Microsoft égalise GPT-5.6 dans Excel avec un modèle moins cher et sur GPU plus ancien

Microsoft construit discrètement sa propre famille de modèles IA, et les derniers résultats suggèrent que la stratégie porte ses fruits. L'entreprise exécute désormais un modèle MAI dans Excel qui, selon ses propres indicateurs, performe au niveau de GPT-5.6 pour les tâches courantes de tableur tout en coûtant moins cher à servir. GPT-5.6 lui-même a été salué par les premiers clients pour avoir réduit les appels d'outils de jusqu'à 48 % et diminué les exécutions bloquées, comme le montre le pari plus large de Microsoft sur les petits modèles.

Les chiffres de la mise à jour du 23 juillet de Microsoft montrent ce que les modèles MAI apportent déjà dans GitHub Copilot. MAI-Code-1-Flash, déployé depuis juin, affiche un taux d'acceptation de code 10 % supérieur à GPT-5.4 Mini et Claude Haiku 4.5 dans VS Code. Les développeurs utilisant le modèle sont 6 % plus susceptibles de revenir sur plusieurs jours par rapport à GPT-5.4 Mini, et 11 % plus susceptibles qu'avec Claude Haiku 4.5. L'utilisation médiane de tokens est 10 % inférieure à celle des deux concurrents, avec davantage de tours initiés par l'utilisateur. Les économies de tokens s'accumulent rapidement lorsque les coûts sont par token, comme le montrent les taux de combustion des agents de codage IA.

Microsoft a ensuite pris le même point de contrôle MAI-Code-1-Flash, initialement entraîné pour le codage agentique, et a effectué un entraînement supplémentaire dans un environnement d'apprentissage par renforcement Excel. Cela a fait passer le modèle de l'écriture de code à la navigation dans les outils de tableur et les workflows de connaissances. Le trafic de production précoce montre que le modèle résultant égalise GPT-5.6 pour les tâches Excel courantes. La méthode de hill-climbing, introduite au Build en juin, permet un ajustement fin continu en alimentant le modèle avec des évaluations spécifiques au produit et des données de harnais auxquelles seul Microsoft a accès. Les sceptiques notent que l'évolution du harnais peut sembler impressionnante sur les tâches d'entraînement mais échouer sur les tâches retenues.

L'avantage de coût va plus loin que le modèle lui-même. Microsoft indique que le modèle MAI Excel peut être servi sur des GPU de classe Nvidia H100 et A100, sans nécessiter les accélérateurs de dernière génération. Cela réduit le capital nécessaire au déploiement. Les flottes cloud existantes restent pertinentes. Dans un secteur où les budgets GPU sont sous pression constante, la capacité à fournir des performances compétitives sur du matériel plus ancien est un véritable avantage. Cela signifie également que les petits clients peuvent se permettre l'inférence sans attendre les puces les plus récentes. Cela reflète le schéma où les modèles spécialisés et plus étroits battent les modèles généraux sur des métriques pratiques.

Au-delà de Copilot et Excel, Microsoft prévoit d'appliquer la même approche de hill-climbing à Copilot Chat, Outlook, PowerPoint et au reste de sa famille de produits agentiques. L'entreprise a récemment rendu Microsoft Discovery disponible en général, une plateforme pour construire des workflows IA agentiques gouvernés dans les sciences et l'ingénierie. Combiner cette infrastructure avec des modèles MAI spécialisés entraînés dans chaque produit donne à Microsoft une pile IA verticalement intégrée que les concurrents ne peuvent pas facilement reproduire.

Microsoft parie que l'efficacité spécifique aux tâches et la flexibilité de déploiement comptent plus que de dominer chaque benchmark. Les modèles frontière concurrents peuvent encore gagner sur les scores bruts, mais Microsoft peut placer un modèle bon marché et compétent dans chaque produit Office, chaque outil de développeur et chaque workflow métier. Cet avantage d'échelle n'apparaît pas sur les classements mais se voit dans les factures cloud mensuelles, une stratégie où l'orchestration bat la taille brute du modèle.