Microsoft lance de nouveaux modèles IA maison et avance un chiffre qui résume sa stratégie du moment : jusqu’à 89 % de coûts GPU en moins que les modèles d’OpenAI sur certains usages. Mercredi, l’éditeur a mis en préversion publique MAI-Image-2.5-Pro, son générateur d’images le plus ambitieux à ce jour, et MAI-Voice-2-Flash, un modèle vocal pensé pour les très gros volumes. Derrière ces annonces, Microsoft ne parle plus d’expérimentations : l’entreprise dit déjà faire tourner en production ses modèles MAI dans Bing, PowerPoint, OneDrive, Dynamics 365, Excel, GitHub Copilot et Azure.
Le message est limpide : les modèles de frontière restent dans l’orchestre, mais Microsoft veut désormais jouer sa propre partition sur les tâches répétitives, coûteuses et massives. Autrement dit, réserver OpenAI ou Anthropic aux besoins les plus exigeants, et basculer le reste vers des modèles internes, plus petits, spécialisés et surtout moins chers à servir.
Microsoft lance de nouveaux modèles IA maison avec deux objectifs opposés : qualité maximale d’un côté, voix à bas coût de l’autre
MAI-Image-2.5-Pro occupe le haut du panier. Microsoft le positionne sur les visuels premium, l’édition détaillée et le rendu précis du texte dans l’image, un point où les générateurs d’images trébuchent encore souvent. Son tarif reflète ce placement : 5 dollars par million de tokens texte en entrée, 8 dollars par million de tokens image en entrée et 106 dollars par million de tokens image en sortie. À titre de repère, le premier MAI-Image-2 était annoncé à 5 dollars par million de tokens texte et 33 dollars pour la génération d’image.
La marche tarifaire est nette. Microsoft assume qu’un studio créatif, une agence ou une équipe marketing paieront plus cher pour des cas d’usage à forte valeur. Dans sa communication, l’entreprise rappelle aussi que MAI-Image-2 a déjà été déployé dans Copilot, Bing, PowerPoint et Azure, et que MAI-Image-2.5 alimente désormais Bing Image Creator de bout en bout.
À l’autre extrémité du spectre, MAI-Voice-2-Flash vise le marché des centres de contact, des agents vocaux et des applications temps réel. Ici, le sujet n’est pas l’expressivité, mais la rapidité et le coût par appel. Microsoft affirme que le modèle est deux fois plus rapide que MAI-Voice-2 et 32 % moins cher, avec un prix ramené à 15 dollars par million de caractères. Là encore, la rupture est assumée : plutôt qu’un grand modèle unique, Microsoft construit des familles adaptées à des tâches précises.
Les déploiements en production sont le vrai signal : Bing, PowerPoint et Dynamics 365 déjà basculés
Le point le plus important n’est sans doute pas le lancement de deux modèles de plus, mais la liste des produits déjà servis par MAI. Microsoft indique que Bing Image Creator fonctionne désormais entièrement sur MAI-Image-2.5. C’est la première fois qu’un outil grand public de cette ampleur est présenté comme totalement opéré avec un modèle interne.
Dans PowerPoint, l’entreprise affirme que MAI-Image-2.5 réduit les coûts GPU jusqu’à 84 % face à GPT-Image-2, le modèle image d’OpenAI. Dans OneDrive, où MAI-Image-2.5 devient le modèle par défaut sur plusieurs scénarios d’édition, Microsoft annonce 26 % de hausse du taux de sauvegarde, environ 25 % de latence P95 en moins et 2,5 fois plus d’efficacité sous charge moyenne.
Sur la voix, le chiffre le plus agressif arrive dans Dynamics 365 Contact Center, utilisé par des clients cités comme T-Mobile et EasyJet : MAI-Voice-2-Flash y réduirait les coûts GPU jusqu’à 89 %. Le modèle est aussi intégré à Azure Voice Live pour les développeurs qui construisent des agents voix-à-voix.
