Microsoft ajoute un modèle de décision à sa plateforme d’IA

Microsoft a présenté Microsoft-Decision-1, un modèle de décision destiné aux usages où il faut classer, trier ou choisir vite plutôt que rédiger librement. Selon le blog publié vendredi 10 octobre 2026 par Achint Srivastava, vice-président software engineering au sein du bureau du CTO, l’outil est d’abord proposé via Microsoft Foundry, puis via OpenRouter. Le groupe insiste sur un point simple : dans les usages d’IA agentique, le coût pèse autant que la performance. Et l’humour du jour, c’est qu’un modèle censé décider doit surtout apprendre à le faire à bon prix.

Un modèle pensé pour les sorties structurées, pas pour la littérature

Microsoft explique que les modèles de décision forment une catégorie distincte des LLM classiques. Là où un grand modèle de langage produit du texte ou raisonne sur des problèmes ouverts, Decision-1 est conçu pour fournir des sorties structurées qu’un logiciel peut exploiter immédiatement. En pratique, ce type de modèle sert surtout à la classification, au routage de requêtes ou à des arbitrages fermés, des tâches où l’on accepte mal les réponses vagues.

Le premier Microsoft-Decision-1 repose sur Qwen3.5-9B, un modèle de la famille Qwen développée par Alibaba Cloud, la branche cloud du groupe chinois Alibaba. Microsoft précise toutefois qu’une version ultérieure sera rebâtie sur ses propres modèles et sur ceux d’OpenAI [à vérifier], sans détailler le calendrier ni les raisons de ce choix. La fiche technique met aussi en avant une disponibilité annoncée sur Microsoft Foundry, avec une arrivée prochaine sur OpenRouter.

Pourquoi Microsoft pousse ce format maintenant

La montée en visibilité de Jev, le modèle présenté par TypeSafe AI trois semaines plus tôt, a poussé plusieurs acteurs à revendiquer leur propre offre dans cette nouvelle catégorie. OpenAI a ouvert en bêta publique son Decisions API, Cloudflare a présenté Clef, Strands a lancé Strands Decider 2B et Perplexity a également communiqué sur une Decisions API. Snowflake, Liquid AI et H2O.ai ont suivi avec leurs propres variantes. Le marché compte désormais plus de 100 modèles de ce type, selon les éléments fournis dans la source.

Dans ce contexte, Microsoft cherche à se positionner sur un segment très concret : des modèles plus rapides, plus cadrés et moins coûteux que les LLM généralistes. L’enjeu n’est pas seulement technique. Il touche aussi les usages en entreprise, où chaque réponse trop ouverte peut se transformer en facture trop ouverte, justement. Microsoft dit que cette logique devient centrale avec l’IA agentique, c’est-à-dire des systèmes capables d’enchaîner des actions sans intervention humaine à chaque étape.

Des gains mis en avant sur la vitesse, le coût et la précision

Microsoft affirme que son modèle est 2,5 fois plus rapide que H2O-Lightning-4B et 2,8 fois plus rapide que Jev dans ses tests de latence. Le groupe dit aussi obtenir une précision de 83,5 % sur 36 benchmarks, un score de confiance de 92,2 %, deuxième derrière Quyet-1.0-Large, et un coût plus de 20 fois inférieur à celui de GPT-6 Sol d’OpenAI pour des tâches de classification textuelle [à vérifier]. Les jetons d’entrée sont facturés 0,042 dollar par million de jetons et les sorties sont gratuites.

Cette tarification raconte presque tout à elle seule : Microsoft vise des traitements massifs, pas des démonstrations de laboratoire. Le modèle est taillé pour des décisions à faible marge d’erreur, à grande vitesse, avec une facture contenue. Reste à voir comment l’entreprise déplacera ensuite la brique technique vers ses propres modèles, comme elle le promet, sans perdre l’avantage de départ.