Microsoft AI a présenté mercredi deux nouveaux modèles internes en préversion publique — MAI-Image-2.5-Pro, son générateur d’images à la plus haute fidélité à ce jour, et MAI-Voice-2-Flash, un modèle vocal conçu pour les charges de travail d’entreprise à grand volume. Parallèlement à ces lancements, l’entreprise a publié des données de déploiement en production qui constituent son argumentaire le plus offensif à ce jour pour alimenter ses propres produits sans dépendre des modèles de pointe d’OpenAI.

L’annonce, publiée par l’équipe Superintelligence de Microsoft AI, intervient environ un an après l’engagement de l’entreprise à développer en interne des modèles conçus pour des usages spécifiques. Elle apporte un niveau de précision inhabituel sur les endroits où ces modèles fonctionnent désormais : Bing, PowerPoint, OneDrive, Dynamics 365, Excel, GitHub Copilot et Azure. Le message adressé aux acheteurs d’entreprise — et implicitement à OpenAI — est que les modèles développés par Microsoft ne relèvent plus de la recherche, mais d’une infrastructure de production utilisée par des millions d’utilisateurs.

"Each of these enhancements is a step toward the same goal: Microsoft products, powered by Microsoft models," a déclaré l’entreprise dans son billet d’annonce.

MAI-Image-2.5-Pro et MAI-Voice-2-Flash visent les deux extrémités opposées de la courbe des coûts

Les deux nouveautés occupent volontairement des positions opposées sur ce que Microsoft appelle la courbe qualité-vitesse-coût.

MAI-Image-2.5-Pro vise le segment haut de gamme — visuels principaux, édition détaillée et rendu précis de texte intégré dans l’image, un point faible historique des modèles de génération d’images. Microsoft a fixé le prix du modèle à $5 par million de jetons de texte en entrée, $8 par million de jetons d’image en entrée et $106 par million de jetons d’image en sortie. Le modèle de base MAI-Image-2.5 s’est récemment classé No. 2 pour l’édition d’images sur Arena, le classement communautaire devenu un tableau de référence de facto pour les médias génératifs.

Le secteur créatif semble y prêter attention. Rob Reilly, directeur mondial de la création du géant publicitaire WPP, a qualifié le modèle Pro de "a strong leap forward for GenMedia tools" dans une déclaration incluse dans l’annonce de Microsoft, ajoutant que "Microsoft has firmly established itself among the leaders in generative AI."

MAI-Voice-2-Flash va dans la direction opposée. Présenté pour la première fois lors de la conférence Build de Microsoft, Flash fonctionne deux fois plus vite que MAI-Voice-2 et coûte 32 % de moins, avec un prix de $15 par million de caractères. Il est conçu pour le vaste, mais moins prestigieux, marché des applications vocales à grand volume — centres d’appels, agents vocaux et systèmes vocaux en temps réel où la latence et le coût par appel priment sur les gains marginaux d’expressivité. Ensemble, ces deux lancements reflètent une stratégie consistant à bâtir des familles de modèles plutôt qu’un unique produit phare, car, comme l’a indiqué l’entreprise, un studio créatif recherchant une fidélité maximale a des exigences fondamentalement différentes de celles d’un service client traitant des millions d’appels par jour.

Les indicateurs de production montrent que les modèles internes réduisent les coûts GPU jusqu’à 89 %

Les indicateurs de déploiement publiés par Microsoft parallèlement aux lancements des modèles se lisent comme un argumentaire systématique en faveur du remplacement des modèles de pointe tiers dans l’ensemble de son portefeuille de produits.

Bing Image Creator fonctionne désormais entièrement sur MAI-Image-2.5 de bout en bout, marquant la première fois que cet outil d’image grand public est intégralement alimenté par une technologie interne. Dans PowerPoint, Microsoft indique que MAI-Image-2.5 réduit les coûts GPU jusqu’à 84 % par rapport à GPT-Image-2, le modèle d’image d’OpenAI. Dans OneDrive, où MAI-Image-2.5 est désormais le modèle par défaut pour les principaux scénarios d’édition d’images, l’entreprise fait état d’une hausse de 26 % des taux d’enregistrement, d’une latence P95 réduite d’environ 25 % et d’une efficacité 2,5 fois supérieure sous des charges de production à utilisation moyenne.

