Microsoft MAI-Base-2 : le modèle IA à 2,8 T de paramètres

Ce qui s'est passé

Le 15 octobre 2026, Microsoft AI a publié une annonce sur son site officiel indiquant la finalisation du pré-entraînement de MAI-Base-2, son nouveau modèle de fondation large échelle. Il s'agit d'un modèle de type Mixture-of-Experts (MoE) avec 2,8 trillions de paramètres totaux dont 80 milliards de paramètres actifs à chaque inférence — une architecture qui permet de mobiliser seulement une fraction des paramètres pour chaque token généré, réduisant considérablement le coût computationnel à l'inférence par rapport à des modèles denses équivalents de même taille.

Le choix de l'architecture MoE n'est pas anodin. Popularisée par les travaux de Google avec Switch Transformer et adoptée massivement par les laboratoires de pointe — notamment dans GPT-4, Mixtral et DeepSeek-V4 — cette approche permet de construire des modèles de très grande capacité tout en maintenant des coûts d'inférence raisonnables. Avec 2,8T de paramètres totaux pour seulement 80B actifs, MAI-Base-2 se positionne dans la même gamme architecturale que les modèles les plus avancés actuellement disponibles, dont DeepSeek-V4-Pro avec ses 2,55T totaux et 671B actifs par token.

La phase de pré-entraînement s'est déroulée d'août à septembre 2026, mobilisant 16 000 GPU NVIDIA GB200 NVL72 pendant 38 jours. Le corpus d'entraînement atteint 50 trillions de tokens — un volume supérieur à la plupart des modèles documentés publiquement à ce jour. Fait notable : 18 % de ce corpus était constitué de données vision-langage, permettant au modèle d'être entraîné nativement sur des entrées multimodales plutôt que de subir un fine-tuning vision greffé a posteriori, une approche que Microsoft affirme produire de meilleures représentations des relations entre texte et image.

Sur le plan des performances, Microsoft AI avance des chiffres d'efficacité ambitieux. Selon ses mesures internes, MAI-Base-2 serait 4,2 à 12,3 fois plus efficient en FLOPs-par-performance que DeepSeek-V4-Pro-Base, et 6,3 à 12,7 fois plus efficient que son prédécesseur MAI-Base-1 — le modèle de base derrière MAI-Thinking-1, annoncé en juin 2026. Ces ratios d'efficacité, s'ils se confirment lors d'évaluations indépendantes, représenteraient une avancée significative dans la course à l'optimisation des modèles de fondation large échelle.

Il convient toutefois de contextualiser ces affirmations. Les métriques d'efficacité FLOPs sont notoirement difficiles à comparer d'un modèle à l'autre en raison des différences dans les protocoles d'évaluation, les mix de données d'entraînement et les définitions même des FLOPs utilisées par chaque laboratoire. DeepSeek AI, qui publie ses métriques avec un niveau de détail inhabituel dans l'industrie, a établi une référence que plusieurs laboratoires cherchent à surpasser. L'absence d'évaluations indépendantes au moment de l'annonce — le modèle n'étant pas encore disponible — impose de considérer ces chiffres avec la prudence habituelle vis-à-vis des communications de recherche.

MAI-Base-2 se distingue également de son prédécesseur par sa taille et sa densité. MAI-Base-1 était décrit comme un modèle dense ; MAI-Base-2 est « plus grand et plus sparse », ce qui témoigne d'une évolution délibérée de la stratégie architecturale de Microsoft AI. Cette transition vers le MoE à très grande échelle suit la tendance générale du secteur, où les grands laboratoires ont progressivement abandonné les modèles denses au profit d'architectures experts-par-jeton pour maximiser la capacité paramétrique tout en contrôlant les coûts computationnels à l'inférence.

Concernant la disponibilité, Microsoft a précisé que le modèle entre désormais en phase de post-training — alignement, fine-tuning d'instruction et renforcement par feedback humain. Les poids seront ensuite licenciés à des partenaires de confiance via la plateforme Foundry, le service Azure dédié à l'accès contrôlé aux modèles de fondation de Microsoft. Aucune date de mise à disposition générale n'a été annoncée, et la stratégie de distribution semble privilégier dans un premier temps les partenaires entreprise plutôt qu'une ouverture open-weights à la manière de Meta avec Llama ou Muse Spark Open.

