Lors de sa conférence Ignite, le 18 novembre 2026, Microsoft AI a dévoilé sept modèles spécialisés. Ils ciblent le code, la cybersécurité, l’image, la voix, le travail bureautique et le routage des agents, avec des modèles internes moins coûteux que plusieurs offres d’OpenAI et d’Anthropic, selon l’éditeur.
À titre d’information, le groupe ne rompt pas son partenariat avec OpenAI. Il construit toutefois une gamme complète de modèles maison pour remplacer progressivement certaines technologies externes dans ses produits. L’objectif : faire fonctionner des agents IA en permanence sans que la facture de tokens absorbe les gains de productivité.
La stratégie touche GitHub Copilot, Microsoft 365, Azure AI Foundry, Bing Image Creator, Dragon Copilot et les outils de cybersécurité. Les coûts peuvent baisser, mais le contrôle de Microsoft s’étend aussi sur toute la chaîne, du modèle jusqu’à la puce.
MAI Code 2 réduit le coût de la programmation assistée
MAI Code 2 se positionne comme une alternative économique à GPT-6.1 Sol et Claude Opus 5.5 pour les tâches de programmation courantes en entreprise. Selon Microsoft, il atteint en moyenne 98 % des performances de GPT-6.1 Sol sur quatre benchmarks, avec un coût inférieur de 40 %. Face à Claude Opus 5.5, il atteint 96 % de ses performances pour un coût cinq fois moins élevé.
La moyenne repose sur DeepSWE 1.1, Terminal Bench 2.1, SWE-Atlas et FrontierCode v1.1. Trois évaluations ont tourné sur la plateforme interne MSBench, depuis l’interface en ligne de commande de GitHub Copilot et sans sous-agents. Cette méthode impose une lecture prudente : l’éditeur contrôle une partie de l’environnement de test et applique une réduction promotionnelle de 50 % sur son propre modèle.
Les résultats donnent néanmoins un ordre de grandeur. MAI Code 2 réussit 63,2 % des tâches, contre 64,1 % pour GPT-6.1 Sol et 65,3 % pour Claude Opus 5.5. Le coût moyen par tâche s’établit à 0,31 dollar, 0,76 dollar et 6,31 dollars. Lors de comparaisons à l’aveugle sur des interfaces, des jeux, des visualisations et des SVG, les évaluateurs humains ont préféré MAI Code 2 à GPT-6 Sol dans 64 % des cas, d’après Microsoft.
On reconnaît les limites
Le modèle vise le développement quotidien, pas la recherche fondamentale ni les longs workflows agentiques complexes. MAI Code 2 Flash complète l’offre pour l’explication de code, les corrections courantes et les modifications localisées. Il coûte moins cher, mais n’atteint que 65 % des performances de GPT-6 Luna et 20 % de celles de Claude Haiku 5.5.
Jusqu’au 17 mai 2027, GitHub Copilot facture MAI Code 2 0,50 dollar par million de tokens d’entrée et 2,50 dollars en sortie, puis 1 dollar et 5 dollars. MAI Code 2 Flash coûte temporairement 0,05 dollar et 0,25 dollar, tarifs doublés après la promotion.
MAI Cyber 2 Flash vise les analyses de sécurité à grande échelle
La même logique économique s’applique à la sécurité avec MAI Cyber 2 Flash. Sur CyberGym-E2E, il résout 92,3 % des tâches, contre 91,5 % pour GPT-6 Astra, en consommant moins de ressources de raisonnement. L’écart de prix est le plus spectaculaire : 0,10 dollar par million de tokens d’entrée et 0,50 dollar en sortie, contre 10 dollars et 50 dollars pour GPT-6 Astra. Microsoft calcule ainsi 0,45 dollar par tâche, contre 34,38 dollars. Sur WebExploitBench, le modèle obtient 40,4 %, contre 38,4 % pour GPT-5.6 Cyber.
Un problème est apparu dans l’évaluation. Environ 10 % des quelque 900 tâches de CyberGym reposaient sur les mêmes projets open source et rapports de vulnérabilités que certaines données d’entraînement. L’entreprise affirme n’avoir jamais utilisé les solutions de référence pour entraîner le modèle, et a retiré toutes les tâches concernées avant de comparer. Elle n’a pas encore confronté son modèle à GPT-6 Cyber, qu’OpenAI réserve à certains clients, ce qui limite les comparaisons directes.
