Meta : Muse se souvient de beaucoup de choses sur l’utilisateur, mais aussi ses proches
Avec Muse, Meta pousse l’IA conversationnelle vers une logique de profilage relationnel inédite, où l’agent ne se contente plus de répondre aux requêtes de l’utilisateur, mais construit une cartographie détaillée de son entourage. Cette approche, qui fusionne assistance proactive et collecte systématique de données personnelles, interroge les limites éthiques et juridiques d’un outil capable d’inférer des liens intimes sans consentement explicite des tiers concernés, dans un contexte où Meta accumule déjà les controverses sur la gestion de la vie privée.
Comment Muse construit-il des profils sur les proches de l’utilisateur, et quelles données utilise-t-il ?
Muse ne génère pas d’informations ex nihilo : il se base uniquement sur les éléments qu’il a sous la main, c’est-à-dire les données publiques ou partagées par l’utilisateur, sans jamais inventer de détails, même si une page de profil est vide. Les profils s’enrichissent progressivement via des sections prédéfinies comme « Faits », « Historique », « Relation », « Points communs », « Sujets en suspens » et « Renforcement », en compilant des éléments concrets comme des dates importantes (anniversaires), des discussions récurrentes (un déménagement, un objectif d’épargne) ou des contextes relationnels (une dispute passée, un voyage).
Quels sont les risques liés à la collecte de données sur les tiers par Muse, selon l’article ?
Le principal risque réside dans l’intégration automatique des proches (famille, amis, collègues, voire des prestataires comme un plombier) dans les profils de l’agent, sans leur consentement explicite. L’article souligne que Meta justifie cette pratique par le fait que l’utilisateur a accepté de partager des données publiques, mais cela soulève une question de proportionnalité : ces tiers n’ont pas choisi d’être fichés, et leur vie privée peut être exposée indirectement via des détails sensibles (conflits, habitudes, dates personnelles) compilés dans les profils. La réputation de Meta en matière de protection des données, déjà écornée, ajoute une couche de méfiance.
En quoi Muse diffère-t-il des mémoires d’autres IA comme ChatGPT, et pourquoi cette distinction est-elle significative ?
Contrairement à la mémoire de ChatGPT, qui se limite à une synthèse évolutive des informations jugées pertinentes pour l’utilisateur, Muse organise ses données autour d’une représentation structurée des relations : il ne se contente pas de retenir des faits, mais cartographie le degré de proximité, l’historique des interactions, et propose même des pistes pour renforcer ces liens (rappels, suggestions d’appels). Cette granularité, couplée à l’autonomie de l’agent pour agir au nom de l’utilisateur (réservations, courses), en fait un outil à la fois plus intrusif et potentiellement plus utile — mais aussi plus controversé.
Ce que ça pourrait changer
Cette architecture relationnelle pourrait normaliser une nouvelle forme de surveillance algorithmique, où l’automatisation des interactions sociales se paie au prix d’une standardisation des liens humains. À l’ère où les régulateurs européens commencent à encadrer les agents IA, la question de la responsabilité en cas d’erreur ou de fuite de données sur des tiers non consentants risque de devenir un casse-tête juridique. Par ailleurs, si Muse s’impose comme un standard, les utilisateurs pourraient être incités à externaliser une partie de leur vie sociale à des outils opaques, transformant la gestion des relations en une commodité technologique plutôt qu’en un choix conscient.
