Microsoft se tourne vers des modèles d’IA maison plus petits pour réduire les coûts

fr.wedoany.com Rapport : Microsoft ajuste sa stratégie de déploiement de l’IA générative, passant de la dépendance aux grands modèles généralistes au développement de petits modèles spécialisés maison, afin de réduire les coûts et d’améliorer l’efficacité. Selon un récent rapport de Bloomberg, ces modèles maison remplacent progressivement les modèles d’OpenAI pour devenir le moteur central des fonctionnalités d’IA dans les produits Microsoft.

Les grands modèles généralistes, comme la série GPT d’OpenAI et la série Claude d’Anthropic, peuvent traiter diverses tâches avec une puissance de calcul suffisante, mais leur utilisation pour des scénarios quotidiens tels que le résumé d’e-mails ou la rédaction de réponses s’avère coûteuse et peu efficace. En comparaison, former et déployer de petits modèles spécialisés est plus économique : ils peuvent exécuter des dizaines d’instances sur un seul accélérateur, et les développeurs n’ont pas à craindre les biais comportementaux liés au remplacement du modèle par un fournisseur.

Lors de la conférence Build en juin, Microsoft a dévoilé la série de modèles MAI, couvrant plusieurs domaines tels que le raisonnement général, la programmation, la génération d’images, l’édition et le traitement vocal. En passant de la dépendance aux modèles généralistes d’OpenAI à des modèles maison, Microsoft vise à mieux correspondre aux scénarios d’application réels, en accomplissant le même travail à moindre coût.

Microsoft décrit MAI-Thinking-1 comme « un modèle de taille moyenne, l’un des plus puissants de sa catégorie », et affirme qu’il « est comparable aux modèles leaders dans les benchmarks clés en génie logiciel, démontre des capacités avancées de raisonnement mathématique, et obtient des résultats supérieurs à Sonnet 4.6 dans nos évaluations humaines en aveugle ».

Le contrôle des coûts est le moteur clé de cette transition. Bien que l’IA ait déjà montré sa valeur dans certains domaines, les fournisseurs de services cloud restent sceptiques quant à la rentabilité des activités liées à l’IA. Les modèles plus petits libèrent de la mémoire et améliorent l’utilisation du matériel, permettant à Microsoft d’ajuster le nombre d’instances en fonction de la demande de trafic pour maîtriser les coûts d’exploitation.

Microsoft optimise également l’ensemble de la pile technologique grâce à ses propres accélérateurs d’IA. La série de puces Maia 200, lancée en janvier, promet des performances équivalentes à celles des puces Blackwell de Nvidia, permettant à Microsoft d’optimiser conjointement les logiciels, le matériel et les modèles pour améliorer l’efficacité. Amazon et Google suivent une voie similaire : Google s’appuie sur ses séries de modèles Gemini et Gemma autour de ses propres architectures TPU, tandis qu’Amazon investit dans la série de modèles Nova et les assistants de programmation, en s’appuyant sur la technologie d’Anthropic.

Les modèles généralistes de pointe conservent leur valeur pour stimuler l’innovation, et les géants du cloud doivent encore compter sur des entreprises comme OpenAI et Anthropic pour faire progresser la technologie. Cependant, réduire la dépendance aux grandes entreprises de modèles aide les fournisseurs de services cloud à transformer finalement l’IA en une ligne de métier rentable.