Microsoft pousse ses modèles MAI sur le terrain du raisonnement et de l’image

Microsoft a dévoilé en août 2026 deux nouveaux modèles MAI : MAI-Thinking-1, un modèle de raisonnement désormais disponible en avant-première publique sur Microsoft Foundry, et MAI-Image-2.6, qui grimpe à la 2e place du classement text-to-image d’Arena. Le premier vise les tâches d’entreprise complexes, du code aux maths ; le second renforce la génération d’images avec de meilleurs textes rendus et plus de contrôle. Ensemble, ils montrent une stratégie très claire : gagner en performance sans dépendre des modèles des autres.

Un raisonnement pensé pour l’entreprise, pas pour faire joli

MAI-Thinking-1 est présenté par Microsoft AI comme un modèle de raisonnement de taille moyenne, entraîné sans distillation de modèles tiers. La distillation consiste à faire apprendre un modèle à partir d’un autre, souvent plus grand ; ici, Microsoft dit avoir préféré un apprentissage « from the ground up », avec des données « clean, traceable and enterprise-grade ». Le message est autant technique que politique : l’entreprise insiste sur la provenance des données, la capacité de contrôle et l’observabilité dans Microsoft Foundry.

Sur le fond, le modèle est annoncé comme compatible avec les usages de production. Il supporte une fenêtre de contexte de 256k tokens, soit assez pour englober un document d’environ 600 pages selon Microsoft, ainsi que le function calling et les instructions développeur. Le tout reste compatible avec l’API Chat Completions, ce qui facilite son intégration dans des outils existants. Pas besoin de réécrire toute la cuisine pour changer le four.

Des scores élevés, mais surtout des usages concrets

Microsoft avance plusieurs résultats pour étayer son pari. MAI-Thinking-1 serait à niveau avec les meilleurs modèles sur des benchmarks de génie logiciel, et « toe-to-toe with Claude Opus 4.6 on SWE-Bench Pro ». Le modèle atteint aussi 97,0 % sur AIME 2025 et 94,5 % sur AIME 2026, deux évaluations de mathématiques de haut niveau. Surtout, l’entreprise dit qu’il est préféré à Claude Sonnet 4.6 dans ses évaluations humaines en aveugle menées avec Surge, sur 1 276 tâches.

Ce point compte davantage que les classements isolés. Pour les équipes produit, développement ou support, un modèle qui suit mieux les consignes, reste concis sans être sec et répond de façon plus utile peut valoir plus qu’un modèle légèrement meilleur sur papier. Microsoft cherche donc un avantage très pragmatique : un raisonnement suffisamment solide pour les tâches agentiques, mais assez léger pour être déployé à plus grande échelle.

Le pari du « Humanist Superintelligence »

Le discours de Microsoft AI s’inscrit dans une feuille de route plus large, baptisée « Humanist Superintelligence ». L’expression désigne des capacités avancées conçues pour servir les personnes et les organisations, sans les remplacer. Dans ce cadre, la firme dit vouloir garder ses modèles « subordinate technologies under human control » et traiter sécurité et capacités dans le même cycle d’apprentissage par renforcement.

Cette approche vise à réduire deux défauts à la fois : les refus jugés excessifs et les réponses trop complaisantes sur des requêtes dangereuses. Microsoft affirme avoir entraîné la sécurité comme une composante du système de récompense, plutôt que comme une couche ajoutée après coup. C’est une manière de dire que l’alignement ne doit pas être un autocollant posé à la fin du chantier.

MAI-Image-2.6 gagne du terrain sur Arena

De l’autre côté, MAI-Image-2.6 arrive avec un argument de classement. Microsoft annonce que le modèle prend la 2e place du leaderboard text-to-image d’Arena, avec un gain de 79 Elo par rapport à MAI-Image-2.5. Le text rendering progresse à lui seul de 91 Elo, tandis que la version 2.6 améliore aussi les portraits, les images 3D et les rendus commerciaux ou photoréalistes.

Le modèle se place ainsi devant plusieurs offres de Meta, Google et xAI sur ce classement public, selon la note de Microsoft. Il ne s’agit pas d’un verdict absolu sur la qualité d’un générateur d’images, mais d’un signal utile : dans un marché où la génération visuelle sert autant à maquetter qu’à produire, le texte dans l’image et la fidélité commerciale restent des critères très sensibles pour les équipes marketing, design et e-commerce.

Ce que Microsoft prépare pour la suite

Microsoft dit avoir construit une « hill-climbing machine », une chaîne de développement pensée pour faire progresser chaque maillon du modèle, des données à l’entraînement en passant par les environnements d’évaluation. MAI-Thinking-1 et MAI-Image-2.6 s’inscrivent dans cette logique de montée continue, avec un même sous-texte : produire des modèles utiles, mesurables et intégrables dans Foundry puis dans les produits Microsoft. MAI-Image-2.6 doit arriver plus tard dans la semaine sur MAI Playground, puis être déployé bientôt dans Microsoft Foundry et d’autres produits.

À court terme, l’intérêt est surtout industriel. Microsoft veut disposer d’une gamme de modèles maison capables d’alimenter ses outils grand public et professionnels sans dépendre systématiquement d’OpenAI, Anthropic, Google ou xAI. À moyen terme, cela lui donne plus de marge sur les coûts, la gouvernance et l’intégration. Et un peu moins de dépendance, ce qui n’est jamais un luxe quand on veut garder la main sur la route.