#Ignite2026 : Microsoft sort sept modèles MAI et déclare la guerre des prix à OpenAI et Anthropic
Il y a encore dix-huit mois, Microsoft était surtout le premier revendeur des modèles d’OpenAI. Avec Ignite 2026, l’éditeur de Redmond continue de construire sa propre famille de modèles, et il l’assume de plus en plus ouvertement. Le 17 novembre 2026, à Ignite, Microsoft AI a présenté sept nouveaux modèles MAI pour le code, la cybersécurité, l’image, la voix, la transcription et la prise de décision. Le message adressé aux entreprises tient en une phrase de Mustafa Suleyman, patron de Microsoft AI : “We co-optimize quality and price together.” Autrement dit, Microsoft ne promet pas forcément le meilleur modèle du marché, mais le meilleur rapport qualité/prix. C’est un discours que les DSI connaissent bien.
Une suite logique après Build
Cette annonce prolonge celle de juin. Lors de Build 2026, le 2 juin, Microsoft avait déjà dévoilé sept modèles maison sous la marque MAI, dont MAI-Thinking-1, son premier modèle de raisonnement. À l’époque, Suleyman parlait d’une “long term self-sufficiency for Microsoft and our partners”. Cinq mois plus tard, la stratégie change de nature : on ne cherche plus un modèle généraliste unique, mais une gamme de modèles spécialisés, chacun calibré pour un type de tâche.
Le code au premier plan : MAI Code 2 et Code 2 Flash
C’est clairement l’annonce la plus importante pour les équipes de développement. Selon Microsoft, MAI Code 2 offre 98 % de la qualité de GPT-6.1 Sol pour environ 40 % du prix, et 96 % des performances d’Opus 5.5 pour 5 % du prix. MAI Code 2 Flash égalerait GPT-6 Luna à 65 % du prix, et Haiku 5.5 à 20 % du prix. Côté disponibilité, les deux modèles sont disponibles en version générale dans GitHub, et Code 2 Flash est en préversion privée dans Foundry.
Ce point compte beaucoup : GitHub Copilot, produit phare de Microsoft pour les développeurs, reposait jusqu’ici surtout sur des modèles d’OpenAI et d’Anthropic. Remplacer une partie de ces appels par un modèle maison change complètement la marge de Microsoft sur chaque requête. Il faut toutefois lire les petites lignes. Microsoft reconnaît lui-même que Code 2 n’est pas optimisé pour les problèmes les plus difficiles ni pour les tâches d’agents de très longue durée. Le modèle vise donc le travail courant de l’entreprise, pas les refontes d’architecture sur un monolithe de quinze ans.
Cyber 2 Flash : un modèle de sécurité sous surveillance
MAI-Cyber-2-Flash est conçu pour la cybersécurité, avec des fonctions de découverte, de validation et de correction des vulnérabilités dans le code. Il est en préversion, uniquement dans Codename MDASH. Côté chiffres, Microsoft affirme qu’il égale GPT-6 Astra en qualité pour moins de 2 % du coût par tâche. L’accès très limité se comprend : un modèle qui trouve des failles sert aussi bien à les corriger qu’à les exploiter. Les RSSI devront patienter, et c’est sans doute plus prudent ainsi.
Image, voix, transcription : le reste de la gamme
MAI-Image-2.7 promet des retouches plus précises et une génération d’images plus cohérente, pour qu’une marque garde le même style sur toute une campagne. Lui et sa variante Flash sont en préversion. D’après Microsoft, il est le modèle le mieux noté sur Artificial Analysis pour l’édition d’images, devant GPT Image 2.6 Sunburst (max), pour un cinquième du prix. C’est d’ailleurs le seul chiffre de l’annonce qui s’appuie sur un classement tiers.
Pour la voix, MAI Realtime 1 est le premier modèle de conversation vocale en temps réel de Microsoft, et il est annoncé à partir de 0,01 $ par minute d’audio. Il reste toutefois en accès anticipé. La transcription passe par le secteur de la santé : Dragon Copilot Transcribe repose sur MAI Transcribe 2 et traite déjà 10 millions de consultations de patients par mois, avec un taux d’erreur multilingue divisé par deux.
