Maia 200 entre en production, Maia 300 est prévu pour 2027
Microsoft a annoncé le 12 octobre que son système Azure Maia 200 sert maintenant des charges de production, dont Microsoft Copilot. GitHub Copilot et Microsoft Foundry doivent suivre d’ici la fin de l’année. La prochaine génération, Maia 300, commencera ses déploiements en 2027. L’entreprise veut alors étendre la famille Maia à des installations de plusieurs gigawatts et en faire son principal système d’inférence pour ses produits et services. L’inférence est l’étape où un modèle déjà entraîné reçoit une demande et produit une réponse. Elle représente une part croissante du calcul à mesure que les assistants sont utilisés par davantage de personnes et que les agents accomplissent des tâches plus longues. Microsoft ne présente donc pas Maia 300 comme une puce universelle. Le système est conçu pour les longs contextes, les échanges sensibles à la latence et les processus d’agents qui raisonnent, utilisent des outils et poursuivent un travail en plusieurs étapes. Maia 200 peut exécuter des modèles d’OpenAI, de Microsoft et des familles ouvertes; Maia 300 doit prolonger cette stratégie diversifiée.
Un rack de 167 kilowatts avec 96 accélérateurs
La fiche publiée par Microsoft donne une idée de l’échelle visée. Un rack Maia 300 réunira 96 accélérateurs dans une enveloppe de 167 kilowatts. Ensemble, ils offriront 27,6 téraoctets de mémoire à large bande passante et 1,7 pétaoctet par seconde de bande passante mémoire agrégée. Dans cette configuration complète, Microsoft prévoit jusqu’à sept fois le débit de jetons d’un rack Maia 200 et plus de deux fois et demie sa performance par watt. L’entreprise affirme aussi que Maia 300 pourra produire 40 % plus de jetons par mégawatt que des systèmes de pointe basés sur des processeurs graphiques. Cette comparaison reste une affirmation du fabricant : le billet ne nomme pas le système concurrent, la combinaison de modèles utilisée ni un protocole permettant à un tiers de reproduire le résultat. Les chiffres décrivent en plus un produit qui n’est pas encore déployé. Ils sont utiles pour comprendre l’objectif d’ingénierie, mais ils ne permettent pas encore de prévoir le coût d’une requête, la vitesse d’un abonnement Copilot ou le rendement d’un modèle précis.
La mémoire et les déplacements de données deviennent le vrai chantier
Maia 300 répartit ses fonctions entre plusieurs petites pièces de silicium, appelées chiplets. Le calcul utilise le procédé N2P de TSMC, tandis que les contrôleurs de mémoire et les entrées-sorties peuvent employer des technologies adaptées à leur rôle. Chaque accélérateur comprend 288 gigaoctets de mémoire HBM4 et une bande passante annoncée de 18 téraoctets par seconde. Microsoft passe aussi à une organisation de mémoire non uniforme : le logiciel tente de placer les données près du calcul qui en a besoin afin de réduire les déplacements coûteux en énergie. Le réseau fait partie du même système. Un rack forme un groupe de 96 accélérateurs et jusqu’à 128 racks peuvent constituer un supergroupe de 12 288 accélérateurs. Des liens électriques servent à l’intérieur du rack et une deuxième couche optique relie les racks. Cette architecture doit permettre de séparer la lecture initiale d’un long contexte de la génération des jetons suivants, puis de déplacer directement l’état nécessaire vers les bonnes machines. Autrement dit, l’avantage recherché vient autant de la mémoire, du réseau, du refroidissement et de l’ordonnancement que du silicium lui-même.
Les utilisateurs pourraient surtout ressentir plus de capacité
Pour une personne qui utilise Copilot, Teams ou GitHub, Maia 300 ne promet pas automatiquement un modèle plus intelligent. Son effet probable serait plutôt une capacité accrue : davantage de conversations simultanées, des contextes plus longs et des agents capables de rester actifs plus longtemps sans saturer l’infrastructure. Microsoft cite aussi Dragon Copilot dans le secteur de la santé et Foundry pour le déploiement de modèles variés. Une meilleure efficacité pourrait aider l’entreprise à absorber la demande ou à offrir des fonctions plus exigeantes, selon les choix commerciaux qui seront faits. Le changement compte également dans la chaîne d’approvisionnement. En développant son propre accélérateur, Microsoft peut adapter le matériel aux charges qu’elle exploite réellement et réduire une partie de sa dépendance aux processeurs graphiques externes. Cela ne signifie pas que ceux-ci disparaîtront d’Azure. La société parle d’une plateforme hétérogène où plusieurs modèles et plusieurs types de silicium coexistent. Les clients devront donc comparer le service complet — prix, disponibilité régionale, confidentialité, performance sur leur modèle et outils de gouvernance — plutôt que de choisir uniquement selon le nom de la puce.
Une meilleure efficacité ne garantit pas une baisse de la consommation totale
Le point à surveiller est l’écart entre l’efficacité d’une unité de calcul et l’énergie consommée par l’ensemble du parc. Microsoft annonce davantage de jetons par watt tout en préparant des déploiements de plusieurs gigawatts. Si la demande augmente plus vite que l’efficacité, la consommation absolue peut continuer de croître. Le refroidissement liquide retire plus de 80 % de la chaleur d’un rack Maia 300, selon l’entreprise, mais il faut encore fournir l’électricité, refroidir les autres composants et construire les centres de données capables d’accueillir cette densité. Il manque aussi plusieurs éléments pour évaluer la portée du lancement : prix, calendrier par région, résultats mesurés par des laboratoires indépendants et consommation réelle selon différents modèles. Les premiers systèmes de production sont prévus en 2027, ce qui laisse le temps aux caractéristiques et aux usages d’évoluer. Pour l’instant, l’annonce confirme surtout une direction : la prochaine bataille de l’IA se joue dans des systèmes complets, où la mémoire, le réseau, l’énergie et le logiciel déterminent combien de réponses utiles peuvent être livrées dans une enveloppe physique limitée.
