Microsoft dévoile 7 modèles MAI propriétaires :
Peut-il rattraper OpenAI et Anthropic ?

En sept ans, Microsoft a investi plus de 13 milliards de dollars dans OpenAI. Les modèles GPT sur Azure sont le pilier de sa stratégie IA. Une dépendance profonde crée trois risques structurels :

• Coûts : chaque appel API reverse à OpenAI — la marge se comprime à l'échelle.
• Souveraineté technique : Microsoft ne contrôle ni le rythme des modèles, ni les données d'entraînement, ni les poids.
• Clauses contractuelles : l'ancien accord limitait l'entraînement de grands modèles propriétaires.

Fin 2025, la donne change. Renégociation : suppression des plafonds de taille pour les modèles internes, voie ouverte vers la « superintelligence ». Suleyman au Build 2026 :

« Nous avons été "libérés" du contrat OpenAI il y a environ six mois — autorisés à poursuivre la superintelligence avec notre IP, nos données et notre compute. C'est un tout début. »

Le Build 2026 est la première démonstration publique de ce « cerveau maison » — et marque la voie IA indépendante d'OpenAI. La première génération reste objectivement derrière les quatre grands laboratoires mondiaux.

Points de friction actuels pour les équipes :

• Marketing vs rapport technique : la keynote évoque Opus 4.6, le rapport compare à Sonnet 4.6 — attentes faussées.
• Disponibilité : MAI-Thinking-1 en preview privée ; en production : MAI-Code-1-Flash et APIs multimodales.
• Conformité : banque, santé, droit doivent distinguer fine-tune MAI et API OpenAI sur la souveraineté des données.
• TCO : MoE à 35B actifs — peu de tableaux prix/latence face à GPT-5.6.
• Local vs cloud : la Dev Box promet 120B+ en local ; le rôle face à la facturation au token reste flou.

Le Build 2026 couvre raisonnement texte, image, voix, transcription et code. Vue d'ensemble :

MAI-Thinking-1 — modèle de raisonnement phare

Premier modèle de raisonnement Microsoft pour le code et les maths entreprise, avec priorité coût. MoE sparse : ~1T paramètres totaux, 35B activés à l'inférence, contexte 256K tokens. Pré-entraîné from scratch, sans distillation tierce ; données commerciales licenciées et traçables.

Ce que signifient réellement les chiffres :

• Le rapport technique dit « competitive with Sonnet 4.6 across a wide range of benchmarks » — Sonnet est le milieu de gamme d'Anthropic, pas Opus.
• Versions comparées obsolètes : le phare actuel est Claude Opus 4.8 (SWE-Bench Pro 69,2 %) ; Microsoft a utilisé Opus 4.6 (53,4 %).
• GPT-5.5 atteint SWE-Bench Pro 58,6 % — au-dessus de MAI-Thinking-1.

Conclusion : MAI-Thinking-1 est un modèle de raisonnement milieu de gamme compétitif avec avantage MoE sur les coûts ; il reste derrière les phares OpenAI/Anthropic actuels.

MAI-Image-2.5 — génération d'images

• Text-to-Image : rang #3 sur Arena.ai.
• Image-to-Image : transfert de style, édition locale ; édition Arena.ai #2.
• Control with Preservation : préserve sémantique et composition à l'édition.
• Intégré à PowerPoint, OneDrive et Azure Foundry Model Catalog.

MAI-Transcribe-1.5 — parole vers texte

• 43 langues avec détection automatique.
• WER FLEURS 4,9 % ; Artificial Analysis WER 2,4 % (rang 3).
• 276× temps réel ; latence améliorée d'un facteur 5,7 vs 1.4.
• Contextual Biasing pour termes métier.
• Tarif $0,36 / heure audio ; sur FLEURS, devant Scribe V2, Whisper-large-V3, GPT-4o-Transcribe et Gemini 3.1 Flash.
• Cas : comptes-rendus Teams, centres d'appels, saisie vocale Copilot, accessibilité.

MAI-Voice-2 — TTS multilingue

• Clonage vocal zero-shot à partir de quelques secondes de référence.
• Emotion Styles pour ton, débit et expression.
• 15+ langues ajoutées (liste complète pas encore publiée).
• MP3, 24 kHz ; tarif $22 / 1M caractères.
• Variante Flash pour agents temps réel : « bientôt ».
• Intégration : Azure Foundry, VS Code, Dynamics 365, Microsoft Copilot.

