autres contraintes et exigent leurs propres contrôles.

Meta propose une visite guidée de Muse sur le site du produit. L’image de couverture est une photo historique du campus Facebook de Menlo Park, prise par LPS.1 en 2014 et mise à disposition sous CC0. Telli.sh a recadré et redimensionné la photo originale.

Trois types de contexte dans un même plan

Un trajet prévu samedi, un train à 10 h 40 et une préférence habituelle pour les départs matinaux peuvent sembler aussi utiles les uns que les autres au moment de les noter. Ils vieillissent différemment. Leur donner trois rôles distincts aide à voir ce que l’assistant a bien compris quand le plan change.

Schéma original de Telli.sh pour un voyage fictif. Les catégories servent à examiner les réponses et ne décrivent pas le fonctionnement interne de la mémoire de Meta.

Retirer un train annulé de l’itinéraire et oublier qu’il a existé sont deux choses différentes. Si votre ami demande pourquoi le plan a changé, ce détail reste pertinent. Si vous demandez quoi réserver, l’option est périmée. La bonne réponse dépend de ce que l’assistant doit faire du fait. Vous pouvez observer s’il sélectionne le contexte qui convient à la question.

Il en va de même pour une préférence. Une personne qui cherche un restaurant calme pour une réunion ne veut pas forcément appliquer le même choix à un anniversaire. Quelqu’un qui change durablement de préférence de siège peut s’attendre à ce qu’elle s’applique aussi à un autre trajet. Préciser la durée de validité améliore le test et le plan que vous utiliserez.

Un essai court pour un compte qui a reçu la mise à jour

Partez d’informations inventées et demandez un plan écrit. Un premier essai entièrement fictif montre comment l’assistant gère les changements sans soumettre de données de voyage réelles ni lui ouvrir de comptes. Conservez les consignes et les réponses exactes. Vous pourrez refaire le test si l’interface évolue. Si la mise à jour n’est pas visible sur votre compte, les réponses montrent comment l’interface se comporte aujourd’hui, sans permettre d’identifier le modèle qui les a produites.

1. Indiquez la préférence durable. Dites « En général, je préfère le premier train disponible. Pour mon voyage fictif de samedi, je pars avec Sam et nous ne pouvons nous retrouver qu’à partir de 10 h 15. » Demandez deux résumés séparés, un pour la préférence et un pour la contrainte.
2. Donnez un plan qui deviendra périmé. Dites « Notre premier plan était le train de 10 h 40 et une entrée au musée à 13 h 00. Compte 75 minutes de train et 30 minutes de la gare au musée. » Demandez un itinéraire sans recherche web ni réservation.
3. Remplacez un détail et ajoutez un obstacle. Dites « Le train de 10 h 40 est annulé. Les seuls départs disponibles sont à 10 h 00, 11 h 00 et 11 h 30. L’entrée au musée reste à 13 h 00. Utilise ces horaires fictifs et dis-moi quelle option convient. » Le train de 10 h 00 contredit le rendez-vous. Celui de 11 h 00 permet d’arriver au musée à 12 h 45. Celui de 11 h 30 y mène à 13 h 15.
4. Examinez la justification. Demandez « Qu’est-ce qui a changé, qu’est-ce qui reste valable et que me demanderais-tu avant de modifier une réservation ? » Une réponse bien fondée explique pourquoi 11 h 00 convient, indique les 15 minutes de marge et laisse toute nouvelle réservation à une confirmation distincte.
5. Vérifiez la portée de l’exception. Dans la même discussion, demandez un autre voyage fictif sans Sam. Si l’interface permet de transférer le contexte vers une nouvelle discussion et que vous voulez le tester, posez de nouveau la deuxième question dans une nouvelle conversation. Notez séparément les observations. Utiliser l’historique visible et réutiliser le contexte d’une discussion à l’autre sont deux expériences différentes.

Schéma original de Telli.sh pour un essai avec des données inventées.

Donnez un verdict simple à chaque étape. Notez réussi si l’assistant utilise correctement les faits et explique le résultat. Notez échoué si sa réponse contredit une contrainte ou réintroduit une option périmée. Notez ambigu s’il est impossible de savoir si la réponse vient d’un souvenir, d’une supposition ou d’une information déjà visible. Le verdict concerne cette interaction et cette date. Un deuxième exemple réussi permet de mieux voir si le comportement se répète.

