Microsoft-Decision-1.1 obtient un score de 68 sur l'Artificial Analysis Decision Index
Points clés
- •Microsoft-Decision-1.1 a été lancé le 17 novembre 2026 et a obtenu un score de 68 sur l'Artificial Analysis Decision Index v2.1, une amélioration par rapport au score de 62 de son prédécesseur.
- •Le nouveau modèle accomplit les tâches en 123 millisecondes contre 274 millisecondes pour Decision-1, soit plus du double de la vitesse, tout en maintenant le prix à 0,042 $ par million de tokens d'entrée.
- •Decision-1.1 est une version post-entraînée de Qwen3.5-9B avec 9 milliards de paramètres et une fenêtre de contexte d'environ 32 000 à 33 000 tokens, optimisée pour la notation de probabilité en une seule passe sur des formats oui/non, à choix multiples et sur grille critériée.
- •Le modèle se classe huitième parmi les modèles de décision sur l'indice v2.1 géré de manière indépendante, devant Jev 1.14, Gemini Decision 1 de Google et GPT-6 Luna d'OpenAI, bien que sept modèles obtiennent encore un score supérieur.
- •Microsoft indique que plus de 4 000 clients ont utilisé le modèle depuis sa préversion publique d'octobre 2026 et revendique la meilleure précision moyenne sur 102 tests à l'aveugle, mais ce chiffre provient de Microsoft et non d'un évaluateur indépendant.

Microsoft a publié Microsoft-Decision-1.1, un modèle d'IA spécialisé conçu pour prendre des décisions d'entreprise. Le modèle a obtenu un score de 68 sur l'Artificial Analysis Decision Index v2.1, fonctionne plus de deux fois plus vite que la version précédente et conserve son prix inchangé.
La première version n'est entrée en préversion publique qu'en octobre 2026, ce qui signifie que Microsoft a livré une suite plus rapide et mieux notée en l'espace de quelques semaines.
Ce qui a changé entre les versions
Le nouveau modèle a été lancé le 17 novembre 2026. Son score de référence est monté à 68, contre 62 pour son prédécesseur, Microsoft-Decision-1, sur le même indice.
La vitesse est le principal titre de gloire. Decision-1.1 accomplit une tâche en 123 millisecondes, contre 274 millisecondes pour le modèle précédent, soit plus de deux fois plus vite que Decision-1.
Les tarifs n'ont pas bougé. Le modèle coûte toujours 0,042 $ par million de tokens d'entrée, le même tarif que Decision-1, de sorte que les clients obtiennent effectivement plus de débit pour la même dépense.
Comment le modèle fonctionne réellement
Sous le capot, Decision-1.1 est une version post-entraînée de Qwen3.5-9B, un modèle de base relativement compact. Il comporte 9 milliards de paramètres et gère une fenêtre de contexte d'environ 32 000 à 33 000 tokens.
Il est optimisé pour la notation de probabilité en une seule passe : on lui soumet une question et il renvoie une estimation calibrée de la probabilité de chaque réponse. Cette conception correspond à l'économie des charges de travail de notation à haut volume, où la latence par tâche et le coût par token déterminent si un modèle peut être déployé à grande échelle en production.
Microsoft l'a conçu pour gérer plusieurs formats. Il s'agit notamment des réponses oui/non, des questions à choix multiples et des évaluations sur la base de grilles critériées.
Microsoft indique qu'il utilise le modèle en interne. L'entreprise signale également que plus de 4 000 clients l'ont utilisé depuis le début de la préversion publique. Ces chiffres d'adoption proviennent de Microsoft.
Sa position dans le classement
Artificial Analysis, qui réalise des évaluations de référence indépendantes, classe Decision-1.1 huitième parmi les modèles de décision sur son indice v2.1. Cela le place devant plusieurs noms connus, notamment Jev 1.14, Gemini Decision 1 de Google et GPT-6 Luna d'OpenAI. Sept modèles restent toutefois devant Decision-1.1 sur le même indice. Comme Artificial Analysis mène ses évaluations indépendamment des fournisseurs classés, l'indice offre aux acheteurs un point de référence neutre pour comparer les modèles spécialisés entre fournisseurs.
Microsoft a également formulé ses propres affirmations en matière de précision. L'entreprise déclare que le modèle affiche la meilleure précision moyenne sur 102 tests à l'aveugle, avec plus de 385 000 questions évaluées. Ce chiffre provient de Microsoft et non d'Artificial Analysis.
Ce que cela signifie
Microsoft a maintenu son prix par token inchangé tout en réduisant le temps d'exécution des tâches de 274 millisecondes à 123 millisecondes, de sorte que les clients obtiennent effectivement un débit supérieur pour la même dépense, doublant approximativement le nombre de tâches accomplies par unité de temps sans coût additionnel. Étant donné que Decision-1.1 repose sur une base compacte de 9 milliards de paramètres, sa position devant des propositions de Google et d'OpenAI dans l'indice Artificial Analysis constitue un résultat notable.
Néanmoins, sept modèles se classent devant Decision-1.1 sur l'indice v2.1, Microsoft est donc compétitif plutôt que dominant sur ce tableau particulier. L'affirmation de précision plus large de Microsoft sur 102 tests n'a pas non plus été présentée comme un résultat indépendant, et les acheteurs qui évaluent le modèle voudront le tester sur leurs propres données avant de lui confier des décisions aux conséquences réelles. Deux évolutions méritent d'être surveillées : savoir si les versions ultérieures réduiront l'écart avec les sept modèles qui le précèdent sur l'indice v2.1, et si des résultats indépendants viendront corroborer l'affirmation de précision sur 102 tests de l'entreprise.