Llama 4 : Meta lance Scout et Maverick, Behemoth reste en entraînement

Le 5 avril 2025, Meta franchit une nouvelle étape dans sa stratégie d’intelligence artificielle avec la présentation de Llama 4. Deux modèles sont d’ores et déjà mis à disposition, Llama 4 Scout et Llama 4 Maverick, tandis qu’un troisième, beaucoup plus ambitieux, reste en entraînement. Baptisé Llama 4 Behemoth, il doit servir de modèle phare et de référence technique pour la suite de la gamme.

Cette annonce ne se résume pas à une course aux très grands modèles de langage. Meta veut à la fois intégrer Llama dans ses propres services utilisés par des milliards de personnes et fournir des modèles que développeurs, chercheurs et entreprises peuvent adapter à leurs usages. Le groupe promet des modèles capables de traiter du texte et des images, de mieux raisonner et de constituer la base d’agents logiciels réalisant certaines tâches. Reste une question essentielle : que peut réellement faire cette nouvelle génération, et à qui est-elle accessible ?

Scout, Maverick et Behemoth : trois modèles, trois positions

La famille Llama 4 compte, au moment de l’annonce, deux modèles disponibles et un modèle en préparation. Scout est pensé pour traiter de très grands volumes de contenu. Maverick vise des usages plus généralistes, notamment les assistants conversationnels et les applications d’entreprise. Enfin, Behemoth est le modèle le plus imposant de la série, mais il n’est pas encore proposé au public.

Les trois reposent sur une architecture dite de mélange d’experts. Au lieu d’activer l’intégralité du réseau neuronal à chaque demande, le système sélectionne les sous-parties les plus pertinentes, appelées experts. Cette méthode permet, en théorie, de disposer d’un modèle très vaste tout en limitant la puissance de calcul nécessaire pour répondre à une requête.

Le nombre de paramètres est un indicateur de taille, pas une garantie absolue de qualité. Il désigne les valeurs numériques apprises pendant l’entraînement et utilisées pour produire une réponse. La pertinence d’un modèle dépend également des données d’entraînement, des méthodes d’apprentissage, de sa capacité à suivre les instructions et des outils qui l’entourent.

Meta met aussi en avant le caractère nativement multimodal de Llama 4. Concrètement, les modèles sont conçus pour comprendre à la fois du texte et des images au sein d’une même conversation. Un utilisateur peut donc, selon l’interface qui l’emploie, envoyer une image et poser une question à son sujet, sans passer par un système séparé chargé de la vision.

Que promettent les agents IA construits avec Llama 4 ?

Meta présente Llama 4 comme une fondation pour des agents IA. Dans ce contexte, un agent est un logiciel qui ne se contente pas de rédiger une réponse : il peut décomposer un objectif en étapes, chercher une information, appeler un outil numérique et restituer un résultat. Chris Cox, responsable des produits de Meta, a notamment souligné la capacité attendue de ces systèmes à naviguer sur le web et à accomplir des tâches utiles pour les consommateurs comme pour les entreprises.

L’idée est familière à quiconque a utilisé un assistant conversationnel. Demander un résumé ou une traduction relève d’un échange classique avec un modèle. Demander à l’assistant de comparer plusieurs offres, de consulter des pages web, d’organiser les résultats ou de préparer un brouillon de message implique en revanche une succession d’actions. C’est là que les capacités de raisonnement et l’accès à des outils prennent de l’importance.

Dans les faits, les résultats dépendront de l’application qui utilise Llama 4. Un même modèle peut servir à analyser un long rapport, répondre aux questions d’un client, classer des documents ou assister un développeur. Mais il peut aussi se tromper, mal interpréter une demande ou inventer une information plausible. La possibilité de réaliser des actions ajoute donc un enjeu de contrôle : plus un agent a accès à des services externes, plus ses autorisations doivent être limitées et vérifiables.

Scout se distingue en particulier par sa très grande fenêtre de contexte, annoncée à 10 millions de tokens. Un token est une unité de texte manipulée par le modèle, qui peut correspondre à une partie de mot, un mot ou un signe de ponctuation. Cette capacité permet théoriquement de soumettre au modèle des ensembles de documents particulièrement longs. Maverick dispose lui aussi d’un contexte étendu, annoncé à 1 million de tokens, tout en étant orienté vers la conversation et les réponses multimodales.

Behemoth, le modèle le plus puissant de Meta, n’est pas prêt

L’élément le plus spectaculaire de l’annonce n’est pas encore disponible. Llama 4 Behemoth poursuit son entraînement. Meta le présente comme un modèle de référence susceptible de dépasser les autres modèles de sa catégorie et de jouer un rôle d'« enseignant » pour les versions plus petites de Llama 4.

Cette logique est connue sous le nom de distillation. Un très grand modèle peut produire des exemples, des raisonnements ou des réponses qui servent ensuite à améliorer un modèle plus compact. L’objectif est d’obtenir une partie des capacités du modèle le plus coûteux dans un système plus facile à déployer. C’est une stratégie particulièrement importante pour Meta : un assistant destiné à être intégré dans des applications grand public doit répondre vite et à grande échelle, sans nécessiter les ressources du plus vaste modèle à chaque message.

Le maintien de Behemoth en phase d’entraînement rappelle toutefois une réalité souvent oubliée dans les annonces d’IA : construire un modèle est une chose, le rendre suffisamment robuste pour une diffusion large en est une autre. Les équipes doivent notamment évaluer la qualité des réponses, les erreurs, les risques de contournement des garde-fous et les coûts d’exploitation. Au 5 avril 2025, Meta ne donne pas de date de lancement pour Behemoth.

