Microsoft renonce à courir après la frontière et mise sur de petits modèles spécialisés
Pour Mustafa Suleyman, l’efficacité par jeton compte davantage que la puissance brute. Microsoft entraîne des modèles compacts pour des domaines précis et confie les cas difficiles à un orchestrateur.
Microsoft AI vient de livrer son exposé le plus clair sur sa trajectoire, et celle-ci ne mène pas au plus grand modèle du monde. Dans un billet publié le 30 juillet, son directeur Mustafa Suleyman estime que l’industrie doit mettre en balance les meilleures performances et leur coût. Microsoft privilégiera donc des modèles compacts consacrés à un domaine, plutôt qu’un unique géant généraliste.
Suleyman cite MAI-Cyber-1-Flash, le modèle de cybersécurité de Microsoft. Il dépasserait Mythos d’Anthropic de douze points sur le benchmark CyberGym, pour un coût deux fois moindre. Ce résultat comporte toutefois un astérisque : il dépend de MDASH, le système de Microsoft qui coordonne plusieurs modèles et continue de confier les tâches les plus difficiles aux modèles de raisonnement d’OpenAI. Microsoft assure aussi que MAI-Image-2.5-Flash réduit jusqu’à 84 % les coûts de GPU par rapport à GPT-Image-2. Suleyman affiche un second objectif : rendre les modèles interchangeables pour éviter que Microsoft dépende d’une seule famille, y compris celle d’OpenAI.
Ce qui se joue
Le véritable changement ne réside pas dans les modèles, mais dans la couche qui les pilote. Un harness, souvent appelé orchestrateur, est le logiciel qui choisit quel modèle traitera chaque partie d’une tâche et quel contexte il recevra. Avec un orchestrateur correct, le coûteux modèle de pointe cesse d’assurer le gros du travail : il devient l’expert appelé pour les 10 % les plus difficiles, tandis qu’un modèle petit et économique absorbe le reste. Anthropic a intégré cette organisation à Claude Fable 5, où le grand modèle délègue à Sonnet, et Fugu de Sakana repose entièrement sur ce principe. Si l’industrie adopte ce fonctionnement, la compétition ne portera plus sur le modèle qui obtient le meilleur score, mais sur le système qui répartit le plus intelligemment les tâches.
Ce que cela signifie pour vous : Rien ne change aujourd’hui pour la plupart des utilisateurs, qui ne sauront probablement pas quel modèle leur a répondu. Cette stratégie explique néanmoins une impression déjà perceptible : les assistants coûtent moins cher sans devenir manifestement moins bons. Si vous développez avec l’IA, vous pouvez reprendre la méthode. Confiez les tâches routinières à un petit modèle et réservez le meilleur aux étapes qui exigent vraiment du discernement. Les affirmations précises de Microsoft méritent toutefois une réserve : elles proviennent de ses propres benchmarks, et son résultat phare en cybersécurité dépend toujours discrètement de modèles OpenAI. La capacité des petits modèles MAI à remplacer réellement la frontière reste à démontrer.
Sources
Sources: https://microsoft.ai/news/optimizing-the-frontier-performance-curve/
OpenAI baisse de 80 % le prix de GPT-5.6 Luna sur fond de guerre tarifaire
Le plus petit modèle GPT-5.6 voit son prix chuter de 80 %, et le modèle intermédiaire de 20 %. Voici ce que changent ces nouveaux tarifs et pourquoi OpenAI les baisse maintenant.
