Fonctionnement et architecture

Muse, le nouvel assistant personnel de Meta, fonctionne sur une machine virtuelle (VM) dédiée à chaque utilisateur dans le cloud de l’entreprise. Cette isolation logique garantit que les fichiers d’un utilisateur ne sont pas accessibles directement par un autre. L’assistant stocke ses données sous forme de fichiers markdown que l’utilisateur peut exporter via le navigateur de fichiers intégré. Meta indique que ces VM sont « isolées », mais les agents partagent des enseignements agrégés après anonymisation.

Mécanismes de collecte et de mise à jour

Selon les instructions internes révélées par TIME, Muse analyse chaque heure les conversations, e‑mails et messages que l’agent a lus. Il crée ainsi un dossier continuellement actualisé contenant : qui compte pour l’utilisateur, quels intérêts partagés existent, les disputes, ainsi que les « tensions et alliances » au sein du réseau social. Le processus s’étend aux contacts qui n’utilisent pas Muse, dès qu’ils sont mentionnés dans les échanges. Chaque soir, l’agent exécute une analyse récapitulative pour identifier les prompts les plus persuasifs, par exemple « l’utilisateur répond mieux à de courts nudges après 22 h ».

Analyse des risques de confidentialité

Le niveau de granularité – cartes relationnelles, habitudes horodatées, préférences non exprimées – dépasse largement les modèles classiques de ciblage publicitaire. Bien que Meta affirme que les données ne sont pas transmises au système publicitaire, les agents « enseignent » les uns les autres via des leçons dé‑identifiées. Cette forme de partage agrégé crée un vecteur de ré‑identification : des corrélations entre comportements horodatés et profils peuvent être reconstituées à partir des jeux de données anonymisés. De plus, la fonction « oublier » ne supprime pas les messages originaux, comme le stipulent les instructions internes qui interdisent à l’assistant d’avertir l’utilisateur de la persistance éventuelle des données.

Mesures d’atténuation et limites

Meta prévoit d’ajouter le chiffrement des VM d’ici la fin de l’année, ce qui empêcherait même l’entreprise d’accéder aux dossiers. En attendant, la transparence repose sur la mise à disposition des fichiers markdown, mais aucune garantie n’est donnée quant à la compréhension par l’utilisateur moyen. Le contrôle déclaré – possibilité de limiter l’accès ou de demander l’effacement – reste conditionné par des règles internes qui masquent la persistance réelle des informations. Ainsi, malgré les promesses de « contrôle utilisateur », le risque de collecte invasive persiste tant que le chiffrement n’est pas effectif et que les apprentissages partagés restent potentiellement ré‑identifiables.