Microsoft affirme que Decision 1.1 coûte 79 fois moins cher que GPT-6.1 Sol
Microsoft veut réduire sa dépendance à OpenAI en misant sur une stratégie moins spectaculaire, mais potentiellement plus rentable : des modèles spécialisés, conçus pour exécuter des tâches précises à grande vitesse et à moindre coût. L’entreprise affirme que son modèle de décision Decision 1.1 serait jusqu’à 79 fois moins cher que GPT‑6.1 Sol.
Sept modèles pour reprendre l’initiative
Le 17 novembre 2026, à l’occasion de sa conférence Ignite, Microsoft a annoncé le lancement de sept nouveaux modèles d’intelligence artificielle. L’entreprise cherche ainsi à élargir son offre au-delà de son partenariat historique avec OpenAI, dont les modèles restent au cœur de nombreux produits Microsoft.
La promesse ne repose pas sur un modèle généraliste unique capable de répondre à toutes les demandes. Microsoft met plutôt en avant des modèles spécialisés, calibrés pour des usages particuliers : raisonnement, décision, génération de contenu ou traitement de tâches d’entreprise. Cette approche permet de réduire la taille des modèles et, en théorie, leur coût d’exécution.
Le cas le plus spectaculaire présenté par Microsoft est celui de Decision 1.1. Selon l’entreprise, ce modèle serait 50 fois plus rapide et 79 fois moins cher que GPT‑6.1 Sol, un modèle d’OpenAI utilisé ici comme référence de comparaison.
Ces chiffres sont suffisamment élevés pour attirer l’attention, mais ils ne constituent pas encore une démonstration indépendante d’une supériorité technologique. Microsoft ne présente pas ces résultats comme ceux d’une évaluation menée par un organisme tiers. Il s’agit d’affirmations de l’entreprise, dont la portée dépend fortement de la méthode de mesure retenue.
Le prix dépend de la tâche mesurée
Dans l’intelligence artificielle générative, le coût d’un modèle ne se limite pas à son tarif d’accès. Il dépend de la quantité de jetons traités, de la longueur des réponses, du matériel utilisé, du niveau de précision attendu et du temps de calcul nécessaire.
Un modèle spécialisé peut être beaucoup moins cher qu’un grand modèle généraliste s’il ne traite qu’un périmètre étroit. La comparaison avec GPT‑6.1 Sol doit donc être examinée à plusieurs niveaux : les deux modèles répondent-ils à la même tâche ? Avec les mêmes contraintes de qualité ? Sur des jeux de données comparables ? Le chiffre de 79 fois moins cher n’a de valeur que si ces conditions sont explicitées.
La vitesse soulève les mêmes questions. Une accélération de 50 fois peut correspondre à la latence d’une opération spécifique, et non à la performance globale d’un système complet. Elle peut aussi dépendre du matériel, du nombre de requêtes traitées simultanément ou du niveau de précision utilisé pour le calcul.
Microsoft semble toutefois viser un enjeu bien réel pour les entreprises : remplacer, lorsque c’est possible, un modèle généraliste coûteux par un modèle plus petit, plus rapide et suffisamment fiable pour une fonction donnée. Pour les assistants internes, les outils de classification ou les flux automatisés, cette différence pourrait peser davantage que quelques points sur un benchmark général.
Maia 200, l’autre pièce du dispositif
L’annonce logicielle s’accompagne d’une avancée matérielle. Microsoft indique que son accélérateur d’IA Maia 200 est désormais en production. La puce offrirait 1,7 fois plus de jetons par watt, selon les chiffres communiqués par l’entreprise.
Cette mesure vise l’efficacité énergétique du calcul, un indicateur devenu central alors que les fournisseurs de cloud multiplient les infrastructures dédiées à l’IA. Produire davantage de jetons avec la même quantité d’électricité peut réduire les coûts d’exploitation, mais aussi la pression sur les centres de données.
Là encore, le chiffre doit être replacé dans son contexte. L’efficacité réelle dépendra des modèles exécutés, de leur niveau de quantification, de la mémoire disponible et de l’utilisation effective des puces. Une architecture très performante sur une charge de travail donnée peut être moins avantageuse sur d’autres types de calcul.
Le fait que Maia 200 entre en production reste néanmoins important. Microsoft ne se contente plus de concevoir des modèles : l’entreprise cherche à contrôler une partie croissante de la chaîne, depuis les accélérateurs jusqu’aux services accessibles dans le cloud Azure. Cette intégration peut faciliter l’optimisation des modèles spécialisés et limiter la dépendance à des fournisseurs de puces externes.
Microsoft tente de sortir de l’ombre d’OpenAI
Depuis plusieurs années, Microsoft a largement associé sa stratégie IA aux modèles d’OpenAI. L’entreprise a investi plusieurs milliards de dollars dans son partenaire et a intégré ses technologies à Azure, Microsoft 365, GitHub et Windows. Cette relation a accéléré le déploiement de l’IA générative dans les logiciels professionnels, mais elle a aussi entretenu une dépendance technologique et commerciale.
Le lancement de modèles maison ne signifie pas nécessairement une rupture avec OpenAI. Il traduit plutôt une volonté de disposer d’un portefeuille plus large, capable de sélectionner le bon modèle selon le coût, la latence et la complexité de la tâche. OpenAI peut rester pertinent pour les demandes complexes, tandis que des modèles Microsoft plus compacts prendraient en charge les opérations répétitives et à fort volume.
Cette logique rappelle l’évolution du marché du cloud : les entreprises ne cherchent pas uniquement le modèle le plus puissant, mais celui qui offre le meilleur compromis entre qualité, prix et disponibilité. Le modèle généraliste haut de gamme conserve sa place pour les cas complexes. Les modèles spécialisés, eux, peuvent devenir plus intéressants dès que les volumes augmentent.
Des promesses qui devront être vérifiées
L’enjeu principal se situe désormais dans la vérification des performances. Les comparaisons annoncées par Microsoft devront être confrontées à des tests reproductibles, menés sur plusieurs tâches et avec des paramètres clairement documentés. Il faudra notamment mesurer le coût total par requête, la latence en conditions réelles, le taux d’erreur et la capacité à maintenir la qualité sur de longues séquences.
Le prochain jalon attendu sera donc moins une nouvelle annonce qu’une validation indépendante de Decision 1.1 et de l’efficacité de Maia 200. Si le rapport de 79 à 1 se confirme sur des usages professionnels comparables, Microsoft pourrait réduire le coût de nombreux services d’IA dans Azure. Dans le cas contraire, cette annonce restera surtout un signal stratégique : Microsoft veut désormais négocier avec OpenAI depuis une position moins dépendante, en proposant ses propres modèles et sa propre infrastructure.