Le lancement de Muse a été plus fort que les débuts de ChatGPT sur les boutiques d’applications mobiles.
Selon les estimations d’Apptopia, au cours de ses 12 premiers jours sur iOS aux États-Unis et au Canada, Muse a enregistré 1,8 million de téléchargements, contre 1,3 million pour ChatGPT ; aux États-Unis, elle comptait également davantage d’utilisateurs quotidiens. Cette comparaison repose sur des estimations externes et porte sur des périodes de lancement différentes : ChatGPT a été lancé d’emblée à l’international, tandis que Muse n’était disponible qu’aux États-Unis et au Canada.
Un démarrage fulgurant en nombre de téléchargements
Au cours de ses 12 premiers jours, l’application mobile Meta Muse a été téléchargée plus souvent que ChatGPT au cours des 12 premiers jours suivant son lancement. Selon les estimations d’Apptopia, Muse a enregistré 2,8 millions d’installations dans le monde.
Aux États-Unis, l’application est passée de la deuxième à la première place du classement général de l’App Store. Selon Appfigures, Muse avait alors dépassé le million de téléchargements.
Comparaison sur une base comparable
Pour comparer les applications sur une base équivalente, Apptopia a retenu uniquement les données iOS aux États-Unis et au Canada, pour les 12 premiers jours suivant le lancement de chaque application.
| Indicateur | Meta Muse | ChatGPT |
|---|---|---|
| Téléchargements iOS aux États-Unis et au Canada | 1,8 million | 1,3 million |
| Utilisateurs actifs quotidiens aux États-Unis | 642 000 | 231 000 |
Pour iOS aux États-Unis, Apptopia a estimé l’audience quotidienne de Muse à 359 000 utilisateurs. C’est plus que pour ChatGPT au même stade, mais la source ne fournit pas de chiffre exact.
Zone de lancement et audience de Muse
Au lancement, ChatGPT était disponible dans le monde entier, mais uniquement sur iOS. Meta Muse est sortie sur iOS et Android, mais uniquement aux États-Unis et au Canada. Les chiffres de téléchargement des deux applications ne sont donc pas directement comparables sans tenir compte des plateformes et des zones géographiques.
Selon les estimations d’Apptopia, plus de 95 % des utilisateurs de Muse utilisent également Facebook, et 63 % utilisent Instagram. Muse peut se connecter à ces services et fonctionne dans WhatsApp.
Apptopia estime les téléchargements et l’audience active à partir de données externes, sans accès direct aux statistiques internes de Meta. Meta n’a pas publié elle-même de données sur la diffusion initiale de Muse.
Ce que l’on peut conclure des chiffres
Les données comparables montrent que Muse a enregistré davantage de téléchargements sur iOS aux États-Unis et au Canada, ainsi qu’une audience quotidienne plus importante aux États-Unis. Cette conclusion porte sur le démarrage des applications, et non sur leur qualité ou leur utilisation à long terme.
Les téléchargements et les utilisateurs actifs sont utiles pour évaluer l’intérêt initial. Mais ces indicateurs ne révèlent pas, à eux seuls, dans quelle mesure les applications conviennent à des tâches professionnelles spécifiques.
Foire aux questions
Matériaux connexes
Tous matériaux
Évaluation des agents de programmation pour le développement XR interactif : résultats de GenXR-Bench
GenXR-Bench est publié : un ensemble de 112 tâches expertes pour évaluer de bout en bout les agents de programmation dans le développement XR interactif, de l’amélioration de fonctionnalités et de la correction de défauts à la création d’applications dont le comportement est testé sur du matériel grand public. Parmi les dix modèles testés, le meilleur résultat a été de 50,9 % en Pass@1 ; les défaillances récurrentes concernent notamment la gestion des événements asynchrones des capteurs, l’ancrage des objets dans l’espace réel et la compréhension des interactions dans un contexte physique.
5 novembre 2026
De la récompense scalaire au front de Pareto : synthèse RTL par LLM avec apprentissage par renforcement multicritère
Une méthode est proposée pour entraîner un modèle de langage à générer non pas un seul schéma, mais un ensemble de candidats RTL offrant différents compromis entre surface, latence et consommation d’énergie ; la récompense est calculée en fonction de la contribution de chaque variante à l’hypervolume du front de Pareto. Sur RTLLM v2, l’hypervolume relatif a augmenté de 13,3 points de pourcentage par rapport à la version de base sans optimisation PPA et de 14,4 points de pourcentage par rapport à l’apprentissage par renforcement mono-objectif.
5 novembre 2026
Les LLM médicales sont informés des révisions des recommandations, mais répondent souvent selon les anciennes règles
L’étude de ChronoEvo portant sur 1 709 changements dans les recommandations cliniques montre que, dans le modèle principal, 90,8 % des réponses repéraient la nouveauté, mais que seules 58,5 % l’appliquaient intégralement, avec un écart de 32,3 points de pourcentage observé dans 14 modèles. Même en renforçant la visibilité des mises à jour, le transfert intégral des nouvelles règles dans les recommandations cliniques n’a pas connu de hausse significative.
4 novembre 2026