Comment essayer Llama 4 via Meta AI ?

Les deux modèles disponibles, Scout et Maverick, doivent être expérimentés au travers de Meta AI. L’assistant est proposé dans les environnements de Meta, notamment WhatsApp, Messenger, Instagram Direct et le site web de Meta AI. La disponibilité effective dépend cependant du pays, de la langue et du rythme de déploiement choisi par l’entreprise.

Pour le grand public, l’expérience prend la forme d’un chatbot intégré aux services déjà utilisés au quotidien. Le modèle sous-jacent peut répondre à une question, aider à reformuler un texte, proposer des idées ou analyser une image lorsque cette fonction est proposée. L’utilisateur ne choisit pas nécessairement entre Scout et Maverick à chaque demande : c’est l’interface Meta AI qui organise l’accès aux capacités du système.

Les développeurs et les organisations intéressés par un déploiement plus personnalisé peuvent également récupérer les modèles mis à disposition par Meta. Cette possibilité est centrale dans la stratégie du groupe, mais elle ne signifie pas que Llama 4 est un logiciel entièrement libre au sens strict.

Meta emploie volontiers l’expression « open source », car les poids des modèles sont diffusés et peuvent être téléchargés sous licence. Cette ouverture facilite l’expérimentation, l’adaptation à un domaine professionnel ou la recherche. Elle est néanmoins encadrée par les conditions de licence de Meta. Les données complètes d’entraînement et l’ensemble du processus ayant servi à construire les modèles ne sont pas publiés.

Pourquoi Meta mise sur des modèles aux poids accessibles

Mark Zuckerberg défend depuis plusieurs années l’idée que l’IA ouverte doit jouer un rôle majeur dans l’évolution du secteur. Dans une vidéo publiée sur Instagram à l’occasion de Llama 4, le dirigeant a réaffirmé son ambition : construire l’intelligence artificielle la plus avancée possible et la rendre accessible afin que le plus grand nombre puisse en bénéficier.

Pour Meta, cette orientation a plusieurs intérêts. Elle permet d’attirer les développeurs vers l’écosystème Llama, de faire tester les modèles dans une grande diversité de contextes et de proposer une alternative aux systèmes fermés accessibles seulement à travers les services d’OpenAI, Google ou Anthropic. Les entreprises peuvent, de leur côté, envisager d’exécuter un modèle dans leur propre environnement informatique, un point important lorsque les données traitées sont sensibles.

L’ouverture ne règle pas tous les problèmes. Rendre les poids d’un modèle accessibles peut aussi compliquer le contrôle de certains usages abusifs, car les capacités du système peuvent être intégrées dans des produits tiers. Le débat oppose souvent deux priorités légitimes : favoriser l’audit, la recherche et l’innovation distribuée, tout en réduisant les risques de détournement.

LlamaCon et l’offensive de Meta dans les assistants IA

Le lancement de Llama 4 s’inscrit dans une stratégie plus vaste. Meta organise sa première conférence dédiée, LlamaCon, le 29 avril 2025. Cet événement doit servir de vitrine à l’écosystème Llama et aux usages développés autour de ses modèles, à un moment où la concurrence entre laboratoires d’IA se joue autant sur les performances techniques que sur la capacité à fédérer des développeurs.

Meta cherche aussi à faire de Meta AI un produit identifiable à part entière, au-delà de son intégration dans ses réseaux sociaux et ses messageries. Selon des informations rapportées avant l’annonce de Llama 4, une application autonome pour le chatbot Meta AI pourrait être annoncée au cours du deuxième trimestre 2025. Une telle application donnerait à l’assistant une présence plus directe face aux services concurrents, qui disposent déjà de leurs propres applications mobiles et interfaces web.

Cette ambition s’appuie sur un avantage structurel : Meta contrôle des plateformes de communication très largement utilisées. L’intégration d’un assistant dans une messagerie peut accélérer son adoption, mais elle soulève également des attentes élevées en matière de confidentialité. Les utilisateurs doivent savoir quelles informations sont envoyées à l’IA, comment elles peuvent être exploitées et quelles options de contrôle sont à leur disposition.

Ce qu’il faut surveiller après cette annonce

La première inconnue concerne naturellement Behemoth. Meta devra montrer que son plus grand modèle apporte un gain concret, et pas seulement une hausse de paramètres. Les comparaisons avec les modèles de pointe porteront sur la qualité du raisonnement, la fiabilité factuelle, la compréhension des images, les langues couvertes et le coût d’utilisation.

Il faudra aussi observer le déploiement réel de Scout et Maverick dans Meta AI. Une démonstration technique et un assistant utilisé chaque jour par le grand public ne répondent pas aux mêmes exigences. La vitesse des réponses, la compréhension du contexte, la gestion des erreurs et la transparence sur les données détermineront largement l’utilité perçue par les utilisateurs.

Enfin, la promesse d’agents capables d’agir sur le web mérite une attention particulière. Ces systèmes pourraient simplifier des tâches répétitives et améliorer certains services, mais ils exigent des garde-fous solides : autorisations explicites, possibilité de vérifier les actions réalisées, protection contre les instructions malveillantes et contrôle humain pour les opérations importantes. Avec Llama 4, Meta ne présente donc pas seulement de nouveaux modèles. L’entreprise ouvre une nouvelle phase de sa compétition avec les grands acteurs de l’IA générative, où la diffusion, la confiance et les usages compteront autant que la taille des modèles.