Présentation des modèles

Microsoft a annoncé la mise à disposition de sept nouveaux modèles d’intelligence artificielle, regroupés sous la marque MAI. Parmi eux, MAI Cyber 2 Flash, MAI Code 2, MAI Code 2 Flash, MAI Image 2.7, MAI Realtime 1, Dragon Copilot Transcribe (basé sur MAI Transcribe 2) et Decision 1.1. Chaque modèle cible un domaine précis : traitement du texte, génération de code, édition d’image, transcription audio en temps réel et prise de décision.

Les performances sont exprimées à l’aide de benchmarks publics. MAI Cyber 2 Flash dépasse la qualité de GPT‑6 Astra tout en consommant moins de 2 % du coût par tâche sur le benchmark CyberGym‑E2E. MAI Code 2 atteint 98 % de la qualité de codage de GPT‑6.1 Sol pour environ 40 % du prix, et 96 % de la performance d’Opus 5.5 à 5 % du coût. MAI Image 2.7 se classe première sur le test Artificial Analysis d’édition d’image, avec un prix équivalent à un cinquième de celui de GPT Image 2.6 Sunburst (max).

Analyse du rapport performance‑coût

Le texte de la communication indique que la hausse du « token spend » pousse Microsoft à optimiser le prix par token. MAI Realtime 1 propose un tarif de 0,01 $ par minute audio, ce qui rend la diffusion continue d’assistants vocaux économiquement viable. Dragon Copilot Transcribe, quant à lui, est présenté comme le modèle multilingue le plus rapide et précis, avec un taux d’erreur divisé par deux et une utilisation dans 10 millions de consultations patients chaque mois.

Decision 1.1, le dernier modèle de décision, est déclaré 50 fois plus rapide et 79 fois moins cher que GPT‑6.1 Sol. Ces ratios indiquent une réduction de la latence d’inférence et une optimisation des coûts d’infrastructure, ce qui peut influencer la décision d’adopter ces services pour des charges de travail à forte intensité décisionnelle.

Implications matérielles et énergétiques

Le lancement s’accompagne de Maia 200, deuxième génération d’accélérateur AI de Microsoft, désormais en production pour les plus grands modèles. Maia 200 délivre 1,7 fois plus de tokens par watt, ce qui améliore l’efficacité énergétique des centres de données. Cette amélioration se traduit par une consommation électrique moindre pour un même volume de traitement, un facteur important dans les stratégies de durabilité des grands fournisseurs cloud.

En combinant des modèles à coût réduit avec un accélérateur plus efficace, Microsoft vise à réduire la barrière économique à l’usage continu d’agents IA dans des contextes industriels et médicaux. La disponibilité de métriques de coût‑performance détaillées permet aux architectes cloud de dimensionner précisément les ressources nécessaires, tout en maîtrisant les dépenses d’opération.