Microsoft remplace les modèles d'OpenAI et d'Anthropic au sein de GitHub Copilot, Excel et Outlook par son propre modèle MAI, moins coûteux, Copilot Chat et PowerPoint sont les prochains
Microsoft a commencé à réorienter le travail au sein de ses propres produits, en délaissant OpenAI et Anthropic au profit de modèles qu’elle a développés en interne. Satya Nadella a annoncé un système dans lequel les modèles MAI développés en interne par Microsoft prennent le relais des tâches autrefois gérées par les modèles de pointe de ses partenaires. GitHub Copilot, Excel et Outlook affichent déjà ce qu’il a qualifié de « premiers résultats prometteurs ». Copilot Chat et PowerPoint sont les prochains sur la liste. Selon Nadella, la logique repose sur les coûts, les modèles MAI surpassant déjà les modèles de pointe à usage général dans de nombreux cas d’utilisation, tout en consommant une fraction des jetons.
Microsoft AI (MAI) est un laboratoire américain de recherche en intelligence artificielle (IA) qui fait partie de Microsoft. Fondée le 19 mars 2024, Microsoft AI (MAI) est chargée de superviser Microsoft Copilot et plusieurs autres services précédemment développés par d’autres équipes, tels qu’Edge et Bing ; elle contribue également à fournir des ressources et à participer au développement de l’application Microsoft 365.
En 2024, lors du lancement en grande pompe des PC Copilot+, Yusuf Mehdi, vice-président exécutif chez Microsoft, avait fait des promesses précises depuis la scène : Copilot allait s'intégrer partout dans Windows 11. Ce qu'il s'est passé entre-temps ressemble à un enchaînement de déceptions en cascade. De la retraite discrète de Copilot sur Windows 11 à la menace d'un procès fleuve contre OpenAI et Amazon, en 2026, Microsoft traverse une période révélatrice de ses contradictions profondes. D'un côté, l'entreprise admet avoir trop poussé l'IA dans la gorge de ses utilisateurs et entreprend de dégraisser Windows 11. De l'autre, elle agite l'arme juridique pour protéger un monopole cloud que son ancien partenaire cherche activement à fuir.
Par ailleurs, sur le marché des outils de développement, les développeurs lui préfèrent massivement la concurrence. Et dans les couloirs de Redmond même, les ingénieurs de Microsoft sont encouragés à utiliser Claude Code d'Anthropic, l'outil concurrent, pour faire leur travail. Copilot s'effondre sur tous les fronts à la fois. Dans ce contexte, Microsoft a commencé à réorienter le travail au sein de ses propres produits, en délaissant OpenAI et Anthropic au profit de modèles qu’elle a développés en interne.
Satya Nadella a exposé son raisonnement dans un long message publié sur X. Satya Narayana Nadella est le président-directeur général (PDG) de Microsoft, ayant succédé à Steve Ballmer en 2014 au poste de PDG et à John W. Thompson en 2021 au poste de président. Avant de devenir PDG, il était vice-président exécutif du groupe Cloud et Entreprise de Microsoft, chargé de la mise en place et de l'exploitation des plateformes informatiques de l'entreprise.
Microsoft remplace discrètement les modèles d'OpenAI et d'Anthropic par son propre modèle MAI
En mars 2026, Microsoft AI a annoncé la création d’une division Copilot, qui regrouperait Copilot, Microsoft 365 et des applications grand public telles qu’Edge et Bing. Jacob Andreou serait à la tête de cette division et rendrait compte au PDG de Microsoft, Satya Nadella. Suleyman resterait chez MAI mais superviserait sa division MAI Superintelligence. En juin 2026, MAI a publié 7 nouveaux modèles développés en interne, dont MAI-Image-2.5 et MAI-Code-1-Flash, ainsi que 5 autres.
Récemment, Satya Nadella a annoncé que ces nouveaux modèles intègreront les produits de Microsoft. Dans son message sur X, Satya Nadella décrit un système dans lequel les modèles MAI développés en interne par Microsoft prennent le relais des tâches autrefois gérées par les modèles de pointe de ses partenaires. GitHub Copilot, Excel et Outlook affichent déjà ce qu’il a qualifié de « premiers résultats prometteurs ». Copilot Chat et PowerPoint sont les prochains sur la liste.
