Microsoft a lancé le modèle Microsoft-Decision-1 au sein de la plateforme Foundry, seulement trois jours après qu’OpenAI a rendu disponible son API Decisions pour les développeurs en version bêta publique. Malgré ce que pourrait laisser penser la proximité entre les deux entreprises, le modèle de Microsoft a d’abord été entraîné sur Qwen3.5-9B d’Alibaba. L’entreprise a annoncé son intention de le reconstruire ultérieurement sur ses propres modèles MAI ainsi que sur des modèles d’OpenAI.
Le modèle vise à ajouter des capacités de prise de décision aux applications existantes, aux agents et aux flux de travail, par exemple pour évaluer les sorties, choisir le modèle approprié ou déterminer l’étape suivante d’un processus automatisé. Microsoft le propose dans Foundry au prix de 0,042 dollar par million de tokens d’entrée, tandis que les tokens de sortie sont gratuits ; c’est le même prix que celui facturé par TypeSafe pour le modèle Jev.
Tests internes de Microsoft
Microsoft affirme que le premier utilisateur du modèle est l’entreprise elle-même. Xbox Research l’a testé pour classer plus de 10 000 éléments issus des retours des joueurs, l’équipe Copilot l’a utilisé pour évaluer des conversations et les réponses d’agents, tandis que les ingénieurs d’astreinte s’en sont servis pour extraire le contexte pendant des incidents en direct. Microsoft Discovery l’a également utilisé pour évaluer des expériences avant qu’un agent ne replanifie sa tâche.
Selon les chiffres de l’entreprise, Decision-1 a été plus de 14 fois plus rapide que GPT-6 Sol dans un test lié à Xbox, et a obtenu une cohérence 46 fois supérieure dans un test de Discovery. L’article ne précise pas la méthodologie de ces comparaisons ; ces chiffres ne peuvent donc pas être considérés comme une évaluation générale des performances du modèle en dehors de ces scénarios.
Pourquoi cette actualité est-elle importante ?
Les modèles de décision tendent à jouer le rôle d’une couche de contrôle peu coûteuse entre l’application et les modèles génératifs plus importants. Cette couche devient importante lorsque l’agent doit choisir un modèle, un outil ou un parcours d’exécution à de nombreuses reprises, car le coût de chaque décision peut s’accumuler avec le volume des requêtes génératives qui l’accompagnent.
Microsoft a une motivation supplémentaire pour développer ce type de modèles en interne, notamment avec les projets de GitHub Copilot visant à décider d’exécuter certaines tâches sur l’appareil ou de les envoyer à des modèles cloud. L’entreprise n’a toutefois pas confirmé si Decision-1 participera effectivement aux décisions de Copilot, ni révélé ce qui est envoyé au cloud.
Limites de compatibilité et des médias
La liste de Foundry indique que Decision-1 accepte jusqu’à 32 768 tokens textuels et renvoie les résultats au format JSON, mais qu’il ne prend pas en charge les images. Cela le place dans un périmètre plus limité que l’API Decisions d’OpenAI et que Clef de Cloudflare, qui utilise un encodeur visuel.
Microsoft n’a pas non plus annoncé la mise à disposition des poids du modèle, alors que Cloudflare a publié le modèle Clef sous licence Apache 2.0. AWS, Upstage et Ollama ont adopté l’interface de TypeSafe appelée System One comme interface commune dans ce domaine, mais Microsoft n’a pas confirmé que Decision-1 était entièrement compatible avec celle-ci, même si son exemple de code dans Foundry appelle un point de terminaison nommé /systemone.
La confiance ne signifie pas la résistance à la désinformation
Microsoft affirme que les probabilités du modèle sont calibrées ; autrement dit, une prédiction affichant une probabilité de 90 % devrait être correcte dans environ neuf cas sur dix parmi les cas représentatifs. L’entreprise recommande toutefois aux clients de vérifier le calibrage à l’aide de leurs propres données.
L’étude JevOut montre pourquoi cette réserve est importante : de courtes additions formulées naturellement ont inversé 312 décisions sur les 508 décisions initialement correctes du modèle Jev, le modèle attribuant une probabilité d’au moins 70 % à la mauvaise réponse dans 229 cas. Le test de Microsoft sur son modèle a quant à lui porté sur huit types de changements, comme la réorganisation des options et la reformulation de la description, et a modifié en moyenne 1,3 % des réponses. Cependant, l’étude JevOut n’a pas testé Decision-1 ; ce résultat ne démontre donc pas comment le modèle traiterait des entrées conçues pour le tromper.