Microsoft revoit en profondeur sa feuille de route en matière d’**intelligence artificielle** : Mustafa Suleyman, responsable de l’**IA** chez le groupe de Redmond, a confirmé au Financial Times que la société travaille désormais à la création de **modèles propriétaires** de très grande envergure, qu’elle souhaite déployer d’ici 2026. Ce changement de cap illustre une volonté nette de réduire la dépendance vis‑à‑vis d’**OpenAI**, malgré les milliards déjà engagés dans ce partenariat.

Vers une autonomie complète en IA

Mustafa Suleyman, qui a rejoint **Microsoft** après avoir cofondé Google DeepMind, a mis en avant une ambition claire : construire des **modèles de fondation** internes, entraînés à une échelle et avec des équipes de premier plan, pouvant exploiter des infrastructures de l’ordre du gigawatt. Cette orientation s’inscrit dans la révision des relations entre **Microsoft** et **OpenAI** à l’automne 2025, qui a assoupli certaines clauses d’exclusivité entre les deux entités.

La stratégie affichée ne se limite pas à une simple expérimentation : **Microsoft** consacre des ressources importantes à la collecte, à la préparation et à l’organisation de vastes corpus de données destinés à l’entraînement. L’objectif déclaré est d’adresser le marché professionnel avec des systèmes proches d’une **AGI** au service des entreprises, en fournissant des assistants capables d’exécuter ou d’automatiser une grande partie des tâches des « cols blancs ». Selon Suleyman, une proportion significative des activités réalisées aujourd’hui par des avocats, comptables, chefs de projet ou spécialistes marketing pourrait être prise en charge par des systèmes d’**IA** performants dans un horizon de 12 à 18 mois.

Ce pari repose sur la conviction que la maîtrise complète de la chaîne — matériel, logiciels d’entraînement, modèles et intégration au cloud — offre un avantage stratégique majeur, tant en termes de coûts que de contrôle sur la feuille de route technologique.

Les premières versions internes déjà déployées

En août 2025, **Microsoft** a franchi une étape significative avec la mise en production de **MAI-1-preview**, présenté comme un « modèle mixte d’experts » développé en interne. Ce système a bénéficié d’un pré‑entraînement et d’un post‑entraînement massifs, réalisés sur environ 15 000 GPU **NVIDIA H100**, et vise à fournir des réponses pertinentes aux requêtes courantes tout en respectant des consignes complexes.

Dans le même temps, l’entreprise a dévoilé **MAI-Image-1**, son premier moteur de génération d’images issu d’un développement propre. Ces lancements montrent que **Microsoft** ne se contente plus d’agréger des technologies externes : elle conçoit et met en œuvre des modèles sur une échelle matérielle comparable à celle des plus grands acteurs du secteur.

L’intégration progressive de ces modèles dans des produits tels que **Copilot** illustre l’intention de rendre l’innovation utile et applicable aux flux de travail quotidiens des entreprises, tout en gardant la flexibilité d’incorporer des modèles tiers là où ils s’avèrent plus performants.

La puce Maia 200 : une réponse aux architectures dominées par NVIDIA

Dévoilée en janvier 2026, la **Maia 200** est la nouvelle puce construite par **Microsoft** pour accélérer l’**inférence** des modèles d’**IA**. Conçue pour optimiser « l’économie de génération de **tokens** », elle intègre plus de 100 milliards de transistors et revendique des performances supérieures en précision 4 bits (au‑delà de 10 petaflops) et en 8 bits (autour de 5 petaflops).

Le positionnement de la **Maia 200** vise expressément à proposer une alternative au duo silicium/logiciel dominé par **NVIDIA** et son écosystème **CUDA**. Selon la direction technique de **Microsoft**, ce chipset fournit environ 30 % de performance supplémentaire pour un coût comparable, et peut être interconnecté par blocs allant jusqu’à 6 144 puces, ce qui promet des gains en efficacité énergétique et une réduction du coût total de possession des infrastructures d’**IA**.

Techniquement, l’approche combine optimisation matérielle (silicium personnalisé, topologie d’interconnexion) et adaptation logicielle (pilotes, bibliothèques d’optimisation) afin de réduire la dépendance à un unique fournisseur de GPU et d’ouvrir des leviers sur la facturation de l’**inférence** à grande échelle.

