Muse Image de Meta : le nouveau modèle d'IA qui peut intégrer des utilisateurs d'Instagram dans des photos générées

Meta a lancé un nouveau générateur d'images par intelligence artificielle nommé Muse Image, et quelques heures après l'annonce, des utilisateurs contestaient déjà l'une de ses capacités. Le modèle, rapporté par The Verge, est le premier système de génération d'images conçu par les Superintelligence Labs de Meta, la division réunie pour mener ses travaux d'IA les plus ambitieux, et il alimente désormais les outils d'image dans les applications du groupe.
Muse Image est au cœur de la stratégie d'IA grand public de Meta. Selon l'annonce, il alimente les outils de création d'images de l'application Meta AI, d'Instagram et de WhatsApp, et arrive sur Facebook et Messenger. Il fait partie d'une famille croissante de modèles Muse qui, selon Meta, remplacent la précédente gamme Llama comme moteurs de ses fonctions d'IA destinées aux utilisateurs.
La fonction qui a suscité une critique immédiate est la capacité d'intégrer d'autres utilisateurs d'Instagram dans des photos générées par IA. Concrètement, cela signifie que le système peut incorporer la ressemblance de quelqu'un d'autre que la personne qui crée l'image, une capacité qui touche directement la question la plus sensible de la plateforme : le contrôle de sa propre image. De nombreux utilisateurs ont réagi avec inquiétude à l'idée d'être insérés dans des images qu'ils n'ont ni créées ni approuvées.
Meta décrit le modèle en termes techniques qui indiquent où va l'industrie. Alexandr Wang, recruté pour diriger les Superintelligence Labs, a déclaré sur Threads que Muse Image est « agentique », c'est-à-dire qu'il travaille avec un grand modèle de langage compagnon nommé Muse Spark pour « raisonner votre requête, chercher sur le web et planifier avant de générer ». Autrement dit, le système est conçu pour interpréter une demande et agir par étapes, plutôt que de produire une seule image en une passe.
Ce cadrage agentique importe, car il marque un changement dans le fonctionnement des générateurs d'images. Les outils antérieurs traduisaient une invite textuelle plus ou moins directement en image. Un système qui raisonne, cherche et planifie peut produire des résultats plus élaborés, mais il prend aussi plus de décisions au nom de l'utilisateur, ce qui relève les enjeux quand ces décisions concernent la ressemblance de personnes réelles.
La réaction reflète une tension que Meta affronte régulièrement. Ses plateformes détiennent d'énormes quantités de photos personnelles, et y intégrer l'IA générative promet de puissantes fonctions créatives tout en invitant précisément les craintes de vie privée exprimées ici. La capacité de placer une personne reconnaissable dans une scène synthétique est exactement le genre de fonction qui peut ravir entre de bonnes mains et inquiéter entre de mauvaises.
Le contexte aiguise l'inquiétude. L'imagerie générée par IA a déjà alimenté les craintes sur les hypertrucages, les images non consenties et la désinformation, et une fonction qui abaisse le seuil pour placer un individu précis dans une photo fabriquée touche toutes ces angoisses. Quand un tel outil est intégré directement dans des applications utilisées par des milliards de personnes, l'ampleur des abus potentiels croît d'autant.
Meta a généralement répondu à ces préoccupations par un mélange de contrôles et de politiques, comme l'étiquetage des contenus générés par IA et des réglages régissant l'usage des images d'une personne. La robustesse de ces garde-fous pour Muse Image en particulier, et la facilité avec laquelle on peut les contourner, déterminera si la contestation s'apaise ou se durcit à mesure que davantage d'utilisateurs découvrent la fonction.
Le lancement souligne aussi les enjeux concurrentiels. Meta rivalise avec ses concurrents pour définir à quoi ressemble l'IA grand public, et la génération d'images tissée dans les plus grandes plateformes sociales du monde est une position puissante. Construire ses propres modèles de pointe via les Superintelligence Labs, plutôt que dépendre de systèmes extérieurs, s'inscrit dans une tendance plus large des grandes entreprises technologiques à investir pour contrôler l'IA au cœur de leurs produits.
Pour les utilisateurs, la leçon pratique est de vérifier les réglages. À mesure que les outils génératifs deviennent des fonctions par défaut plutôt que des expériences optionnelles, comprendre ce qu'une plateforme peut faire de vos photos et de votre ressemblance, et quels contrôles existent pour le limiter, fait partie de la culture numérique ordinaire. Muse Image est un nouvel outil performant, et la réaction initiale rappelle que capacité et consentement n'avancent pas automatiquement du même pas.
À lire ensuite

Qu'est-ce qu'une porte dérobée dans un firmware ? La faille des routeurs Tenda expliquée
Un avis de sécurité rapporte que plusieurs versions du firmware des routeurs Tenda contiennent une porte dérobée d'authentification cachée, permettant aux attaquants de contourner la connexion. Voici ce qu'est une porte dérobée de firmware, pourquoi les routeurs domestiques sont une cible de choix, et comment protéger son réseau.

DeepSeek prévoit de fabriquer ses propres puces d'IA face au durcissement des contrôles américains à l'export
DeepSeek, en Chine, prévoit de développer ses propres puces d'IA pour réduire sa dépendance à Nvidia et Huawei, une réponse aux contrôles américains à l'export qui limitent l'accès aux processeurs les plus avancés. Voici pourquoi cela compte pour la course mondiale à l'IA, et à quel point ce sera difficile.

IA open source contre laboratoires propriétaires : pourquoi l'un ne tue pas l'autre
L'essor rapide des modèles d'IA open source devait éroder l'activité des laboratoires fermés de pointe, mais ce n'est pas le cas jusqu'ici. Voici en quoi l'IA ouverte et propriétaire diffèrent réellement, pourquoi elles pourraient servir deux phases d'un même cycle, et ce que cela signifie.

Les pires piratages et fuites de données de 2026 à ce jour, et ce qu'ils révèlent
D'une fuite massive de données gouvernementales aux intrusions dans des systèmes critiques d'énergie et d'eau et un outil de surveillance du FBI, les cyberattaques les plus dommageables de 2026 partagent des fils communs. Voici un tour d'horizon des incidents majeurs et des leçons de sécurité qu'ils recèlent.

Comment séquencer son propre ADN à la maison : ce que la technologie peut et ne peut pas faire
Séquencer son propre ADN chez soi était autrefois impensable, mais des séquenceurs portables abordables l'ont mis à la portée des amateurs. Cet article explique comment fonctionne le séquençage d'ADN à domicile, ce qu'il peut révéler et ses limites réelles.