MAI Cyber 2 Flash accepte un million de tokens de contexte, soit quatre fois plus que MAI Cyber 1.1 Flash, avec un coût de sortie réduit de 86 %. Les modèles MAI Cyber traitent déjà près de 40 % des analyses de MDASH, la plateforme de sécurité du groupe. Réservé aux produits Microsoft, il remplacera automatiquement l’ancien modèle dans MDASH à partir de la mi-décembre pour les clients éligibles. L’analyse massive devient moins chère, mais la dépendance aux évaluations, aux garde-fous et aux tarifs de Microsoft augmente.
Introducing MAI Code 2 and Code 2 Flash. Code 2 brings frontier price-performance for everyday enterprise coding tasks. Code 2 Flash brings affordable and high-quality coding for routine work at scale. Try both today in GitHub Copilot. https://t.co/9MmltaGaXR
— Microsoft Developer (@msdev) November 17, 2026
Decision 1.1, Work Flash et Retriever-1 pilotent les agents
La stratégie ne se limite pas aux modèles qui génèrent du code ou cherchent des failles. Des systèmes plus petits doivent diriger les agents et choisir leurs prochaines actions. Microsoft Decision 1.1 gère le routage, la classification, la priorisation et le contrôle des workflows : il sélectionne une action parmi celles que le développeur autorise et renvoie un score de confiance. Quand les informations manquent, il peut s’abstenir.
Construit sur Gemma 4 26B A4B, un modèle à mélange d’experts de Google, il succède à une version fondée sur Qwen3.5-9B. L’entraînement combine apprentissage supervisé et par renforcement, à partir de centaines de jeux de données synthétiques et sous licence. Selon Artificial Analysis, il atteint 68 points sur l’indice de décision v2.1, soit six de plus que son prédécesseur, devant Jev 1.14, Gemini Decision 1 et GPT-6 Luna. Sur 102 benchmarks internes (plus de 385 000 questions), Microsoft lui attribue la meilleure précision moyenne parmi huit modèles.
Le modèle accepte désormais les images et captures d’écran, et décide dans Copilot si une requête relève de Copilot ou de Cowork. À précision comparable à celle d’un grand modèle plus complexe, il va 2,2 fois plus vite pour un coût 4,4 fois inférieur. Le tarif : 0,042 dollar par million de tokens d’entrée (0,05 dollar dans l’espace de données européen), sans facturation des tokens de sortie.
Le modèle égale à GPT-6 Luna
MAI Work Flash reprend cette logique pour Microsoft 365 et Fabric IQ. Sur les tests internes, il égale GPT-6 Luna dans Excel et PowerPoint, et se rapproche de GPT-6.1 Sol dans Word avec environ 42 % de tokens d’entrée en moins. Pour les requêtes DAX de Power BI, Microsoft affirme qu’il dépasse GPT-5.6 Sol, GPT-6 Astra et Claude Opus 5.5.
Dans Foundry IQ, Microsoft-Retriever-1 recherche des informations dans les documents d’entreprise. Plutôt qu’une requête unique, il planifie plusieurs recherches, évalue les résultats et continue jusqu’à réunir assez d’éléments. Proposé en avant-première, il peut être sélectionné automatiquement par le routeur élargi de Foundry.
MAI Image 2.7 rivalise avec OpenAI dans la retouche
Côté image, MAI Image 2.7 et une version Flash moins coûteuse renforcent la gamme. Selon Artificial Analysis, MAI Image 2.7 domine son classement de retouche avec 1 215 points Elo (5 478 votes), devant GPT Image 2.6 Sunburst en mode maximal de quatre points, pour un coût cinq fois inférieur. En génération à partir d’un texte, il occupe la quatrième place. [lien interne vers l’article GPT-Images 2.6]
Le tarif est d’environ 35 dollars pour 1 000 images, et autour de 10 dollars pour la version Flash. Les deux modèles modifient la couleur, la matière ou la position d’un objet sans transformer toute l’image, isolent des éléments et produisent un arrière-plan transparent. MAI Image 2.7 Flash alimente Canvas, le nouvel éditeur visuel de MAI Labs, et MAI Image est le modèle par défaut de Bing Image Creator depuis juin.
Adobe, Figma Weave, Minute pour Sports Illustrated, Wirestock et Manus utilisent déjà cette technologie, selon Microsoft. Ce constat montre que les modèles ne sont pas réservés aux produits maison : le groupe cherche à vendre son infrastructure à des plateformes créatives qui utilisent encore OpenAI, Google ou Black Forest Labs.
MAI Realtime 1 attaque le marché de la voix
Avec MAI Realtime 1, Microsoft entre aussi sur les conversations vocales en temps réel. Le modèle gère les interruptions, attend la fin d’une phrase et comprend les demandes malgré le bruit de fond. Pour les tâches complexes, il appelle un moteur de raisonnement plus puissant, facturé séparément.
