Microsoft va faire de ses puces Maia le socle de l'inférence et passer aux gigawatts d'ici 2027

À partir de 2027, Microsoft fera de ses accélérateurs Azure Maia le principal système d'inférence de tous ses produits et les déploiera à l'échelle de plusieurs gigawatts. Le groupe place son espoir principal dans la puce Maia 300 : selon Microsoft, elle fournira 40% de tokens en plus par mégawatt que les systèmes GPU les plus performants. Le PDG Satya Nadella a qualifié cette étape de « notre plus gros pari sur le silicium maison ».

Pourquoi compter les tokens par mégawatt

Ce choix de métrique n'a rien d'anodin. Pour les grands data centers, la contrainte principale n'est de plus en plus le nombre de puces, mais la puissance électrique disponible : raccordement au réseau, sous-stations, refroidissement. Plus un mégawatt produit de tokens, plus le même budget énergétique permet de traiter de requêtes. Pour les services d'inférence à grande échelle comme Copilot, cela pèse directement sur le coût de revient d'une réponse.

L'annonce comporte toutefois une réserve. La comparaison avec les « systèmes GPU les plus performants » ne précise aucune configuration concrète, et il n'existe pas encore de benchmarks indépendants de Maia 300. Les 40% restent une promesse du fabricant, qui sera lui-même l'utilisateur de la puce.

Ce que l'on sait du plan

• Calendrier : la bascule commence en 2027.
• Rôle : Maia devient le principal système d'inférence des produits Microsoft.
• Échelle : déploiement de plusieurs gigawatts.
• Puce : Maia 300, nouvelle génération de la gamme Azure Maia.
• Avantage annoncé : 40% de tokens en plus par mégawatt que les systèmes GPU les plus performants.
• Position de la direction : Nadella y voit le plus gros pari de l'entreprise sur le silicium maison.

À noter la formulation autour de l'inférence. L'annonce porte sur la production de réponses par les modèles, pas sur leur entraînement. Le communiqué ne dit rien du sort des achats de GPU destinés à l'entraînement.

Contexte : tous les grands clouds se tournent vers leur propre silicium

Microsoft a dévoilé la première génération de Maia en 2023, en même temps que le processeur Cobalt. À l'époque, cela ressemblait à une expérience, face aux achats massifs de puces Nvidia. Google développe ses TPU depuis longtemps, AWS dispose de Trainium et d'Inferentia, et Meta de ses accélérateurs MTIA. Tous suivent la même logique : l'inférence représente un poste de dépenses permanent et croissant, et payer la marge d'un GPU généraliste n'a pas de sens quand la charge de travail est connue à l'avance.

L'échelle du nouveau plan est différente. Utiliser ses propres puces en complément d'un parc Nvidia est une chose ; en faire la base de tous ses produits en est une autre. Cela suppose une pile logicielle mature, des approvisionnements stables chez le fabricant et des volumes de mémoire suffisants pour les accélérateurs. L'annonce ne donne aucun détail sur ces points, et ce sont eux qui détermineront si l'avantage annoncé tiendra sur des modèles réels.

Microsoft dispose aussi d'un levier supplémentaire : l'entreprise contrôle elle-même quels modèles tournent dans ses produits, et dans quels modes. Elle peut donc adapter le matériel à une charge précise, ce que ne peut pas se permettre un fournisseur de GPU généralistes.

Que faire pour les clients d'Azure et les équipes qui construisent dessus

• Surveillez le prix par token. Si l'économie d'énergie est réelle, elle finira tôt ou tard par se refléter dans les tarifs d'Azure OpenAI et des autres services managés.
• Testez la latence et le débit sur vos propres prompts, pas sur les moyennes annoncées. Un changement d'infrastructure sous le capot peut modifier la vitesse du service.
• Ne liez pas votre architecture à un matériel précis. Pour ceux qui déploient leurs propres modèles, la question de la prise en charge de Maia dans les frameworks habituels deviendra concrète dès 2027.
• Pour les investisseurs et les acheteurs : le signal est qu'une partie de la demande d'inférence quitte Nvidia pour les puces propriétaires des clouds. L'ampleur de ce transfert dépend de la confirmation des 40% en conditions réelles.

La promesse ne pourra être vérifiée que lorsque Maia 300 traitera du trafic réel. D'ici là, ce chiffre reste un objectif pour lequel Microsoft est prête à remodeler son infrastructure.