40 % de tokens en plus par mégawatt : la semaine où Microsoft a confié son inférence à ses propres puces

Microsoft a dévoilé le 12 octobre 2026 la Maia 300, sa puce d'inférence maison, qui produit selon l'entreprise 40 % de tokens en plus par mégawatt que les meilleurs systèmes à base de GPU. Microsoft en fera le système d'inférence principal de ses produits, avec des déploiements de plusieurs gigawatts à partir de 2027. La même semaine, Amazon négocie le rachat de Decart pour environ 7 Md$, Meta lance Muse Wonder et les patrons de Broadcom et d'Intel s'inquiètent du coût du capital.

Que change la puce Maia 300 de Microsoft pour l'inférence ?

Microsoft a annoncé le 12 octobre 2026 que la Maia 300 produit 40 % de tokens en plus par mégawatt que les meilleurs systèmes à base de GPU, et qu'elle deviendra le système d'inférence principal de ses produits à partir de 2027. L'annonce, signée par Scott Guthrie, responsable du cloud et de l'IA, détaille une puce en chiplets gravée par TSMC en N2P, avec huit piles de mémoire HBM4 pour 18 To/s de bande passante et une consommation de 950 watts.

Le rack type réunit 96 accélérateurs dans une enveloppe de 167 kW, soit 27,6 To de mémoire HBM. Microsoft revendique jusqu'à 7 fois le débit de tokens par rack de la génération précédente, la Maia 200, qui sert déjà Microsoft Copilot en production et doit accueillir GitHub Copilot et Microsoft Foundry d'ici fin 2026.

Le point clé est le choix du terrain. La puce est conçue pour l'inférence, c'est-à-dire le moment où un modèle déjà entraîné répond aux utilisateurs, avec un accent sur les contextes longs et la phase de décodage. C'est le coût qui grossit à chaque requête de Copilot, de Teams ou d'un agent. Satya Nadella parle du « plus gros pari » de Microsoft sur son propre silicium.

Deux réserves s'imposent. Microsoft ne nomme pas le système GPU qui sert de comparaison, et aucun test indépendant n'existe encore. L'action NVIDIA a perdu environ 1 % le jour de l'annonce : un signal, pas une rupture, puisque Microsoft reste client de NVIDIA pour l'entraînement.

Pourquoi Amazon veut-il racheter Decart pour environ 7 milliards de dollars ?

Amazon négocie le rachat de la start-up Decart pour environ 7 Md$, selon le Wall Street Journal du 11 octobre 2026, alors que Decart était valorisée près de 4 Md$ en mai selon PitchBook. Aucun accord n'est signé, et ni Amazon ni Decart n'ont commenté.

Le produit qui intéresse Amazon s'appelle DOS : un logiciel qui fait tourner les modèles d'IA sur des puces différentes, les GPU de NVIDIA, les TPU de Google et les puces Trainium d'Amazon. Decart développe aussi ses propres modèles, Lucy pour la vidéo en temps réel et Oasis pour les mondes interactifs.

La logique rejoint celle de Microsoft. Un hyperscaler qui investit dans ses propres puces a besoin que les modèles de ses clients y tournent sans réécriture. Tant que le code reste optimisé pour une seule architecture, la puce maison reste sous-utilisée. Racheter la couche logicielle qui rend les puces interchangeables, c'est rendre Trainium crédible face aux GPU.

Le dossier a un précédent instructif : Anthropic avait étudié le rachat de Decart autour de 6 Md$ en septembre 2026, puis y avait renoncé après audit, selon Bloomberg. Qu'Amazon accepte de payer davantage quelques semaines plus tard montre que la portabilité entre puces se paie désormais au prix fort. Pour les entreprises clientes du cloud, c'est plutôt une bonne nouvelle : plus le logiciel est portable, plus elles peuvent faire jouer la concurrence entre fournisseurs.

Meta a-t-il vraiment rejoint OpenAI et Anthropic avec Muse Wonder ?

Meta a lancé le 12 octobre 2026 deux modèles, Muse Wonder et Muse Wonder Full, présentés comme ses plus puissants à ce jour, mais sans aucun score de benchmark chiffré publié à l'appui. Alexandr Wang, qui dirige l'IA de Meta, parle de « vrais modèles frontière » et invite les sceptiques à les essayer pour se faire leur propre avis.

Muse Wonder est accessible aux développeurs via l'API Meta Model et l'outil de code Muse Code. La version Full, plus gourmande en calcul, est réservée aux abonnés Muse Code, à 50 $ ou 200 $ par mois. Meta prévoit aussi d'intégrer Wonder à Muse, son agent personnel lancé en septembre 2026, d'abord pour les abonnés payants.

Meta affirme que ses modèles rivalisent avec ChatGPT et Claude sur le code, les questions financières et juridiques, et qu'ils dépassent certains modèles concurrents « sur certains benchmarks ». Bloomberg rappelle que les benchmarks choisis par un éditeur divergent souvent de l'usage réel : tant que des évaluations indépendantes ne sont pas publiées, la prudence reste de mise.