D’après les mesures internes, il dépasse GPT Realtime 2.1 sur Big Bench Audio, τ-Voice et plusieurs tests menés avec Dynamics 365. Il obtient 98,9 % sur Big Bench Audio, pour 1,35 dollar par heure d’audio d’entrée dans la comparaison publiée. Compatible avec l’API OpenAI Realtime, il permet d’adapter une application vocale existante sans reconstruire l’intégration. Le tarif : un centime par minute, plus 1 dollar et 5 dollars par million de tokens d’entrée et de sortie du moteur de raisonnement.
Agoda et Reservations.ai le testent déjà, et l’intégration est prévue dans Dynamics 365 Contact Center et Dragon Copilot, où les infirmières pourront s’entraîner à converser avec des patients. Dans Dragon Copilot, MAI Transcribe 2 transcrit les échanges entre médecins et patients (environ 10 millions de conversations par mois) et divise par deux le taux d’erreur en workflows multilingues, selon l’entreprise.
Les modèles complexes tournent aussi sur Maia 200, la deuxième génération de l’accélérateur maison, avec une efficacité énergétique 1,7 fois supérieure par watt. Cette intégration verticale réunit modèles, applications, cloud et puces, et réduit la dépendance à Nvidia comme à OpenAI.
Les entreprises pourront affiner certains modèles dans Azure
Une offre de poids MAI sous licence se prépare pour les entreprises. Elles pourront adapter certains modèles avec leurs données et les exécuter dans leur environnement Azure, en gardant la propriété de leurs données et de leurs personnalisations. Microsoft affirme ne les utiliser pour entraîner ses modèles qu’avec un consentement explicite.
Présentée comme une alternative aux modèles à poids ouverts, dont l’origine, les données et le comportement sont difficiles à vérifier, l’offre promet contrôle contractuel et traçabilité, sans ouvrir les paramètres au public. Premier exemple cité : AT&T, qui aurait personnalisé un modèle pour analyser ses opérations de réseau 5G. Il aurait dépassé GPT-6.1 Sol sur des tâches standard, pour un coût environ cinquante fois inférieur. Ni le détail des tests ni une validation indépendante ne sont communiqués.
MAI Realtime 1 outperforms GPT-Realtime 2.1 and starts at just $0.01 per audio minute. https://t.co/Dk0z3Y0lRe
— Microsoft AI (@MicrosoftAI) November 17, 2026
La date de lancement et les tarifs ne sont pas précisés. Les clients intéressés doivent contacter l’équipe commerciale, avec une disponibilité annoncée dans le programme Microsoft Frontier Company.
Côté distribution, MAI Code 2 et Code 2 Flash sont déjà dans GitHub Copilot, et Code 2 Flash arrive dans Foundry en avant-première limitée. OpenRouter, Vercel, Hermes, Open Code et Kilo doivent intégrer les modèles de code. MAI Image 2.7 et Flash sont proposés dans Foundry, fal, Genspark, OpenRouter et Vercel, et Decision 1.1 dans Foundry, OpenRouter et la passerelle IA de Vercel. MAI Realtime 1 se teste dans MAI Labs, gratuitement dans Foundry jusqu’à l’avant-première publique.
OpenAI reste partenaire, mais la dépendance diminue
Cette stratégie suit la restructuration du partenariat avec OpenAI en avril 2026. OpenAI peut désormais vendre ses produits depuis n’importe quel fournisseur cloud, même si Azure reste son principal partenaire d’infrastructure. De son côté, Microsoft conserve une licence non exclusive sur les modèles et produits d’OpenAI jusqu’en 2032.
GPT reste donc proposé dans Azure et Copilot, tandis que certains usages passent aux modèles maison quand le coût ou la spécialisation le justifient. Il ne s’agit pas d’abandonner OpenAI du jour au lendemain, mais d’éviter qu’un seul fournisseur fixe performances, prix et marges de tous les produits IA du groupe. Les utilisateurs verront la bascule progressivement : Copilot, Microsoft 365 ou les outils de sécurité pourront changer de modèle en arrière-plan sans modifier leur interface.
Microsoft veut désormais choisir le modèle le moins coûteux pour chaque tâche, puis réserver les systèmes d’OpenAI ou d’Anthropic aux usages où leur avantage justifie encore leur prix.
- Partager l'article :
Restez à la pointe de l'information avec
INTELLIGENCE-ARTIFICIELLE.COM !

