L’assistant de Meta prend la parole et s’anime à l’écran

La voix et les avatars expressifs arrivent dans Muse aux États-Unis, pour échanger avec l’assistant de Meta sur mobile, sur le web et sur Mac.

La voix arrive dans Muse avec un personnage qui accompagne la conversation à l’écran. L’assistant de Meta peut répondre à l’oral, être interrompu et réagir visuellement pendant que son utilisateur parle. Ce nouveau mode de conversation réunit deux fonctions que chacun peut dissocier : discuter sans clavier et donner une présence visible à son interlocuteur artificiel.

Après une présentation à Connect 2026, le déploiement commence aux États-Unis sur mobile, sur le web et dans l’application Mac. Aucun calendrier n’est indiqué pour la France. Le service s’adresse aux personnes de 18 ans et plus. L’accès passe par une icône de téléphone, en haut à droite de l’interface. Les conversations vocales sont aussi annoncées pour les AI Glasses et Muse Charm, sans date de lancement précisée. Une idée peut se construire au fil de l’échange

L’usage mis en avant consiste à développer une réflexion en parlant, même lorsque la demande de départ reste imprécise. Pour préparer un voyage, par exemple, l’utilisateur peut évoquer une destination, préciser le type de séjour recherché puis ajouter ses envies au cours de la discussion. La requête se construit progressivement, plutôt que d’exiger un texte soigneusement préparé avant le premier échange.

La possibilité d’interrompre l’assistant compte dans ce fonctionnement. Une réponse peut être réorientée sans attendre qu’elle se termine, pour corriger une information ou changer de direction. Selon Meta, l’assistant poursuit aussi les tâches demandées en arrière-plan pendant la conversation. Le communiqué décrit une utilisation en marchant ou en préparant un repas, mais ne détaille pas les actions concrètes exécutées dans ces situations.

La préparation d’une prise de parole constitue un autre usage présenté. Un entretien d’embauche, une présentation ou un argumentaire professionnel peuvent être répétés à l’oral, avec une réponse à laquelle réagir dans l’instant. L’intérêt tient ici au format de l’exercice : entendre son interlocuteur et lui répondre oblige à travailler autrement qu’en relisant une succession de messages. Un personnage à l’écran, si l’utilisateur le souhaite

Le volet visuel reste facultatif. Trois présentations sont prévues : la voix seule, un avatar affiché à côté de la conversation ou un personnage en plein écran. L’utilisateur choisit donc la place occupée par cette présence animée, selon qu’il souhaite garder les yeux sur l’interface ou simplement écouter.

Les mouvements ne se limitent pas aux lèvres. Le personnage adopte des expressions et des gestes associés au ton de la conversation ; il réagit aussi pendant que l’utilisateur s’exprime. Ces signes visuels constituent une mise en scène de l’écoute, sans établir à eux seuls ce que l’assistant comprend de l’échange. Le choix de les afficher reste distinct de celui d’utiliser la voix.

La personnalisation passe également par un catalogue de plusieurs centaines de voix, selon Meta. Les exemples vont d’une façon de parler new-yorkaise à une voix de pirate, et le choix peut être modifié à tout moment. Le réglage porte ainsi autant sur le style de l’interlocuteur que sur la façon de lui adresser une demande. La voix et l’animation produites ensemble

Derrière cette interface, les travaux sur Muse Realtime Avatar décrivent une production commune du son et de l’image. Un même flux représente le contenu de la parole et sa manière d’être prononcée. Il sert à générer la voix puis l’animation correspondante, afin de synchroniser les mouvements des lèvres et les expressions. La vidéo est produite par petits segments successifs, en conservant un contexte visuel récent pour maintenir l’apparence et les gestes du personnage.

Les chercheurs annoncent une vidéo à 25 images par seconde et une latence d’environ 870 millisecondes. Cette mesure va de la fin du tour de parole de l’utilisateur à la réception du premier fragment de réponse associant voix et vidéo. Elle décrit leur système technique, sans garantir ce délai pour chaque conversation dans l’application. Les démonstrations de recherche présentent aussi des personnages issus d’illustrations, d’animaux ou d’objets ; Meta précise que ces exemples ne correspondent pas tous aux avatars effectivement proposés dans Muse.