Ces métriques restent auto-reportées par Microsoft. L’entreprise choisit les scénarios, les comparaisons et les indicateurs publiés. Mais même avec cette réserve, la tendance est difficile à ignorer : Redmond ne cherche plus seulement à proposer une alternative technique, il cherche à faire baisser la facture opérationnelle de l’IA sur ses produits à très grande échelle.
Le “hill-climbing” permet à Microsoft de pousser de petits modèles jusque dans Excel et GitHub Copilot
Microsoft accompagne ces lancements d’une méthode, baptisée “hill-climbing machine”. L’idée est de combiner données, modèle et “harness” produit — mémoire, contexte, outils, orchestration — pour ajuster des modèles à des tâches très concrètes. Le cas le plus parlant est MAI-Code-1-Flash, lancé en juin dans GitHub Copilot.
Selon Microsoft, ce modèle de code obtient environ 10 % de taux d’acceptation en plus que GPT-5.4 Mini et Claude Haiku 4.5 dans VS Code, tout en utilisant 10 % de tokens en moins en médiane. L’éditeur ajoute des chiffres de rétention : les développeurs seraient 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 dit ensuite avoir repris ce point de départ pour le spécialiser dans Excel, via un entraînement dans un environnement de renforcement dédié aux workflows de tableur. Résultat revendiqué : un modèle jugé au niveau de GPT-5.6 sur les tâches Excel les plus courantes, d’après des retours de production, tout en restant assez léger pour tourner sur des Nvidia H100 et A100, sans mobiliser les accélérateurs les plus récents.
C’est un détail technique qui pèse lourd économiquement. Si un modèle spécialisé peut fournir une qualité comparable sur du matériel plus ancien, Microsoft peut réserver ses infrastructures les plus récentes à l’entraînement des modèles de frontière, et servir le gros du trafic à moindre coût. Pour une entreprise qui injecte de l’IA dans des logiciels utilisés à très grande échelle, c’est un arbitrage central. Nous suivons d’ailleurs depuis des mois cette industrialisation de l’IA dans les suites bureautiques sur TechPi.
La doctrine de Satya Nadella redessine la place d’OpenAI dans l’écosystème Microsoft
Satya Nadella résume cette orientation dans un message intitulé “Frontier Diffusion & Control”. Sa thèse : les capacités de pointe finissent par se banaliser, puis peuvent être diffusées à grande échelle via des modèles optimisés pour des produits précis. Microsoft dit commencer à router le trafic de ses surfaces propriétaires vers MAI chaque fois que ses modèles égalent ou dépassent les alternatives de frontière.
Le PDG prend soin de préciser que les modèles d’OpenAI et d’Anthropic restent intégrés au système d’orchestration. Mais la hiérarchie change. L’ambition n’est plus de dépendre d’un seul partenaire technologique : elle est de garder hors du modèle la mémoire, le contexte, les compétences et l’orchestration, afin de pouvoir remplacer un moteur sans refaire toute la chaîne.
Cette logique se retrouve aussi dans les produits vendus aux entreprises. Microsoft pousse Foundry, le MAI Playground et une approche de spécialisation que l’entreprise présente comme réutilisable par les éditeurs SaaS et les grands comptes. Les nouveaux modèles sont disponibles en préversion publique dans cet environnement. L’objectif est clair : transformer un savoir-faire interne de réduction des coûts en offre Azure.
Le prochain point à surveiller n’est donc pas seulement la qualité brute de MAI-Image-2.5-Pro ou de MAI-Voice-2-Flash. Ce sera surtout l’extension de cette bascule à davantage de requêtes dans Copilot, Outlook, PowerPoint et Excel, et la publication — ou non — d’évaluations plus indépendantes. Si Microsoft tient ses promesses de coûts sans dégrader l’expérience, la relation avec les modèles d’OpenAI pourrait devenir de plus en plus asymétrique : indispensables sur quelques usages, remplaçables sur la masse.