Un partenariat avec OpenAI qui évolue sans disparaître

Malgré le recentrage sur des développements internes, **Microsoft** conserve formellement une relation stratégique avec **OpenAI**. L’accord renégocié en octobre 2025 confère à **Microsoft** une participation de 27 % dans la branche à but lucratif d’**OpenAI** et un accès aux modèles les plus avancés de l’organisation jusqu’en 2032, y compris à des versions ultérieures potentiellement qualifiées de post‑**AGI**.

Ces droits comprennent également des protections autour de la propriété intellectuelle et une exclusivité partielle de l’accès via l’**API Azure** jusqu’à la même échéance. Toutefois, la nouvelle structure contractuelle offre aussi à **OpenAI** une liberté accrue pour solliciter d’autres investisseurs et partenaires d’infrastructure — un mouvement qui fait basculer l’ancien binôme vers une relation plus concurrentielle et plus flexible.

Sur le terrain industriel, cela se traduit par une double possibilité : **OpenAI** peut désormais chercher des sources de calcul supplémentaires au‑delà d’**Azure**, tandis que **Microsoft** peut se fournir en modèles externes quand son propre inventaire ne suffit pas. Chacun se prépare donc à une période où l’exclusivité n’est plus le principal levier stratégique.

Une diversification ambitieuse de l’offre

Pour limiter les risques liés à la dépendance à un fournisseur unique, **Microsoft** a ouvert ses data centers à une variété de modèles et de fournisseurs. L’entreprise a ainsi investi de manière significative dans **Anthropic** — éditeur de **Claude** — et a adopté certains de ses modèles au sein d’expériences **Microsoft 365 Copilot**, après des évaluations internes montrant de meilleures performances sur des tâches spécifiques de productivité.

Au‑delà d’**Anthropic**, **Microsoft** accueille des modèles issus de **xAI**, **Meta**, **Mistral** et **Black Forest Labs**, ce qui reflète une stratégie multi‑fournisseurs : faire en sorte que chaque modèle performant puisse être exécuté sur l’infrastructure Microsoft et, si possible, porter un label d’intégration Microsoft. Dans certains services, les équipes ont même été encouragées à privilégier **Claude Code** pour des usages liés à Windows et **Microsoft 365**, au détriment de solutions préexistantes comme **GitHub Copilot**.

Cette approche a deux bénéfices clairs : permettre aux clients de choisir entre plusieurs moteurs selon leurs besoins et éviter que la disponibilité d’un service critique dépende d’un seul fournisseur externe.

Une feuille de route de long terme dans la santé

Outre le marché professionnel généraliste, **Microsoft** mise sur le secteur médical avec l’ambition de développer une « superintelligence médicale » capable de soulager des systèmes de santé sous tension. L’entreprise a déjà présenté des prototypes d’outils de diagnostic qui affichent des performances supérieures à celles d’experts humains sur certaines tâches ciblées.

Pour **Microsoft**, l’**IA** doit servir de « professeur, médecin et compagnon » améliorant les capacités humaines : les outils comme **Copilot** sont pensés pour agir comme des conseillers personnalisés, aidant chaque individu à progresser et à s’autoformer dans des domaines précis.

La réalisation de ces projets implique un travail considérable sur la qualité des données médicales, la conformité réglementaire, la validation clinique et les garanties éthiques — autant de chantiers indispensables si l’on veut que ces systèmes s’intègrent durablement aux parcours de soin.

Des finances d’OpenAI sous pression

Le repositionnement stratégique de **Microsoft** intervient alors qu’**OpenAI** traverse une période financière délicate. Les estimations publiques évoquent des dépenses d’exploitation proches d’un milliard de dollars par mois pour certains projets, et des observateurs influents ont émis des doutes quant à la capacité d’**OpenAI** à tenir sur la durée sans nouveaux financements majeurs.

Face à ce contexte, **OpenAI** multiplie les levées de fonds et les recherches de partenaires, tandis que des hypothèses de recapitalisation ou même de ventes d’actifs circulent dans la presse spécialisée. Ce climat rend l’annonce de **Microsoft** d’autant plus sensible : en réduisant sa dépendance, le groupe prive **OpenAI** d’un pilier financier et opérationnel important au moment où des doutes pèsent sur sa viabilité.

Paradoxalement, malgré des investissements colossaux (près de 88,7 milliards de dollars de dépenses en capital sur l’exercice 2025 selon certaines communications), les produits comme **Copilot** n’ont pas encore atteint des parts de marché massives, laissant la place aux concurrents comme **ChatGPT** et **Gemini** sur des segments clés.

