Microsoft dévoile Maia 300, sa puce d'IA de troisième génération, appelée à devenir son « système d'inférence principal » dès 2027

Microsoft a annoncé le 12 octobre 2026 Maia 300, sa puce d'IA maison de troisième génération. D'après The Verge, le groupe la présente comme le « système d'inférence IA principal » de ses produits et services. L'inférence désigne le calcul qu'un modèle consomme, une fois entraîné, à chaque réponse à une requête. Avec l'essor des assistants de conversation, des outils de programmation et des agents, ce poste est devenu l'un des plus coûteux pour les fournisseurs de cloud. Microsoft veut déplacer une part croissante de ce travail vers des puces qu'il conçoit lui-même. Le calendrier d'abord. Maia 300 entrera progressivement en production à partir de 2027 : on ne peut donc pas l'utiliser aujourd'hui, c'est un élément de feuille de route. Son prédécesseur, Maia 200, n'a été annoncé qu'en janvier et fait déjà tourner des charges de production chez Microsoft, dont Microsoft Copilot, GitHub Copilot, Microsoft Foundry et les modèles d'IA de Microsoft. Scott Guthrie, qui dirige le cloud, juge que Maia 200 est l'infrastructure d'IA la plus performante de la flotte, mesurée sur des indicateurs réels de services d'IA. Moins d'un an sépare deux générations, ce qui suggère un rythme soutenu.

Venons-en aux performances. Guthrie dit s'attendre à ce que Maia 300 fournisse 40 % de jetons en plus par mégawatt que les systèmes à GPU de référence. Dans la configuration complète à 96 accélérateurs, il annonce jusqu'à 7 fois le débit de jetons à l'échelle du rack de Maia 200. Deux précautions s'imposent. Les deux chiffres sont des attentes de dirigeant, et l'article ne cite aucun test indépendant. Ensuite, l'unité compte : les centres de données sont de plus en plus limités par l'électricité plutôt que par le nombre de machines, et Microsoft raconte son histoire en efficacité énergétique, pas seulement en puissance de calcul crête. Un détail d'architecture est concret. Maia 300 repose sur le procédé N2P de TSMC et adopte une conception en chiplets qui sépare le calcul, le contrôleur mémoire et les entrées-sorties. L'équipe matériel et infrastructure d'Azure explique que cela accroît la surface de silicium consacrée au calcul et permet à chaque fonction d'utiliser la technologie la mieux adaptée. Guthrie décrit Maia 300 comme un système complet pour les nouveaux types de charges : raisonnement à long contexte, expériences conversationnelles sensibles à la latence et tâches d'agents longues et multi-étapes. Cela correspond à l'évolution des produits cette année : un agent appelle souvent des outils à répétition sur un long contexte, et exige plus de latence maîtrisée et de stabilité qu'une réponse en un seul tour.

L'intention stratégique tient en une phrase. Microsoft déploiera la famille Azure Maia à l'échelle de plusieurs gigawatts à partir de 2027, pour que Maia devienne le système d'inférence principal de ses produits et services. The Verge en conclut que Microsoft pourra bientôt s'appuyer surtout sur ses propres puces plutôt que sur celles de Nvidia et d'AMD. C'est une lecture d'une déclaration publique, pas l'annonce d'un arrêt des achats extérieurs. Mustafa Suleyman, patron de Microsoft AI, donne un second motif : il faut travailler sur toute la pile, jusqu'au silicium, et à cette échelle il faut une plateforme que l'on possède et que l'on conçoit conjointement avec ses modèles. Faire tourner les modèles de Microsoft sur Maia est un axe critique pour son équipe.

Notre lecture : l'enjeu est la structure de coûts. Si l'inférence tourne surtout sur ses propres puces, Microsoft garde davantage de marge et peut régler modèles et matériel ensemble. Le risque est tout aussi net : la puce arrive en 2027, et rien ne prouve encore qu'elle sera livrée à temps ni que son efficacité réelle tiendra les attentes. L'article ne donne pas non plus la capacité mémoire, la puissance de calcul crête, le prix, ni la disponibilité pour des clients cloud externes. Ces zones d'ombre ne se lèveront qu'à la livraison. À lire comme un signal : les grands clouds s'orientent vers l'intégration verticale modèles-puces, et l'efficacité d'inférence devient le terrain de la compétition.