La logique repose sur les coûts. Selon Nadella, les logiciels ont désormais, pour la première fois, un coût marginal réel, ce qui fait du choix du modèle une décision commerciale plutôt qu’un choix technique par défaut. Les modèles de pointe restent utilisés pour les problèmes de pointe. Tout le reste est transféré vers des solutions moins coûteuses mais tout aussi performantes. Microsoft affirme que ses modèles MAI surpassent déjà les modèles de pointe à usage général dans de nombreux cas d’utilisation, tout en consommant une fraction des jetons.
Voici le message de Satya Nadella :
Diffusion et maîtrise de la frontière
Dans un monde où, pour la première fois, les logiciels ont un coût marginal réel, comment garantir que les avantages liés à cette frontière soient diffusés à l’ensemble de l’écosystème ?
La clé réside dans l’optimisation de la frontière coût-résultat dans un contexte concret. Concrètement, cela implique d’utiliser le modèle adapté à chaque tâche et d’optimiser le contexte, les compétences, les outils et l’ensemble des agents qui l’entourent.
C’est ce qui motive la création de notre famille de modèles MAI. Ces modèles ont été conçus de A à Z avec une traçabilité claire des données et optimisés pour le transfert d’apprentissage des compétences généralistes vers des compétences spécialisées dans les environnements RLE d’entreprise. Nous continuons à progresser rapidement dans cette voie.
Nous sommes désormais en mesure de tirer parti de capacités de pointe saturées et de les déployer à grande échelle et à moindre coût grâce à des modèles optimisés pour les produits à forte utilisation, tout en continuant à utiliser les modèles de pointe pour les besoins de pointe. Nous en apportons la preuve à travers nos propres produits, créant ainsi un modèle pour toutes les autres entreprises spécialisées dans l’IA, le SaaS ou les solutions d’entreprise.
Dans nos produits, les modèles de pointe d’OpenAI et d’Anthropic font partie du système d’orchestration aux côtés de MAI. Mais le modèle n’est qu’un élément du système d’optimisation par itération. Le harnais, la mémoire, le contexte, les outils, les compétences, les interactions avec les utilisateurs, etc. façonnent tous les évaluations et les performances de ces systèmes agentiques.
L’autre critère essentiel pour garantir que vous gardez le contrôle est que vos évaluations doivent continuer à progresser même lorsqu’un modèle donné a été supprimé. C’est pourquoi nous construisons des RLE (Environnements d’apprentissage par renforcement) dans lesquels les modèles apprennent au sein du système produit et sont récompensés pour avoir accompli les tâches qui importent réellement aux clients. Nous entraînons les modèles en fonction du harnais produit réel, des interactions et des résultats auxquels ils seront confrontés. Et nous veillons stratégiquement à ce que le harnais, la mémoire, le contexte et les compétences soient externalisés en dehors du modèle.
Les évaluations spécifiques au produit et l’indépendance vis-à-vis des modèles nous donnent le contrôle et une pente directe à gravir, que nous pouvons affiner jusqu’à atteindre le bon équilibre qualité-coût. Nous constatons désormais que les modèles MAI surpassent les modèles de pointe à usage général dans de nombreux cas d’utilisation, tout en n’utilisant qu’une fraction des tokens.
Nous pensons que la plus grande opportunité réside dans l’optimisation conjointe de toutes ces couches au sein des produits que le monde utilise au quotidien. Et nous commençons à rediriger le trafic vers MAI via nos interfaces propriétaires dès que nos modèles égalent ou surpassent les alternatives de pointe.
Nous observons des premiers résultats prometteurs sur GitHub Copilot, Excel et Outlook, et nous commençons à adopter la même approche sur Copilot Chat, PowerPoint et bien d’autres applications. Et tous ces résultats ne feront que s’améliorer à mesure que l’ensemble du système continuera à progresser !
Ce que nous mettons en œuvre dans nos produits propriétaires est également ce que chaque entreprise cliente peut faire dans ses propres systèmes agentiques, en utilisant ses évaluations propriétaires, ses RLE propriétaires, ses workflows et son contexte. Nous mettons tout cela à disposition dans le cadre de Foundry et de notre chaîne d’outils.
— Satya Nadella (@satyanadella) July 23, 2026
Pourquoi Microsoft décide de s'orienter vers ses propres modèles d’IA plutôt que de s’appuyer sur...
La fin de cet article est réservée aux abonnés. Soutenez le Club Developpez.com en prenant un abonnement pour que nous puissions continuer à vous proposer des publications.