Maia 300 : Microsoft muscle son puce IA pour réduire sa dépendance à Nvidia

Microsoft a dévoilé Maia 300, sa troisième génération de puce IA maison, conçue pour devenir le système d’inférence principal de ses produits et services. La puce doit commencer à être déployée en production en 2027 et vise à améliorer à la fois les coûts, l’efficacité énergétique et la prise en charge des modèles de raisonnement les plus récents. Dans ce contexte, l’enjeu dépasse le simple silicium : il s’agit aussi de réduire la dépendance du groupe à Nvidia et AMD, tout en gardant la main sur son infrastructure IA.

Une puce pensée pour les usages les plus exigeants

Maia 300 n’est pas présentée comme un simple accélérateur de plus. Microsoft la décrit comme un système complet, adapté aux charges de travail qui se multiplient dans ses services : raisonnement à long contexte, conversations à faible latence et tâches d’agents en plusieurs étapes. Mustafa Suleyman, directeur général de Microsoft AI, résume l’approche en des termes très directs : « We have to work across the full stack, all the way down to the silicon ». Autrement dit, la bataille se joue autant dans les modèles que dans la puce qui les fait tourner.

Le groupe affirme que Maia 300 a été conçue avec un objectif d’efficacité. Scott Guthrie, vice-président exécutif de la division cloud, indique qu’elle doit offrir « 40 percent more tokens per megawatt compared to leading GPU-based systems ». Un token correspond à un fragment de texte traité par un modèle, et ce ratio mesure ici combien de texte peut être généré ou analysé par unité d’énergie. Microsoft annonce aussi qu’en configuration complète de 96 accélérateurs, le système peut atteindre jusqu’à 7 fois le débit de jetons au niveau du rack par rapport à Maia 200.

Pourquoi Microsoft fabrique sa propre puce

La logique est industrielle autant que stratégique. Maia 200, annoncée en janvier, fonctionne déjà sur des charges de production chez Microsoft, notamment pour Microsoft Copilot, GitHub Copilot, Microsoft Foundry et les modèles maison. Le passage à Maia 300 doit permettre d’aller plus loin, au point que Microsoft prévoit de faire de sa famille Azure Maia la base de déploiements « multi-gigawatt » à partir de 2027. Le calendrier dit beaucoup : la firme veut sortir d’une logique d’achat quasi systématique de GPU externes pour une partie de ses besoins d’inférence.

Microsoft mise aussi sur une nouvelle architecture de chiplets, c’est-à-dire une conception qui découpe la puce en plusieurs blocs spécialisés au lieu d’un seul gros monolithe. Construite sur le procédé N2P de TSMC, Maia 300 sépare les fonctions de calcul, de contrôleur mémoire et d’entrée-sortie. Le but est simple : réserver davantage de surface au calcul et choisir pour chaque fonction la technologie la plus adaptée. C’est moins spectaculaire qu’une keynote en lumières bleues, mais nettement plus utile pour les bilans énergétiques.

Ce que cela change pour Azure et l’IA maison

À terme, cette évolution peut modifier la hiérarchie des fournisseurs dans le cloud IA. Microsoft veut faire de Maia sa « primary AI inference system » pour ses produits et services, ce qui signifie que ses propres puces prendront une place croissante dans l’exécution des modèles, là où Nvidia domine encore très largement le marché. Si les performances annoncées se confirment, la société gagnera en contrôle sur ses coûts, sa consommation électrique et la cadence de déploiement de ses services.

Le sujet compte aussi pour la compétition entre grands acteurs de l’IA. En internalisant davantage la couche matérielle, Microsoft se donne une marge de manœuvre supplémentaire face à Google DeepMind, OpenAI et Anthropic, avec lesquels elle cherche à combler l’écart sur les modèles et les usages. Le pari est clair : maîtriser davantage la chaîne, du silicium jusqu’à l’application, pour mieux absorber la montée en puissance des agents IA et des modèles de raisonnement. Reste à voir si la production en 2027 tiendra le rythme promis.