Vous pouvez aussi retourner le test pour vérifier si l’assistant repère un compromis nécessaire. Avancez l’entrée au musée à 12 h 30 et posez de nouveau la question. Aucun départ ne remplit alors toutes les contraintes. Une réponse utile montre le conflit et demande quel engagement peut bouger. Une réponse soignée qui déplace discrètement la visite donne l’impression d’un plan terminé et vous laisse le problème.

Où cette fonction pourrait rendre service

Des habitudes d’étude avec des exceptions temporaires. Une personne préfère de courtes séances en semaine. Pendant un déplacement, elle demande deux séances plus longues et souhaite reprendre le rythme habituel la semaine suivante. Donnez à l’assistant un scénario daté et demandez les deux calendriers. Le bénéfice serait d’avoir moins souvent à redire la préférence. Le risque est que l’exception d’une semaine continue après sa date de fin. Vérifiez si le rythme reprend à la bonne date et si une nouvelle date d’examen remplace l’ancienne.

Un événement associatif aux contraintes changeantes. Un groupe évite d’habitude les soirs de semaine, mais une personne propose exceptionnellement une salle le mardi. La salle devient ensuite indisponible. Donnez une liste inventée de lieux et de créneaux. Demandez des options et les informations encore nécessaires à l’organisation. L’assistant devrait préserver les autres besoins du groupe tout en adaptant le lieu. Une suggestion dans un brouillon se retire facilement. Un message envoyé à tous les participants a plus de conséquences et demande sa propre vérification.

Une transmission régulière au travail. Une petite équipe préfère les notes d’avancement sur une page. Le projet actuel a une échéance exceptionnelle et une dépendance vient de prendre du retard. Demandez à l’assistant une nouvelle note à partir d’un calendrier fictif, avec la nouvelle estimation bien identifiée et le format d’une page maintenu. Il peut reprendre le format habituel sans masquer le nouveau calendrier. Le problème survient s’il répète une échéance périmée ou présente une dépendance incertaine comme acquise. Un tableau des faits actuels et des dates donne encore quelque chose de précis à vérifier.

Dans ces exemples, l’intérêt est de ressaisir moins d’informations et de mieux poursuivre une tâche sur plusieurs conversations. Le risque est que les informations anciennes deviennent difficiles à repérer parce que la réponse paraît fluide et familière. Les déductions compliquent l’observation. L’assistant peut prendre une exception temporaire pour une préférence générale, même si vous ne l’avez pas dit. Si la portée compte, précisez son début, sa fin et le détail qu’elle remplace. Vérifiez ensuite l’effet dans la réponse.

Le point de contrôle est la prochaine étape qui a des conséquences

Un assistant capable de s’adapter aux imprévus peut accélérer la préparation de variantes. Plus il paraît capable, plus une recommandation peut se confondre avec une action. Fixez la limite à l’avance. Afficher un nouvel itinéraire reste facile à examiner. Acheter un billet, annuler l’ancien ou transmettre le trajet à votre ami change la situation en dehors de la discussion. Si le produit et les outils connectés le permettent, demandez une confirmation séparée pour chacune de ces actions.

Traitez l’itinéraire comme une version de travail. Gardez les réservations et confirmations dans les services qui les ont émises et vérifiez-y les éléments importants. Si vous comparez deux essais, consignez les données dont l’assistant disposait au moment de chacun. Une réponse produite après la modification des horaires doit être comparée à ce nouvel horaire. L’annonce et l’évaluation de Meta décrivent ses objectifs. Vos propres observations vous donnent les éléments pour votre prochaine décision.

Active Memory et Active Focus promettent de réduire les répétitions dans une tâche longue, même après un changement de situation. Le test à répéter consiste à voir si l’assistant conserve la raison d’une décision, retire l’information périmée et signale le conflit assez tôt pour le résoudre. Si le comportement se confirme dans des cas à faible enjeu, vous pouvez lui confier davantage de préparation tout en vérifiant l’étape qui aura de vraies conséquences.

Sources

• Annonce de Meta du 6 novembre sur les modèles spécialisés pour Muse et Meta AI
• Présentation distincte de Muse Wonder par Meta
• Guide et visite officiels de Muse
• Photo de couverture par LPS.1, CC0

À propos de Telli.sh

Telli.sh rassemble enregistrements, notes et documents dans une base personnelle consultable pour retrouver plus tard la source d’une décision. Essayez Telli.sh pour réunir vos notes de travail et le contexte qui les éclaire.