La sortie de Muse Wonder par Meta est notable, car elle fait de la mémoire et de la continuité du travail des capacités essentielles, plutôt que de simples options. Muse présente Active Memory comme une mémoire contextualisée, adaptée aux tâches, et Active Focus comme un mécanisme de persistance pour les travaux de longue durée. Ces fonctionnalités cherchent à combler le fossé entre les assistants conversationnels et les travailleurs numériques autonomes. Pour les responsables produit, la conséquence est claire : cette génération de modèles pousse les fournisseurs à répondre à des questions opérationnelles — comment la mémoire est-elle accessible, qui peut la lire ou la modifier, comment les approbations sont-elles appliquées, et comment un agent récupère-t-il une tâche interrompue et la reprend-il ?

La comparaison de Muse avec OpenAI Dots, Gemini Agent de Google et Claude d’Anthropic fait apparaître une opposition entre les conceptions privilégiant d’abord les capacités et celles qui mettent d’abord l’accent sur la gouvernance. OpenAI Dots mise sur une grande modularité des outils et une expérience développeur fluide, avec un écosystème d’outils en plein essor et des contextes persistants émergents. Gemini se distingue par son intégration poussée à Google Workspace et aux actions dans le navigateur : un atout pour les processus centrés sur le Web, qui soulève toutefois des questions sur la cartographie des données en entreprise. Claude privilégie la sécurité et une gestion maîtrisée de la mémoire, préférant un comportement prévisible à une autonomie poussée. Muse se situe entre ces deux approches en associant des capacités avancées en programmation et une expertise métier à des mécanismes explicites de mémoire et de reprise.

Du point de vue de l’ingénierie et de la gouvernance, ces différences sont importantes. Active Memory de Muse semble conçue pour assurer une persistance sélective et limiter la mémoire à chaque tâche, ce qui peut réduire les risques de fuite si les contrôles d’accès sont correctement appliqués. L’écosystème OpenAI Dots offre aux développeurs la liberté d’assembler rapidement des outils, mais la responsabilité de l’intégration et de la gouvernance incombe en grande partie aux utilisateurs. Google se démarque par ses intégrations d’entreprise et ses outils tenant compte des identités ; Claude d’Anthropic propose des paramètres par défaut prudents et des contrôles de sécurité plus poussés. Les équipes doivent arbitrer entre la rapidité d’intégration et la clarté des contrôles d’accès et des pistes d’audit.

Pour les acheteurs et les équipes de développement, la décision ne consiste pas simplement à déterminer quel modèle obtient les meilleurs résultats aux tests de référence. Il faut savoir si la plateforme garantit un comportement reproductible lorsque les tâches s’étendent sur plusieurs jours et mobilisent des messages, des événements d’agenda, des documents et des applications tierces. Il faut donc tester des processus sur plusieurs jours, la reprise après des échecs partiels, les circuits d’approbation et les contrôles administratifs à grande échelle. La suite de cet article examine ce qui a changé avec Muse Wonder, compare les autres plateformes dans la pratique, présente les risques opérationnels à surveiller et propose une liste de contrôle pour les équipes chargées des achats ou de la planification de projets pilotes.