MAI-Base-2 s'inscrit dans une offensive plus large de Microsoft dans le domaine des modèles de fondation propriétaires. Alors que la firme de Redmond a longtemps été perçue comme un distributeur des modèles OpenAI via Azure plutôt que comme un créateur de modèles, l'équipe Microsoft AI a considérablement accéléré ses publications propres depuis 2025. MAI-Thinking-1 en juin, MAI-Base-2 en octobre : le rythme de publication s'aligne désormais sur celui des principaux laboratoires concurrents comme Anthropic, Google DeepMind et Meta FAIR.

Pourquoi c'est important

L'annonce de MAI-Base-2 marque une étape importante dans le repositionnement stratégique de Microsoft vis-à-vis de l'IA. La firme peut désormais pré-entraîner des modèles de fondation de classe mondiale en interne, une capacité que possèdent seulement une poignée d'acteurs à l'échelle mondiale — Google DeepMind, Meta FAIR, Anthropic, xAI, et quelques laboratoires chinois comme DeepSeek et Zhipu AI. Cette autonomie technologique réduit la dépendance de Microsoft vis-à-vis d'OpenAI et lui donne une position de négociation plus forte dans le renouvellement de leur partenariat commercial.

Pour l'écosystème de l'IA générative en entreprise, l'arrivée potentielle de MAI-Base-2 via Foundry ouvre des perspectives significatives. Un modèle de fondation Microsoft, intégré nativement dans l'écosystème Azure, avec vision native et un contexte d'entraînement optimisé pour les données d'entreprise, pourrait offrir une alternative crédible aux modèles d'OpenAI, Anthropic ou Google pour les cas d'usage B2B. La distribution via des licences à des partenaires sélectionnés — plutôt qu'une API publique ou un déploiement open-weights — indique une stratégie de contrôle de la chaîne de valeur conforme aux objectifs commerciaux d'Azure Foundry.

Sur le plan de la compétition technologique internationale, les comparaisons affichées avec DeepSeek-V4-Pro-Base sont révélatrices des enjeux en présence. DeepSeek, le laboratoire chinois soutenu par le hedge fund High-Flyer, est devenu en 2025 la référence mondiale en matière d'efficacité des modèles de fondation, forçant les laboratoires américains à recalibrer leurs benchmarks internes. Que Microsoft choisisse explicitement de se mesurer à DeepSeek plutôt qu'à GPT-6 ou Gemini 4 en dit long sur la reconnaissance de la compétitivité des acteurs chinois dans la course aux modèles de fondation.

Enfin, les implications pour la sécurité de l'IA sont significatives. Un modèle de 2,8T de paramètres, entraîné nativement avec vision et potentiellement déployé dans des environnements enterprise critiques via Azure, élargirait considérablement la surface d'attaque associée aux grands modèles de langage en production. Les équipes de red-teaming et de AI safety devront évaluer les comportements émergents d'un modèle de cette taille, notamment en termes de génération de contenu sensible, de résistance aux jailbreaks multimodaux et de risques de manipulation dans des contextes d'agents autonomes.

Ce qu'il faut retenir

• Microsoft AI a finalisé le pré-entraînement de MAI-Base-2, un modèle MoE 2,8T paramètres entraîné sur 50T tokens sur 16 000 GPU GB200, avec vision native intégrée dès la phase de pré-entraînement.
• Les performances revendiquées — 4x à 12x plus efficient que DeepSeek-V4-Pro-Base — devront être confirmées par des évaluations indépendantes, mais signalent l'entrée de Microsoft dans le cercle des laboratoires capables de pré-entraîner des modèles de fondation de classe mondiale.
• La distribution prévue via Foundry à des partenaires sélectionnés indique une stratégie commerciale B2B ; les équipes IT et RSSI des grands comptes Azure devront anticiper l'intégration de ce modèle et ses implications en termes de gouvernance IA.