MAI-Code-1-Flash — impact développeur immédiat

• Contexte 256K tokens, faible latence et coût.
• Déjà intégré à GitHub Copilot (CLI inclus), VS Code et GitHub Actions.
• Tarifs : $0,75 / 1M tokens entrée, $4,5 / 1M tokens sortie.
• SWE-Bench 51 %, au-dessus de Claude Haiku 4.5 avec meilleur profil vitesse/coût.

FrontierNews.ai : parmi les sept MAI, MAI-Code-1-Flash a probablement l'impact quotidien le plus direct — sans preview privée, actif aujourd'hui dans VS Code.

Nadella l'a qualifiée de « dream machine » — workstation compacte qui rapatrie l'inférence cloud et conteste le modèle au token.

Préinstallé : WSL 2 avec GPU passthrough et CUDA, VS Code + GitHub Copilot, PowerShell 7, Python, Node.js, Git, NVIDIA CUDA/cuDNN, AI Toolkit for VS Code, Windows ML, Microsoft Foundry CLI.

Capacités : 120B+ paramètres en local (Llama 4, Qwen 3, etc.) ; contexte 1M tokens fluide ; fine-tuning à l'échelle autrefois réservée au cloud GPU.

Commercialisation : automne 2026 aux États-Unis ; uniquement Microsoft.com ; prix non annoncé ; ouvert aux particuliers. L'inférence 120B locale évite les frais API OpenAI/Anthropic — utile pour itération rapide et résidence stricte des données.

Suleyman au Build 2026 :

« L'objectif est de prouver que nous pouvons rejoindre les quatre grands laboratoires IA mondiaux. Nous n'y sommes pas encore — c'est pour cela que je suis chez Microsoft : construire les meilleurs modèles frontier, pleinement multimodaux, from scratch. »

Les « trois géants » reconnus sont Google DeepMind, OpenAI et Anthropic. L'aveu public de Microsoft est en soi un signal stratégique.

Ce qui est déjà acquis :

• Entraînement autonome : MAI-Thinking-1 sans distillation, from scratch.
• Stack multimodal : texte, image, voix, transcription, code couverts.
• Sécurité données entreprise : données licenciées, poids contrôlables, résidence Azure.
• Coûts : tâches équivalentes annoncées jusqu'à 10× moins chères que GPT-5.5.
• Distribution : GitHub Copilot, M365, Teams.
• MAI-Code-1-Flash en production dans des millions de workflows développeur.

Écarts restants :

• SWE-Bench Pro : MAI-Thinking-1 (52,8 %) vs Claude Opus 4.8 (69,2 %) — ~16 points.
• Rythme de release : Anthropic à Opus 4.8, OpenAI à GPT-5.6 ; Microsoft en génération 1.
• Infrastructure d'entraînement encore en construction vs TPU Google et clusters H100.
• Maturité écosystème : Claude Code et OpenAI Codex ont plus d'historique outillage.
• MAI-Thinking-1 en preview privée uniquement.

Changement de jeu stratégique : Microsoft déplace la compétition du « modèle le plus fort » vers « le meilleur système » :

• MAI-Code-1-Flash dans Copilot — 75 millions de développeurs utilisent des modèles Microsoft sans le savoir.
• La Dev Box emballe la « souveraineté IA locale » en produit hardware.
• Les données entreprise restent dans Azure pour fine-tune MAI — les API OpenAI/Anthropic nourrissent des concurrents externes.

Horizons :

• Court terme (1–2 ans) : derrière les phares OpenAI et Anthropic sur les tests d'intelligence pure.
• Moyen terme (3–5 ans) : la « Hill-Climbing Machine » de Suleyman pourrait accélérer l'itération ; Azure + GitHub offrent une vraie chance top 4.
• Insight clé : la course ne se joue pas seulement sur les benchmarks mais sur la friction workflow, la souveraineté des données et le hardware — là Microsoft est plus difficile à copier.

Les modèles MAI sont aussi accessibles via OpenRouter, Fireworks AI et Baseten (annoncé au Build 2026) ; les poids y sont directement fine-tunables.

