Le Maia 300 de Microsoft fait de son propre silicium la puce par défaut pour l'inférence IA

Microsoft a présenté la troisième génération de son accélérateur d'IA maison le 12 octobre 2026, en l'assortissant d'une promesse sur la façon dont l'entreprise compte faire tourner l'IA à partir de l'année prochaine. L'Azure Maia 300, dévoilé au OCP Global Summit de San José, entrera en déploiement de production en 2027, et Microsoft affirme que la famille Maia passera ensuite à des déploiements de plusieurs gigawatts, ce qui en fera le principal système d'inférence pour l'ensemble des produits et services de l'entreprise.

À lire aussi: SpaceX en discussions pour lever 40 milliards de dollars afin d'acheter des puces d'IA Nvidia · AMD va racheter World Labs pour 8,2 milliards de dollars et faire de Fei-Fei Li sa scientifique en chef.

L'annonce figure dans un billet de blog de Scott Guthrie, vice-président exécutif de Microsoft chargé du Cloud + AI, sur le blog officiel de Microsoft. Une analyse technique Azure distincte détaillait l'architecture. Rani Borkar, présidente des systèmes matériels et de l'infrastructure Azure, a livré les citations d'entretien qui accompagnaient le lancement.

Une puce conçue pour exécuter les modèles, pas pour les entraîner

L'inférence consiste à mettre un modèle entraîné au travail : répondre à des requêtes, générer du texte, tenir une conversation, enchaîner une série d'étapes. Elle se produit chaque fois qu'une personne ou un agent touche à un produit d'IA, ce qui en fait le coût récurrent dès qu'un modèle est en service. Microsoft conçoit la famille Maia autour de cette moitié du problème depuis sa première génération, et le Maia 300 en est l'expression la plus directe à ce jour.

Les spécifications annoncées par Microsoft placent 288 Go de mémoire HBM4 sur chaque puce, réparties sur huit piles HBM4, avec une bande passante mémoire de pointe de 18,0 To/s et une enveloppe thermique de 950 watts. Microsoft annonce jusqu'à 13,8 PFLOPS de débit au format FP4. La puce est assemblée à partir de plusieurs chiplets plutôt que d'un seul bloc de silicium : les chiplets de calcul utilisent le procédé 2 nanomètres N2P de TSMC, tandis que les parties qui déplacent les données utilisent un nœud 3 nanomètres moins coûteux. Découper la conception de cette manière place le transistor coûteux là où il change le résultat et réserve le silicium plus ancien au contrôle de la mémoire et aux entrées-sorties.

À l'échelle de la baie, Microsoft place 96 accélérateurs Maia 300 dans un système qui consomme environ 167 kilowatts et embarque 27,6 To de HBM, avec une bande passante agrégée de 1,7 Po/s sur le domaine de montée en charge. The Next Web, citant Reuters, note pour comparaison que la baie GB300 la plus récente de Nvidia regroupe 72 GPU pour environ 142 kilowatts. Le réseau du Maia passe par Ethernet plutôt que par une interconnexion propriétaire, et Microsoft affirme que la topologie s'étend d'une seule baie à un centre de données entier.

Les chiffres de performance, et ce qu'ils laissent dans l'ombre

Microsoft affirme que le Maia 300 fournit environ 40 % de jetons par mégawatt de plus que les « principaux systèmes à base de GPU », et jusqu'à sept fois le débit de jetons à l'échelle de la baie de son prédécesseur, le Maia 200, dans une configuration complète de 96 accélérateurs. Les jetons par mégawatt sont une mesure d'efficacité énergétique : elle décrit la quantité de sortie de modèle qu'un système produit pour chaque unité d'électricité consommée. L'électricité est un coût d'exploitation qui ne s'arrête pas.

