Microsoft, maître de son calcul : puces Maia, Copilot et le frein d'urgence

Maia 300, ou l'ambition du gigawatt

Microsoft ne veut pas seulement vendre des logiciels et des services d'IA : la firme veut maîtriser une part croissante des puces et des infrastructures qui font tourner ses modèles. Pour cela, elle prévoit de porter ses déploiements d'accélérateurs maison Azure Maia à plusieurs gigawatts dès 2027. Maia 300 est présentée comme la prochaine étape clé de cette stratégie.

Trois objectifs sont mis en avant : gagner en efficacité, sécuriser ses capacités de calcul et desserrer l'étau Nvidia. La formulation est révélatrice : il s'agit de reprendre la main sur le coût de l'IA non pas au niveau des applications, mais à celui du silicium et des centres de données.

Copilot avale la suite bureautique

Deuxième étage de la fusée : l'interface. La nouvelle application Copilot de Microsoft va embarquer l'ensemble des fonctionnalités de Word, Excel et PowerPoint. Les utilisateurs de l'assistant pourront ainsi concevoir et ajuster leurs documents grâce à l'IA, depuis Copilot.

La frontière entre l'assistant et la suite bureautique s'efface donc un peu plus. Les deux dépêches décrivent la même trajectoire à deux niveaux : Microsoft consolide en parallèle la couche matérielle de son offre d'IA et la couche logicielle qui la rend visible à ses clients.

Un « frein d'urgence », et des modèles qui bougent

Satya Nadella, PDG de Microsoft, a publié un billet un samedi matin pour appeler à « prendre du recul et évaluer l'architecture de confiance » de l'IA. Il y écrit que les modèles ont besoin d'un « frein d'urgence ». La prise de parole d'un des principaux acteurs du secteur intervient alors que la question de la confiance accordée aux systèmes d'IA est de plus en plus discutée.

Dans le même temps, la course ne ralentit pas. Mistral AI signe son retour avec Mistral Large 4, son premier modèle depuis de longs mois, et se repositionne dans les classements. OpenAI a de son côté impressionné le monde scientifique avec 772 manuscrits mathématiques. Orange a dévoilé son premier décodeur « home cinéma ».

21B de paramètres sur un seul GH200

À l'opposé des gigawatts, un chercheur indépendant documente l'inverse : faire beaucoup avec très peu. Contraint par son budget, il a déplacé le pré-entraînement de son MoE de 21B — initialement prévu sur 64 H100 — vers un seul GPU NVIDIA GH200, loué 2,29 $ l'heure.

Il a compilé dans un papier les métriques relevées à chaque étape, avec le code et les logs. Le MFU passe ainsi de 21,1 % à 50,7 %. Le modèle compte 20,99B de paramètres, dont 3,36B actifs, et les 238,5 GiB de données d'entraînement en FP32 restent en mémoire CPU, mises à jour directement par le GPU via NVLink-C2C.

Et maintenant ?

Les deux extrémités du spectre cohabitent dans l'actualité : Microsoft, qui veut aligner des gigawatts de calcul maison et fondre sa suite bureautique dans son assistant, face à un chercheur seul qui publie comment il a fait passer son MFU de 21 % à 50 % sur une machine louée à l'heure. Entre les deux, Mistral revient dans les classements, OpenAI avance sur le terrain mathématique et Nadella demande un frein d'urgence. Coût et confiance progressent ensemble, sans arbitrage visible pour l'instant.