Reprendre la main sur la chaîne de valeur

La volonté de développer des capacités internes s’explique en grande partie par le désir de contrôler l’ensemble de la chaîne de valeur : du silicium à l’algorithme, en passant par l’entraînement et l’inférence en production. Pour les hyper‑scalers, les coûts d’**inférence** représentent l’un des postes les plus lourds ; maîtriser ce pan permet d’agir directement sur les marges, les niveaux de service et la capacité d’innovation.

En développant ses propres modèles, et en optimisant le matériel avec des puces comme la **Maia 200**, **Microsoft** cherche à réduire sa dépendance aux dynamiques tarifaires et logistiques d’acteurs externes, tout en conservant la possibilité d’utiliser des modèles tiers lorsque cela est pertinent. L’objectif est clair : disposer d’une flexibilité maximale pour négocier, remplacer ou compléter des fournisseurs selon les besoins du moment.

Conséquences attendues pour l’écosystème technologique

Le mouvement de **Microsoft** vers l’autosuffisance aura plusieurs répercussions sur l’écosystème :

• Renforcement de la concurrence : en devenant un fournisseur de modèles à part entière, **Microsoft** se positionne non seulement comme intégrateur mais aussi comme concurrent direct d’éditeurs comme **OpenAI** et **Anthropic**.
• Pression sur les prix et l’infrastructure : l’arrivée de circuits spécialisés comme la **Maia 200** pourrait pousser à une recomposition des offres matérielles et logicielles, forçant d’autres acteurs à optimiser leurs stacks pour rester compétitifs.
• Multiplication des points d’accès : la prise en charge de multiples modèles par **Microsoft** facilite le déploiement d’outils multi‑modèles chez les clients, qui pourront choisir selon performance, coût et conformité.
• Complexité réglementaire : l’utilisation accrue de modèles pour des domaines sensibles (santé, juridique, finances) intensifie les exigences en matière de transparence, responsabilité et auditabilité.

Risques, défis et facteurs à surveiller

Malgré les ressources considérables engagées, plusieurs défis restent présents :

• Complexité technique : concevoir et entraîner des modèles de très grande taille implique des compétences spécialisées et des cycles de R&D coûteux, sans garantie de supériorité immédiate par rapport aux leaders existants.
• Disponibilité des données : la qualité et la diversité des jeux de données d’entraînement restent un facteur déterminant ; obtenir, nettoyer et étiqueter de tels corpus est long et réglementé.
• Adoption client : convaincre des entreprises d’adopter des modèles propriétaires nécessite des preuves tangibles de valeur ajoutée, de robustesse et de conformité.
• Contraintes économiques : la compétition pour le talent, les coûts d’infrastructure et la volatilité des marchés du capital peuvent freiner le rythme de déploiement.

Quand l’IA entre dans une phase de maturation

Ce virage stratégique de **Microsoft** peut être interprété comme le passage d’une ère d’expérimentation vers une phase de maturité industrielle pour l’**IA**. Les entreprises cherchent désormais à industrialiser les modèles, optimiser leur coût d’exploitation et séduire des clients professionnels à grande échelle. Dans ce contexte, la capacité à proposer une palette de solutions (internes et externes), associée à une infrastructure performante, deviendra un critère central de différenciation.

Pour les organisations utilisatrices, cela signifie plus de choix mais aussi plus d’éléments à comparer : performances par tâche, coûts d’exploitation, exigences de conformité, risques de verrouillage commercial, et niveau de support technique.

Conclusion : un paysage de l’IA en pleine recomposition

La décision de **Microsoft** d’investir lourdement dans des **modèles propriétaires** et un **silicium dédié** traduit une volonté d’indépendance stratégique et de maîtrise des coûts d’exploitation. Tout en conservant un lien contractuel avec **OpenAI**, l’entreprise diversifie ses approvisionnements, intègre des solutions concurrentes et développe des composants matériels pour réduire sa dépendance aux acteurs historiques comme **NVIDIA**.

Ce repositionnement bouleverse les équilibres : il intensifie la concurrence entre fournisseurs de modèles, redessine les relations commerciales et met la pression sur les acteurs qui comptaient sur des accords d’exclusivité. Pour les clients finaux et les régulateurs, la période à venir exigera une vigilance accrue sur la sécurité, la gouvernance des données et la transparence des systèmes d’**IA**.

Au final, la stratégie de **Microsoft** montre qu’à l’heure où l’**IA** devient un actif critique, les grandes plateformes préfèrent multiplier les lignes de défense — matériel, modèles et partenaires — pour conserver latitude et résilience face à un marché en rapide évolution.