« Nous nous attendons à ce que le Maia 300 fournisse 40 % de jetons par mégawatt de plus que les principaux systèmes à base de GPU. Et dans une configuration complète de 96 accélérateurs, il offre jusqu'à 7 fois le débit de jetons à l'échelle de la baie du Maia 200. » — Scott Guthrie, vice-président exécutif chargé du Cloud + AI, Microsoft

La comparaison qui sous-tend le chiffre de 40 % n'est pas divulguée. Microsoft n'a pas nommé les systèmes auxquels il s'est comparé, et aucun benchmark indépendant du Maia 300 n'a été publié. Le chiffre de sept fois mesure la nouvelle puce face à la génération précédente de Microsoft lui-même. Il décrit le rythme de la feuille de route interne, non la position de Microsoft face à Nvidia.

Un chiffre en circulation appartient à la mauvaise puce. Le « 1,7 fois plus de jetons par watt » accolé au Maia 300 est un résultat du Maia 200, et Microsoft l'a cité pour ses propres fonctions d'IA intégrées, Teams, Copilot et Cowork. Le Maia 200 est la génération réellement en service.

Le Maia 200 est celui qui travaille déjà

Le Maia 200, présenté le 26 janvier 2026, est la génération que Microsoft peut montrer en production. Il utilise le procédé 3 nanomètres de TSMC, embarque 216 Go de HBM3e à 7 To/s, compte plus de 140 milliards de transistors et est donné pour 750 watts, avec plus de 10 PFLOPS de débit FP4. Microsoft indique qu'il fait tourner en production des charges de travail pour Microsoft Copilot, pour les modèles MAI de l'entreprise et pour les modèles OpenAI sur Azure, GitHub Copilot et Microsoft Foundry devant suivre d'ici la fin 2026. Il est déployé aux États-Unis, en Europe et en Australie.

Lors de son propre lancement, Microsoft affirmait que le Maia 200 offrait trois fois la performance FP4 du Trainium de troisième génération d'Amazon et une performance FP8 supérieure à celle du TPU de septième génération de Google. C'était la comparaison de Microsoft, réalisée par l'entreprise sur son propre composant. Elle reste l'énoncé le plus clair de la vocation de la famille Maia : une production interne qui détourne la propre demande de Microsoft du marché des composants du commerce, et non une puce marchande vendue à des clients externes.

Pourquoi le versant inférence est le plus cher à assumer

Entraîner un modèle de pointe demande beaucoup de capital et reste épisodique. Un laboratoire achète un grand cluster, fait tourner une tâche d'entraînement pendant des semaines ou des mois, et le résultat est un modèle. L'inférence tourne aussi longtemps que le produit est en service, et elle évolue avec les utilisateurs, pas avec les plans de recherche. Chaque requête Copilot, chaque étape d'agent, chaque e-mail résumé est une requête d'inférence qu'un centre de données doit satisfaire à un coût assez bas pour offrir la fonction gratuitement ou la regrouper dans une offre.

C'est pourquoi Microsoft présente le Maia 300 sous l'angle des jetons par mégawatt, et non du seul débit de pointe. Une baie qui consomme 167 kilowatts coûte de l'argent à chaque heure de fonctionnement, et Microsoft prévoit de dépenser plus de 175 milliards de dollars en investissements cette année civile. Réduire de 40 % l'énergie nécessaire à un volume de sortie donné, si l'affirmation tient, est une économie qui se cumule à l'échelle d'un parc.

L'expression « principal système d'inférence » est la partie stratégique. Elle implique que la majeure partie du trafic d'IA servi par Microsoft finira par tourner sur son propre silicium plutôt que sur des GPU Nvidia. CNBC a rapporté qu'Alistair Speirs, directeur général chez Microsoft, a refusé de donner un calendrier pour atteindre l'échelle du gigawatt multiple. « Nous nous réservons un peu de marge de manœuvre à cet égard, car c'est un secteur qui évolue très vite, et nous voulons déployer le bon silicium pour les bons modèles que nous utilisons, au bon moment », a déclaré M. Speirs.

Ce que cela change dans la course avec Nvidia

L'avance de Nvidia repose sur deux choses : le matériel et l'écosystème logiciel construit autour. Un fournisseur de cloud qui conçoit son propre accélérateur évite de payer la marge d'un fournisseur et peut adapter la puce aux modèles précis qu'il sert. La contrepartie est que le silicium maison reste généralement en retrait des meilleurs composants du commerce en performance brute et met des années à atteindre le volume.