Le changement de modèle économique est plus net que le saut technique. L'entreprise qui distribuait gratuitement les poids de Llama vend désormais l'accès à son meilleur modèle par abonnement. L'action Meta a pris 4,13 % le jour de l'annonce, selon TradingKey : les investisseurs saluent un Meta qui monétise enfin son IA.

Pourquoi les patrons de Broadcom et d'Intel s'inquiètent-ils du financement de l'IA ?

Hock Tan, PDG de Broadcom, a déclaré le 12 octobre 2026 à Singapour que l'accès au capital et la hausse du coût de l'emprunt pourraient devenir le principal goulot d'étranglement de l'IA, devant l'approvisionnement en puces. Selon Bloomberg, il a aussi comparé une partie des investisseurs de l'IA à des joueurs de casino et mis en doute l'économie à long terme des laboratoires.

Lip-Bu Tan, PDG d'Intel, a tenu un discours voisin lors du même événement : les entreprises de l'IA devront prouver que les retours justifient les dépenses. Il a ajouté, selon Reuters, que l'adoption des modèles frontière chinois avait été « très rapide ».

Un fait du même jour illustre leur propos. JPMorgan et Goldman Sachs mènent une vente de prêt de 5 Md$ pour la start-up Volta, avec un rendement d'environ 11 %, mais n'en ont garanti que 1,3 Md$, une prudence rare relevée par Bloomberg. Les banques financent toujours l'IA, mais elles limitent leur exposition.

Ce contexte éclaire l'annonce de Microsoft. Quand l'argent coûte plus cher, chaque mégawatt doit produire plus de tokens, et l'efficacité de l'inférence devient un argument financier autant que technique. Les entreprises qui achètent de l'IA en paieront aussi la facture, à travers le prix des abonnements et des API.

Un téléphone pourra-t-il faire tourner un modèle de 100 milliards de paramètres en local ?

Cristiano Amon, PDG de Qualcomm, affirme que des entreprises de l'IA lui demandent de faire tourner en continu des modèles de 100 milliards de paramètres sur téléphone d'ici 2028, selon un entretien avec Alex Heath relayé le 11 octobre 2026. Il résume la tendance d'une phrase : « les entreprises de l'IA commencent à faire des téléphones ».

Le calendrier est à lire comme une demande de clients, pas comme un engagement produit. Le média Wccftech note qu'Amon n'a pas abordé le coût ni la disponibilité de la mémoire DRAM, qui est justement la contrainte principale : un modèle de cette taille, même compressé, occupe plusieurs dizaines de gigaoctets.

La demande a pourtant une logique économique. Chaque réponse calculée sur le téléphone de l'utilisateur est une réponse que le fournisseur n'a pas à servir depuis son centre de données. C'est la même pression sur le coût de l'inférence que celle qui pousse Microsoft vers la Maia 300, déplacée vers l'appareil.

Pour une PME, l'enjeu dépasse la technique. Un modèle local ne fait pas sortir les données de l'appareil, ce qui simplifie la conformité et la confidentialité. Les runtimes locaux comme Ollama, LM Studio ou llama.cpp montrent déjà, sur ordinateur, ce que l'IA sans cloud permet ; le téléphone serait l'étape suivante.

Que vaut Falcon-ASR, le modèle de reconnaissance vocale arabe de TII ?

Le Technology Innovation Institute (TII) d'Abou Dhabi a présenté début octobre 2026 Falcon-ASR, un modèle de reconnaissance vocale de 1,6 milliard de paramètres centré sur l'arabe émirien, avec un taux d'erreur moyen de 20,92 % sur six jeux de test arabes. Les résultats techniques ont été publiés le 7 octobre 2026 sur Hugging Face, avec une démonstration publique.

Le modèle transcrit aussi l'anglais, le français, l'espagnol et le portugais. Sur le test émirien interne de TII, le taux d'erreur atteint 22,73 %. Ces chiffres sont déclarés par TII et n'ont pas encore été vérifiés de façon indépendante. La licence de Falcon-ASR n'est pas encore confirmée, alors que les modèles Falcon précédents étaient publiés sous une licence dérivée d'Apache 2.0.

L'intérêt est ailleurs que dans la course aux grands modèles. Un modèle de 1,6 milliard de paramètres peut tourner sur du matériel modeste, et il vise une langue et un dialecte que les modèles généralistes servent mal. C'est la stratégie de souveraineté par la langue : plutôt que de rivaliser avec les géants américains sur tous les fronts, TII investit là où ses utilisateurs sont mal servis.

Pour les entreprises francophones, le parallèle est direct. Transcription d'appels, comptes rendus de réunion, accessibilité : des modèles compacts, spécialisés et hébergeables en interne répondent souvent mieux au besoin qu'un grand modèle généraliste facturé à l'usage.

Testez votre lecture de la semaine

Pour aller plus loin

Chaque lundi, la newsletter décrypte en trois news ce que l'IA change concrètement pour les dirigeants de TPE et PME : inscrivez-vous à la newsletter du lundi.

Pour passer de la lecture à la pratique, les formations gratuites d'Agentia Academy vous apprennent à utiliser l'IA dans votre activité : découvrir les formations gratuites.