Six étapes (exemple API MAI-Code-1-Flash) :

1. Créer une ressource Azure OpenAI : dans le portail Azure, instance Foundry dans la région cible.
2. Déployer MAI-Code-1-Flash : dans Azure AI Foundry Model Catalog, choisir le modèle et créer l'endpoint.
3. Copier clé API et endpoint : page « Clés et point de terminaison ».
4. Définir la version API : 2026-05-01 ou preview Foundry la plus récente.
5. Appeler via OpenAI SDK : exemple Python ci-dessous, model="mai-code-1-flash".
6. Demander la preview privée MAI-Thinking-1 : rechercher « MAI-Thinking-1 » dans Foundry ; preview publique attendue sous quelques semaines.

import openai

client = openai.AzureOpenAI(
    azure_endpoint="https://<your-resource>.openai.azure.com/",
    api_key="<your-api-key>",
    api_version="2026-05-01"
)

response = client.chat.completions.create(
    model="mai-code-1-flash",
    messages=[
        {"role": "system", "content": "You are an expert software engineer."},
        {"role": "user", "content": "Refactor this Python function to use async/await: ..."}
    ],
    max_tokens=2048
)
print(response.choices[0].message.content)

Chiffres citables (EEAT) :

• MAI-Thinking-1 : MoE ~1T total, 35B actifs — inférence bien moins chère que modèles denses phares.
• MAI-Transcribe-1.5 : 276× temps réel, $0,36/heure audio.
• MAI-Code-1-Flash : entrée $0,75/1M, sortie $4,5/1M, SWE-Bench 51 %.
• Dev Box : 128 Go mémoire unifiée, 1 PFLOPS, 100 W, local 120B+.
• Investissement OpenAI : plus de 13 Mrd USD en sept ans ; fin 2025 levée des limites de taille modèles internes.

FAQ :

• MAI-Thinking-1 est-il utilisable maintenant ? Preview privée via Azure Foundry ; preview publique attendue sous quelques semaines.
• Équivaut-il vraiment à Claude Opus ? Le marketing cite Opus 4.6 ; le rapport compare à Sonnet 4.6. Opus 4.8 : 69,2 % vs 52,8 % — ~16 points d'écart.
• Prix de la Dev Box ? Non annoncé ; automne 2026 USA via Microsoft.com.
• Quels modèles sont en production ? MAI-Code-1-Flash, MAI-Image-2.5, MAI-Transcribe-1.5, MAI-Voice-2 ; MAI-Thinking-1 sur demande.
• MAI et GPT-5.6 coexistent dans Azure ? Oui, dans le même workspace Foundry.
• MAI-Code-1-Flash et Copilot ? Déjà backend dans CLI et suggestions inline VS Code — sans changement de config.
• Différence clé avec OpenAI ? Souveraineté des données — le fine-tune MAI dans Azure vise à garder les données dans votre environnement sans entraîner les modèles de base Microsoft ; crucial pour finance, santé et droit.

Sources primaires — revérifier les liens avant citation :

https://microsoft.ai/news/introducing-mai-thinking-1/

http://microsoft.ai/pdf/mai-thinking-1.pdf

https://microsoft.ai/news/microsoft-build-2026-mai-keynote-transcript/

https://techcommunity.microsoft.com/blog/azure-ai-foundry-blog/new-mai-models-in-microsoft-foundry-across-text-image-voice-and-speech/4524632

https://blogs.windows.com/devices/2026/06/02/building-the-next-generation-of-devices-for-developers-surface-rtx-spark-dev-box/

https://www.theverge.com/ai-artificial-intelligence/942242/microsoft-build-ai-agents-openai-competition

https://venturebeat.com/technology/microsoft-ai-chief-says-company-was-set-free-from-openai-to-pursue-superintelligence

Les API MAI cloud seules et l'inférence Dev Box locale ont chacune des limites : les portables ne tiennent pas une passerelle agent 24/7, les GPU partagés provoquent des collisions de contexte, les machines Windows interrompent les fine-tune longs par veille. Pour des pipelines stables GitHub Copilot CLI, multi-agents et CI/CD iOS, la location Mac Mini bare metal CALMVPS offre Apple Silicon dédié, provisioning ~120 s et facturation mensuelle : clés Foundry et workflows Copilot sur un nœud isolé — coding et agents 24/7 sans reconstruire la stack. Page tarifs.