Microsoft n'a pas besoin de battre Nvidia sur chaque charge de travail pour que la stratégie soit rentable. Il lui suffit de faire tourner ses propres modèles assez bien, sur les charges les plus volumineuses, pour les sortir du marché des composants du commerce. Microsoft Copilot, Teams et les modèles MAI relèvent de ce trafic à gros volume et sensible aux coûts, où un composant sur mesure efficace a du sens et où Microsoft contrôle le modèle, la pile de service et la répartition des charges.

Le contexte plus large est une vague de silicium sur mesure. Google et Amazon ont livré plusieurs générations de leurs propres accélérateurs, et des laboratoires d'IA dont OpenAI ont poursuivi leurs propres conceptions, tous avec le même objectif : desserrer l'emprise de Nvidia sur le marché. Microsoft a été le retardataire parmi les grands fournisseurs de cloud sur ce terrain, ce qui explique en partie pourquoi l'ampleur du plan Maia 300 se lit autant comme un rattrapage que comme une avance.

Reuters rapportait en août que Microsoft prévoyait de dévoiler le Maia 300 à l'automne. Au moment du lancement, Reuters chiffrait le plan de déploiement à potentiellement plus d'un million de puces Maia 300 l'an prochain. Chacune de ces puces dépend de la ligne N2P de TSMC, la même capacité de pointe rare pour laquelle tous les autres concepteurs de puces d'IA font la queue.

Réserves

Trois éléments méritent d'être distingués de l'annonce. Le premier est le calendrier : les déploiements en production commencent en 2027, donc rien ici ne décrit du matériel en service aujourd'hui. Le deuxième est l'échelle. Plus d'un million de puces en 2027 est un projet, pas un chiffre livré, et Microsoft ne s'y est pas engagé publiquement en ces termes. Le troisième est la base de comparaison. L'affirmation d'efficacité mise en avant porte sur des systèmes GPU non nommés, et la seule comparaison nommée se fait avec la génération précédente de Microsoft.

Se pose aussi la question de la couverture. La surface de produits de Microsoft est vaste, et la famille Maia doit faire tourner tout, des petits modèles de conversation sensibles à la latence au raisonnement à long contexte et aux tâches d'agents à plusieurs étapes, si elle veut être le principal système d'inférence. Microsoft indique que le Maia 300 est optimisé pour le raisonnement à long contexte, la conversation sensible à la latence et le travail agentique, avec la précision réduite améliorée MXFP4, de la SRAM sur puce utilisée comme mémoire de travail gérée par logiciel et un transport d'IA personnalisé sur Ethernet. Savoir si la puce est aussi large en pratique que cette liste le suggère ne sera possible qu'une fois les charges de travail en service.

À surveiller

Microsoft a indiqué qu'il partagerait davantage de détails lors de sa conférence Ignite 2026 en novembre, et un article technique sur le Maia 300 est déjà disponible. Des benchmarks indépendants constitueraient le premier vrai test des affirmations d'efficacité.

Le deuxième test est la montée en cadence. Exécuter un déploiement d'un million de puces en une seule année exige que l'approvisionnement, le packaging, l'électricité et la capacité de centres de données arrivent ensemble, et Microsoft a délibérément gardé un calendrier souple. Un retard laisserait l'entreprise dépendante plus longtemps qu'annoncé des accélérateurs achetés.

Le troisième est de savoir si l'avantage logiciel de Nvidia pèse encore plus que le coût de posséder le silicium. Microsoft contrôle ses modèles et son cloud, ce qui est la meilleure position pour rentabiliser du silicium sur mesure. C'est aussi la position depuis laquelle Google et Amazon travaillent depuis des années, sans qu'aucun n'ait délogé Nvidia. Le pari de Microsoft est que l'inférence, où la charge est stable et le volume énorme, est le bon endroit pour commencer.

Couverture : « Microsoft Data Center Middenmeer, the Netherlands - 1.jpg » de Hay Kranen, CC BY 4.0, via Wikimedia Commons. Un centre de données Microsoft aux Pays-Bas.