Côté voix, MAI-Voice-2-Flash alimente désormais Dynamics 365 Contact Center — utilisé par des clients comme T-Mobile et EasyJet — où Microsoft affirme obtenir des réductions de coûts GPU pouvant atteindre 89 %. Le modèle est également intégré à Azure Voice Live pour les développeurs qui créent des agents de conversion parole-à-parole.

Un déploiement particulièrement important concerne la santé. Dragon Copilot de Microsoft, utilisé par 170 000 professionnels de santé et responsable du traitement de 28 millions de rencontres patient au dernier trimestre, fonctionne désormais avec MAI-Transcribe-1.5 pour son flux de travail multilingue couvrant 58 langues. Microsoft affirme que ses évaluations internes montrent une réduction relative de 50 % des taux d’erreur de transcription et d’identification de la langue dans la plupart des langues — une affirmation significative dans un domaine où les erreurs de transcription peuvent se répercuter directement dans les notes cliniques.

La stratégie de « hill-climbing » qui permet à de petits modèles d’égaler GPT-5.6 dans Excel

Dans un billet complémentaire publié le même jour, Microsoft a détaillé la méthodologie à l’origine de ces résultats — ce qu’elle appelle sa "hill-climbing machine", un volant d’inertie intégré associant données, modèles et « harnais » produit qui les entoure.

L’exemple le plus clair est MAI-Code-1-Flash, le modèle léger de codage lancé dans GitHub Copilot en juin. Microsoft affirme que ce modèle atteint des taux d’acceptation de code environ 10 % plus élevés que GPT-5.4 Mini et Claude Haiku 4.5 dans VS Code, tout en utilisant 10 % de jetons médians en moins. La rétention des développeurs suit une tendance similaire : les utilisateurs étaient 6 % plus susceptibles de revenir sur plusieurs jours qu’avec GPT-5.4 Mini, et 11 % plus susceptibles qu’avec Claude Haiku 4.5.

Microsoft a ensuite repris le checkpoint MAI-Code-1-Flash et l’a entraîné davantage dans un environnement d’apprentissage par renforcement pour Excel, afin d’enseigner à un modèle de codage les outils et flux de travail propres aux tâches de connaissance sur tableur. Le résultat, selon les retours d’utilisateurs en production, est un modèle au niveau de GPT-5.6 pour les tâches Excel les plus courantes — tout en étant suffisamment petit pour fonctionner sur les GPU H100 plus anciens de Nvidia, voire sur des A100, plutôt que de nécessiter les accélérateurs de dernière génération.

Ce détail matériel est notable. Alors que toutes les grandes entreprises d’IA se disputent l’allocation des puces les plus avancées, un modèle capable d’offrir une qualité proche de la frontière sur du silicium vieux de deux générations modifie fondamentalement l’économie du déploiement. Il libère aussi les matériels les plus récents — y compris le cluster GB200 de Microsoft désormais opérationnel — pour l’entraînement plutôt que pour le service d’inférence.

Le manifeste « Frontier Diffusion » de Satya Nadella redessine la relation avec OpenAI

Le PDG de Microsoft, Satya Nadella, a présenté ces annonces dans un long message sur X intitulé "Frontier Diffusion & Control", qui se lit comme un manifeste stratégique. "We can now take saturated frontier capabilities and deliver them at scale and at lower cost through models optimized for high-usage products, while continuing to use frontier models for frontier needs," a écrit Nadella, ajoutant que Microsoft "beginning to route traffic across our first-party surfaces to MAI whenever our models match or outperform frontier alternatives."

Nadella a pris soin de préciser que "frontier models from OpenAI and Anthropic are part of the orchestration system alongside MAI", mais il a aussi formulé un principe d’indépendance des modèles, soutenant que les évaluations d’une entreprise "should continue to hill climb even when any given model has been removed." Selon lui, conserver le harnais, la mémoire, le contexte et les compétences en dehors du modèle est ce qui donne le contrôle à Microsoft.

Le contexte plus large est important. Reuters a rapporté en avril que la licence exclusive de Microsoft sur la technologie d’OpenAI avait été révisée pour devenir un accord non exclusif. The Information a rapporté en septembre dernier que Microsoft avait commencé à intégrer des modèles d’Anthropic dans certains produits. L’annonce de mercredi complète le triangle : Microsoft se positionne comme orchestrateur, avec les modèles de pointe de ses partenaires comme composants interchangeables, tandis que ses propres modèles absorbent une part toujours plus importante du trafic routinier.

