Microsoft mise sur le fait que des modèles d’IA plus petits et conçus pour des usages précis peuvent surpasser les plus grands chatbots — du moins pour les tâches qui comptent pour les entreprises et les développeurs. Lors de sa conférence Ignite, l’entreprise a présenté une gamme de modèles MAI spécialisés, visant directement ses concurrents Anthropic et OpenAI dans trois domaines pratiques : le codage, la cybersécurité et la génération d’images. Au lieu de chercher à créer un unique modèle géant polyvalent, Microsoft mise sur des modèles compacts, ajustés à des tâches précises et proposés à des prix bien inférieurs à ceux des concurrents haut de gamme. Ce que Microsoft a dévoilé - MAI Code 2 : Microsoft affirme que ce modèle atteint 96 % des performances de Claude Opus 5.5 sur des tâches courantes de codage en entreprise, pour environ 5 % du coût, et 98 % des performances de GPT-6.1 Sol pour environ 40 % du prix. Ces moyennes sont issues de quatre évaluations pratiques du développement logiciel (correction de code, modifications de plusieurs fichiers, etc.) ; trois tests ont été effectués sur la plateforme de Microsoft et un s’appuie sur des résultats externes. Microsoft a calculé les coûts en appliquant une réduction promotionnelle de 50 %. Une version plus légère, Code 2 Flash, vise les corrections rapides et les modifications courantes ; Microsoft affirme qu’elle égale Claude Haiku 5.5 pour environ 20 % du prix. Les deux variantes de Code 2 sont déjà intégrées à GitHub Copilot, ce qui introduit la technologie développée par Microsoft au cœur d’un outil phare pour les développeurs. - MAI Cyber 2 Flash : Pour les tâches de découverte de vulnérabilités de CyberGym-E2E, Microsoft fait état d’un taux de réussite de 92,3 %, contre 91,5 % pour GPT-6 Astra — pour moins de 2 % du coût par tâche. Microsoft a exclu 92 tâches sur 905 après avoir constaté un chevauchement entre leurs sources et ses données d’entraînement. Il n’existe pas encore de comparaison publique directe avec le modèle GPT-6 Cyber d’OpenAI, dont l’accès est restreint. Microsoft prévoit de déployer progressivement ce système de sécurité auprès des clients MDASH admissibles à la mi-décembre. - MAI Image 2.7 : Lors de rapides comparaisons côte à côte, le modèle d’image de Microsoft a surpassé GPT Image et Nano Banana de Google en matière de réalisme, de créativité et de qualité globale. Le service de classement indépendant Artificial Analysis attribue un score Elo de 1 215 à MAI Image 2.7, contre 1 211 à GPT Image 2.6 Sunburst — un léger avantage, les intervalles d’incertitude se chevauchant. Dans le classement de génération d’images à partir de texte, Microsoft se situe plus bas (à la quatrième place). Le prix est un facteur de différenciation important : Microsoft annonce environ 35 $ pour 1 000 images avec MAI Image 2.7 et 10 $ pour sa version Flash, contre environ 211 $ pour 1 000 images avec GPT Image 2.6 Sunburst en qualité maximale, dans cette comparaison. Nano Banana 2.1 de Google est affiché à environ 34 $ pour 1 000 images ; son offre Pro est plus chère. Pourquoi cette stratégie est importante Les modèles spécialisés peuvent coûter beaucoup moins cher et être plus rapides lorsque la tâche est clairement définie. Un modèle entraîné et ajusté pour le codage ou la sécurité peut concentrer sa puissance de calcul et son budget de données sur les schémas utiles à ces tâches, au lieu de mobiliser tout l’univers des connaissances générales à chaque requête. Cette efficacité est pertinente dans les contextes où des tâches se répètent des milliers de fois par jour : scanners de vulnérabilités automatisés, processus continus de revue de code ou génération d’images à grande échelle pour des catalogues de produits ou des NFT. L’approche de Microsoft fait écho aux initiatives d’OpenAI (modèles Mini et Nano), qui confient les cas courants à des modèles plus petits et moins chers, tandis que les modèles plus grands se chargent des exceptions. La spécialisation améliore également le système environnant : des outils adaptés, des vérifications et un réglage fin propre au domaine peuvent améliorer les performances en conditions réelles au-delà des scores bruts du modèle. Réserves et concurrence Il y a des compromis. Microsoft précise que Code 2 n’est pas optimisé pour la recherche scientifique fondamentale ni pour les missions autonomes de très longue durée. Anthropic est déjà présent sur le segment des modèles moins coûteux avec ses modèles Haiku ; Microsoft entre donc sur un marché où ses concurrents proposent des offres similaires. Par ailleurs, certaines comparaisons de coûts de Microsoft reposent sur des réductions promotionnelles et sur des comparaisons avec des modèles externes légèrement plus anciens — OpenAI a par exemple annoncé GPT-6.2 le même jour, ce qui signifie que la comparaison de MAI avec Sol porte sur une génération antérieure. Les classements indépendants montrent que MAI Image 2.7 mène de peu, mais sans s’imposer nettement. Déploiement et contrôles Microsoft donne à certains clients professionnels la possibilité de personnaliser et d’exécuter des poids de modèles sous licence dans Azure, réduisant ainsi leur dépendance aux fournisseurs sans rendre les modèles open source. Le nouveau Code 2 est disponible dès maintenant dans GitHub Copilot ; MAI Cyber 2 Flash commencera à être déployé à la mi-décembre auprès des clients admissibles. Les mises à jour de MAI Image ajoutent la retouche interactive via l’espace de travail Canvas de Microsoft, les arrière-plans transparents et un accès élargi à Foundry, même si les modèles de Microsoft restent soumis à des restrictions de contenu plus strictes. Pourquoi les équipes crypto et Web3 devraient s’y intéresser Pour les développeurs blockchain et les équipes de sécurité, une IA spécialisée moins coûteuse pourrait réduire le coût du développement et de l’audit automatisé des contrats intelligents, accélérer les cycles CI/CD des dApps et rendre abordables à grande échelle les analyses courantes de vulnérabilités. Des modèles de génération d’images moins chers par image pourraient également modifier l’économie de la production artistique de NFT et des processus créatifs itératifs. Cela dit, les limites propres à chaque domaine et les politiques de censure peuvent influer sur l’utilisation de ces modèles dans des contextes décentralisés ou sans autorisation préalable. En résumé Le message de Microsoft est simple : on n’a pas toujours besoin d’un modèle géant. Pour les tâches d’entreprise clairement définies et répétitives — écrire ou réparer du code, rechercher des vulnérabilités, produire des images — une IA plus petite, moins coûteuse et adaptée à la tâche peut offrir l’essentiel des performances pour une fraction du coût. Cette approche ne remplacera pas partout les grands modèles généralistes, mais elle constitue une stratégie commerciale solide, susceptible de transformer la manière dont les équipes, y compris dans le secteur de la crypto, intègrent l’IA à leurs processus de production. Découvrez d’autres actualités générées par l’IA sur : https://app.chaingpt.org/news