Decision 1.1 : le modèle discret qui en dit long
Le septième modèle est le moins visible, mais il est très utile dans une architecture d’agents. Microsoft-Decision-1.1 (nous en parlions sur le blog) est un modèle rapide et économique pour les décisions structurées comme le routage, la classification, la priorisation et la vérification. Il accepte désormais les images en entrée et repose sur Gemma. Ce détail est savoureux : le récit « tout fait maison » en prend un coup, puisque Gemma est la famille de modèles ouverts de Google. Par ailleurs, l’écart de prix annoncé reste flou. Thurrott parle d’un modèle « 79 fois moins cher » que GPT-Sol 6.1, alors que les documents de Microsoft indiquent 79 % moins cher. Pour un tableau de bord FinOps, ce n’est pas exactement la même chose.
L’infrastructure : Maia 200 et poids sous licence
C’est sans doute l’élément le plus stratégique. Les sept modèles tournent en production sur Maia 200, l’accélérateur IA de deuxième génération de Microsoft pour ses datacenters. Posséder à la fois le modèle, le silicium et le cloud permet à Microsoft de ne plus payer la marge d’un partenaire, ni celle de Nvidia, sur chaque token. C’est ce qui rend ces prix possibles.
Deux annonces intéresseront particulièrement les architectes. Avec MAI Licensed Weights, les organisations pourront déployer et personnaliser les modèles de Microsoft AI dans leur propre environnement Azure. Cette offre arrive « bientôt » via le programme Microsoft Frontier Company. De son côté, Foundry ajoute des outils d’entraînement : Managed Training (préversion) adapte les modèles compatibles aux données de l’organisation et gère tout le processus, tandis que Programmed Training (préversion) permet aux ingénieurs IA d’écrire leurs propres boucles d’entraînement, y compris le fine-tuning supervisé et l’apprentissage par renforcement, sur des modèles open-weight.
Le regard critique : beaucoup de promesses, peu de preuves
Il faut maintenant regarder ces annonces avec un peu de recul. D’abord, aucun benchmark n’a été vérifié de manière indépendante, et c’est l’éditeur qui les a choisis. Ensuite, un ratio de coût par tâche dépend de la façon dont on définit la tâche, et une égalité « en moyenne » peut masquer des faiblesses sur les problèmes les plus difficiles de votre propre code. On note aussi que les chiffres de paramètres de la fiche technique de Code 2 ne sont pas cohérents entre eux. Enfin, la disponibilité est très inégale : entre la disponibilité générale, la préversion privée, l’accès anticipé et le « bientôt », il faudra une matrice pour savoir ce qui est réellement utilisable lundi matin.
Il y a aussi un paradoxe. Microsoft se compare ouvertement aux modèles d’OpenAI et d’Anthropic, alors qu’il continue de les héberger et de les vendre dans Foundry. Satya Nadella a même annoncé l’arrivée de GPT-6.2 et des derniers modèles de Meta dans Foundry. Microsoft joue donc à la fois l’arbitre, le stade et l’une des équipes. Pour le client, c’est plutôt une bonne nouvelle : plus de concurrence au même endroit, c’est un levier de négociation supplémentaire.
Ce que les DSI devraient faire dès maintenant
L’approche raisonnable est simple. Il ne s’agit pas de tout migrer, mais de tester sur ses propres cas d’usage. Les modèles Flash et Decision 1.1 sont d’excellents candidats pour les tâches à fort volume et faible valeur unitaire : routage d’agents, classification de tickets, complétion de code courante. Ce sont précisément les tâches où passer de 100 à 20 sur la facture change réellement le budget annuel. Pour le reste, il faudra construire son propre jeu d’évaluation, mesurer la qualité réelle sur ses données et surveiller la réversibilité. Un modèle moins cher qui vous attache encore davantage à une plateforme n’est une économie qu’à court terme.
Microsoft vient de montrer qu’il peut concurrencer ses partenaires sur les prix. Reste à prouver qu’il peut aussi les concurrencer sur la qualité, ailleurs que sur ses propres slides.
Nous reviendrons sur tout ceci dans une session dédiée lors du prochain Briefing Calipia qui commence à Aix dans moins de 2 semaines, 3 semaines pour Nantes et Paris, il est encore temps de nous rejoindre !