La décision de Microsoft reflète une tendance plus large chez les hyperscalers. Google remplace progressivement l’IA tierce par sa propre famille Gemini dans Workspace et Search, tandis qu’Amazon a investi dans ses gammes de modèles Nova et Titan pour AWS. Cette convergence traduit la reconnaissance que les fournisseurs cloud, qui rivalisaient autrefois pour offrir l’accès aux meilleurs modèles externes, misent de plus en plus sur des modèles propriétaires étroitement intégrés à leur propre infrastructure pour déterminer qui captera le marché de l’IA d’entreprise.

Réactions des développeurs : enthousiasme et scepticisme

Les réactions en ligne ont reflété à la fois l’attrait et les doutes entourant cette stratégie.

"I love when people use small models for niche tasks," a écrit l’utilisateur X @mavihsk, en réponse au message de Nadella. "Why do I have to use the all-knowing model just to change my field in Excel?" Un autre utilisateur, @nabu_lines, a résumé l’argument : "cost and performance both improve when you stop overusing the biggest model."

D’autres se sont montrés plus critiques. "Microsoft is the worst when it comes to listening to user feedback," a écrit le designer @designedbyabin, estimant que l’entreprise "will lose the AI race because they repeatedly failed to understand user needs." L’utilisateur @tokenoverflow a formulé une critique plus sèche de l’argument d’indépendance des modèles : "i want it keep hill climbing after removing microsoft."

Les sceptiques soulèvent un point valable : les indicateurs auto-déclarés de Microsoft — taux d’acceptation, taux d’enregistrement, économies GPU — proviennent d’évaluations internes plutôt que de benchmarks indépendants, et l’entreprise choisit les comparaisons qu’elle publie. L’absence de validation par des tiers est un point à surveiller, car les évaluations indépendantes menées par des organisations comme MLCommons ou des plateformes communautaires comme Arena n’ont pas encore comparé la plupart des modèles MAI aux alternatives de pointe dans des conditions équivalentes à la production. Toutefois, la logique sous-jacente de la stratégie ne dépend d’aucun chiffre isolé. L’observation de Nadella selon laquelle le logiciel a désormais un "real marginal cost for the first time" explique pourquoi Microsoft se concentre sur les jetons, les GPU et les coûts de service : lorsque les fonctionnalités d’IA s’exécutent à chaque frappe dans un portefeuille de produits comptant un milliard d’utilisateurs, une réduction de 84 % des coûts GPU n’est pas une simple optimisation — c’est la différence entre une activité viable et un gouffre financier.

Microsoft transforme son manuel interne d’IA en produit Azure

Le dernier élément de la stratégie est que Microsoft vend le manuel lui-même, et pas seulement les modèles. Nadella a explicitement présenté l’approche de hill-climbing comme "a template for every other AI native, SaaS, or Enterprise company." Microsoft conditionne la chaîne d’outils via Foundry et ce qu’elle appelle Frontier Tuning, permettant aux entreprises d’entraîner des modèles spécialisés à partir de leurs propres évaluations propriétaires et environnements d’apprentissage par renforcement. Cela transforme l’exercice interne de réduction des coûts de Microsoft en un produit Azure, donnant aux clients d’entreprise une raison d’exécuter leurs charges de travail d’IA sur le cloud de Microsoft même si les modèles sous-jacents proviennent d’autres sources.

L’accent mis par l’entreprise sur des modèles entraînés "on clean, traceable, enterprise-grade data, without distillation from third-party models" sert le même objectif commercial. Dans un secteur soumis à une surveillance croissante sur la provenance des données d’entraînement — notamment des enquêtes de la FTC sur les partenariats dans l’IA et des litiges en cours sur le droit d’auteur visant plusieurs développeurs de modèles — Microsoft parie que les acheteurs d’entreprise, et les tribunaux, accorderont de l’importance à l’origine des capacités des modèles.

Microsoft affirme étendre désormais l’approche de hill-climbing à Copilot Chat, Outlook et PowerPoint. Les deux nouveaux modèles sont disponibles en préversion publique via Microsoft Foundry et le MAI Playground.

"None of this is an endpoint," a écrit l’entreprise. "We're just getting started."

Il y a sept ans, Microsoft a investi plus de $13 billion en pariant qu’OpenAI construirait l’avenir de l’IA. L’annonce de mercredi suggère que l’entreprise en a depuis tiré une autre conclusion : l’avenir de l’IA appartient peut-être à ceux qui construisent la frontière, mais les profits reviennent à ceux qui la rendent ordinaire.