Microsoft prévoit d’étendre la famille de systèmes Azure Maia afin qu’elle fonctionne sur des déploiements d’une capacité de plusieurs gigawatts à partir de 2027, faisant de ces systèmes la plateforme d’inférence principale de ses produits et services. L’entreprise a confirmé qu’Azure Maia 200 était entré en production et qu’il exécutait actuellement des charges de travail réelles, notamment Microsoft Copilot.
Maia 200 utilise des modèles d’OpenAI, des modèles MAI de Microsoft et des familles de modèles open source. L’écosystème soutient également l’équipe MAI dans le développement des prochains modèles, avec une extension prévue à GitHub Copilot et Microsoft Foundry avant la fin de 2026. Les déploiements actuels de Maia 200 sont répartis aux États-Unis, en Europe et en Australie.
Que lance Microsoft ?
L’entreprise a présenté Maia 300 comme un système intelligent intégré de troisième génération, conçu pour les charges d’inférence à long contexte, les expériences conversationnelles sensibles au temps de réponse et les tâches agentiques en plusieurs étapes. Selon les chiffres de Microsoft, le système vise à fournir 40 % de tokens de plus par mégawatt que les systèmes reposant sur des unités GPU de pointe, tandis qu’une configuration complète comprenant 96 accélérateurs pourrait atteindre jusqu’à sept fois le débit de tokens au niveau du rack par rapport à Maia 200.
Les déploiements de production de Maia 300 devraient commencer en 2027. Microsoft n’a pas fourni, dans son document, de calendrier plus détaillé ni de tarifs commerciaux pour le système.
Une conception axée sur l’inférence et l’efficacité énergétique
Maia 300 repose sur une architecture conçue en priorité pour l’inférence, qui équilibre les capacités de calcul, la bande passante mémoire, les réseaux et la consommation énergétique. Microsoft affirme que l’architecture de flux de données définie par logiciel, associée à l’optimisation des cœurs assistée par l’IA, vise à réduire les transferts de données et à améliorer l’utilisation des ressources de calcul, de mémoire et de réseau.
Le système intègre huit unités HBM4 offrant une bande passante de pointe de 18,0 téraoctets par seconde, dans les limites d’une enveloppe thermique de conception de 950 watts. Il utilise également une architecture multi-puces séparant les fonctions de calcul, les contrôleurs mémoire ainsi que les fonctions d’entrée et de sortie, les puces de calcul étant fabriquées selon le procédé TSMC N2P. Les formats de précision réduite, notamment le MXFP4 optimisé, contribuent à réduire les besoins en mémoire et en bande passante des modèles ainsi que de la mémoire KV-cache.
Qu’est-ce qui change concrètement ?
Le système en rack de Maia 300 regroupe environ 96 accélérateurs dans une enveloppe énergétique de 167 kilowatts, avec une capacité HBM de 27,6 téraoctets et une bande passante totale de 1,7 pétaoctet par seconde. Microsoft mise sur cette densité pour exécuter davantage d’interactions d’IA simultanées et des charges plus importantes par rack, ce qui pourrait accroître la capacité de mise à l’échelle des centres de données.
L’entreprise a également conçu le réseau d’extension de manière à ce que les opérations de flux de données s’étendent au calcul, à la mémoire et au réseau comme un système unique, avec des liaisons à large bande passante entre les accélérateurs et un transport dédié à l’IA reposant sur une architecture Ethernet. Cette architecture vise une mise à l’échelle allant d’un seul rack jusqu’au niveau du centre de données.
Pourquoi cette actualité est-elle importante ?
Cette initiative montre que Microsoft ne considère pas l’inférence comme une simple question d’achat d’accélérateurs séparés, mais comme un écosystème comprenant le silicium, la mémoire, les réseaux, les logiciels et les charges de travail des services réels. L’entreprise affirme que l’exécution de Maia 200 dans Teams, Copilot et Cowork a démontré jusqu’à 1,7 fois plus de tokens par watt qu’une architecture GPU de pointe, et que cette expérience a directement influencé la conception de Maia 300.
Selon le document, les nouveaux systèmes seront utilisés pour exécuter les services de Microsoft, GitHub Copilot, Microsoft Foundry, les modèles MAI et Dragon Copilot. Toutefois, les chiffres de performance et d’efficacité présentés ici sont des estimations et des résultats communiqués par Microsoft, tandis que le document ne contient ni tests indépendants ni détails complets de comparaison avec les systèmes concurrents : leur vérification pratique restera donc liée aux tests réels après le début des déploiements en 2027.