Microsoft s'apprête à faire passer sa puce IA maison Azure Maia, jusqu'ici second rôle en laboratoire, au premier plan. Dans un article, le dirigeant Scott Guthrie révèle que la société prévoit, à partir de 2027, de déployer la puce Maia à une échelle de plusieurs gigawatts, afin d'en faire le principal système d'inférence sur toutes les gammes de produits de Microsoft.
La Maia200 en service fait déjà tourner Microsoft Copilot aux États-Unis, en Europe et en Australie, et GitHub Copilot ainsi que Foundry suivront d'ici la fin de l'année. Le directeur général Satya Nadella a qualifié cette stratégie de « notre plus gros pari sur notre propre silicium ». Cette puce n'est pas difficile : elle peut prendre en charge simultanément l'inférence des modèles d'OpenAI, des MAI maison de Microsoft et des modèles open source. Microsoft avance par ailleurs qu'en environnement Teams, son débit de tokens par watt est jusqu'à 1,7 fois supérieur à celui des GPU de pointe — autrement dit, plus d'intelligence extraite avec moins d'électricité.
La véritable pièce maîtresse, la prochaine génération Maia300, sortira en 2027 et visera les tâches gourmandes en calcul telles que les longues entrées, le chat rapide et les tâches d'agents. Microsoft affirme que sa production de tokens par mégawatt est supérieure de 40 % à celle des systèmes GPU de pointe ; une armoire intégrant 96 puces peut produire jusqu'à 7 fois plus de tokens qu'une armoire de Maia200. Sur le plan des spécifications matérielles, une seule puce Maia300 intègre 8 piles de mémoire HBM4, totalisant 288 GB avec une bande passante de 18 TB/s, pour une consommation nominale de 950 watts — une seule puce absorbe à elle seule tout ce qu'une armoire entière devait se partager auparavant. Un rapport technique plus détaillé a déjà été publié, et d'autres précisions seront dévoilées lors de la conférence Ignite2026 en novembre.
Lorsqu'un géant du cloud déploie ses propres puces à l'échelle du gigawatt et déclare vouloir en faire son système d'inférence principal, ce qu'il cherche à abandonner n'est évidemment pas seulement sa dépendance aux GPU externes, mais bien à souder modèles, puces et services cloud en une chaîne autonome — et à obtenir cette facture que personne d'autre ne peut calculer ni bloquer.