Meta n'a pas attendu la fin du week-end pour bousculer le classement. Samedi matin, l'entreprise a publié Scout et Maverick, les deux premiers membres de la famille Llama 4 — et avec eux, une rupture franche avec tout ce que la série avait produit jusqu'ici. Première fois que des modèles Llama arrivent nativement multimodaux. Première fois aussi qu'ils reposent sur une architecture Mixture-of-Experts (MoE). Ce n'est pas une mise à jour incrémentale.
Ce que change vraiment l'architecture MoE
Jusqu'à présent, les modèles Llama étaient des architectures denses : chaque paramètre activé pour chaque token traité. Le MoE fonctionne différemment. Le modèle n'active qu'une fraction de ses paramètres à chaque inférence, via un mécanisme de routage qui sélectionne dynamiquement les « experts » pertinents. Le résultat : un modèle qui peut embarquer beaucoup plus de paramètres au total tout en restant raisonnable en termes de coût de calcul à l'exécution.
C'est une approche que Mistral avait popularisée avec Mixtral, et que Google utilise dans Gemini. Meta arrive donc avec ses propres variantes, calibrées pour deux usages distincts. Scout est pensé pour tourner sur une seule machine GPU grand public — un choix délibéré pour maximiser l'adoption par les développeurs. Maverick vise des déploiements plus musclés, avec des performances annoncées compétitives face aux meilleurs modèles du marché sur les benchmarks multimodaux et de raisonnement.
Le multimodal natif mérite qu'on s'y attarde. Llama 3 pouvait traiter des images, mais c'était une capacité greffée après coup, pas conçue dès le départ. Scout et Maverick ont été entraînés dès le début sur du texte et des images conjointement — ce qui change la façon dont le modèle « pense » les deux modalités ensemble, plutôt que de les traiter en silos.
Un pipeline d'entraînement repensé de A à Z
Meta a également revu sa méthode de post-entraînement. L'approche classique — beaucoup de fine-tuning supervisé, puis un peu de RLHF — a été remplacée par une séquence en trois temps : un SFT volontairement léger, suivi d'un renforcement en ligne (RL on-policy), puis un DPO allégé pour affiner les préférences. L'objectif affiché est d'éviter que le modèle « mémorise » des réponses formatées pendant la phase supervisée, ce qui briderait ensuite les capacités acquises par renforcement.
Cette philosophie se rapproche de ce que DeepSeek avait mis en avant début 2025 avec ses propres travaux sur le RL comme moteur principal d'alignement. Meta ne cite pas directement ce rapprochement, mais la tendance de fond est claire : le renforcement en ligne s'impose progressivement comme la pièce centrale du post-entraînement pour les modèles de frontier.
Dans l'ombre de Scout et Maverick, Meta a aussi dévoilé en preview un troisième modèle : Behemoth. Présenté comme le modèle « enseignant » de la famille — celui dont les connaissances ont servi à distiller les deux autres — il n'est pas encore disponible en téléchargement. Meta n'a pas précisé de calendrier de sortie.
Open-weight et déploiement grand public simultanés
Ce qui distingue cette sortie d'une publication de recherche ordinaire, c'est la double mise à disposition immédiate. Les poids sont téléchargeables dès maintenant sur Hugging Face, et l'API Meta AI donne accès aux modèles pour les développeurs. Parallèlement, Scout et Maverick sont intégrés dans WhatsApp, Messenger, Instagram Direct et sur meta.ai — soit un déploiement potentiel auprès de plusieurs milliards d'utilisateurs en quelques heures.
C'est là que la stratégie de Meta se distingue structurellement de celle d'Anthropic ou d'OpenAI. En publiant les poids en open-weight tout en déployant massivement dans ses propres applications, Meta fait d'une pierre deux coups : elle alimente un écosystème de développeurs qui améliore la réputation des modèles, et elle intègre directement la technologie dans ses produits sans dépendre d'un tiers. La distribution est captive, et l'adoption open-source sert de caution technique.
Pour les équipes qui travaillent sur des applications multimodales, l'arrivée d'un modèle MoE nativement multimodal en open-weight change concrètement le paysage des options disponibles. Jusqu'ici, quiconque voulait des capacités vision sérieuses sans passer par une API propriétaire devait bricoler avec des architectures hybrides ou se contenter de modèles moins performants. Avec Scout sur une seule carte GPU, la barrière d'entrée tombe franchement.
La vraie épreuve viendra des semaines qui suivent : reproduction des benchmarks par la communauté, tests sur des cas d'usage réels, et surtout évaluation des limitations — les annonces de Meta n'évoquent pas les angles morts des modèles, ce que la littérature indépendante comblera rapidement. Behemoth, lui, reste pour l'instant une promesse sur papier.
