Microsoft AI : Copilot, modèles MAI et Phi, Foundry et usages en entreprise

Microsoft AI est la division d'intelligence artificielle de Microsoft, l'éditeur de logiciels fondé en 1975 par Bill Gates et Paul Allen et dirigé depuis 2014 par Satya Nadella. Elle a été créée en mars 2024, lorsque Mustafa Suleyman, cofondateur de DeepMind puis d'Inflection AI, a rejoint Microsoft avec une partie de son équipe, dont le chercheur Karén Simonyan, devenu directeur scientifique.

Le terme recouvre deux réalités qu'il est utile de distinguer. Au sens strict, Microsoft AI est l'équipe qui conçoit les modèles maison de Microsoft, la famille MAI. Fin 2025, elle a créé une équipe dédiée à la « superintelligence », et depuis la réorganisation annoncée en mars 2026, Mustafa Suleyman se concentre sur ces modèles de pointe, tandis que les produits Copilot, grand public et professionnels, ont été réunis dans une division distincte. Au sens large, « l'IA de Microsoft » désigne toute l'offre du groupe : Copilot, Microsoft 365 Copilot, la plateforme cloud Microsoft Foundry, les modèles Phi de Microsoft Research et GitHub Copilot.

L'histoire de Microsoft dans l'IA générative est d'abord celle de son partenariat avec OpenAI. Microsoft investit dans OpenAI dès 2019 et devient le cloud qui entraîne et sert ses modèles. En 2021, GitHub, racheté par Microsoft en 2018, lance GitHub Copilot, l'un des premiers assistants de code fondés sur un LLM. En 2023, Bing Chat puis Copilot, et Microsoft 365 Copilot, apportent les modèles GPT dans le moteur de recherche, Windows et la suite Office. Depuis 2025, Microsoft développe ses propres modèles et diversifie ses fournisseurs, en proposant notamment les modèles d'Anthropic.

À retenir : Microsoft est à la fois éditeur de modèles, distributeur de modèles tiers et éditeur d'applications d'IA. Pour une entreprise, la question utile est rarement « Microsoft ou non ? », mais « quel produit Microsoft, avec quel modèle, pour quel usage ? ».

Microsoft s'appuie sur trois sources de modèles : ses modèles MAI, ses petits modèles ouverts Phi et les modèles de partenaires distribués dans Foundry. Les versions évoluent vite : mieux vaut raisonner par famille et vérifier le catalogue au moment du choix.

Les premiers modèles MAI sont publiés en août 2025 (MAI-Voice-1 et MAI-1-preview), puis MAI-Image-1 en octobre 2025. En juin 2026, lors de la conférence Build, Microsoft présente une nouvelle série, dont MAI-Thinking-1, son premier modèle de raisonnement, et MAI-Code-1, intégré à GitHub Copilot. Microsoft indique les avoir entraînés à partir de zéro, sur des données sous licence, et les distribue aussi sur des plateformes tierces. Ces modèles restent propriétaires.

La famille Phi, développée par Microsoft Research depuis 2023, illustre une autre approche : des SLM entraînés sur des données soigneusement sélectionnées, capables de bons résultats avec peu de paramètres. La génération Phi-4 comprend des déclinaisons compactes, multimodales et de raisonnement, dont Phi-4-reasoning-vision, publiée en mars 2026. Ces modèles s'exécutent sur un poste ou un serveur modeste, par exemple avec Ollama.

Comment choisir entre les modèles du catalogue ?

Le catalogue de Foundry compte des milliers de modèles, ce qui rend la sélection plus difficile qu'elle n'y paraît. Partez de la tâche : un petit modèle Phi suffit souvent pour la classification ou l'extraction, un modèle de raisonnement se justifie pour les agents ou les analyses en plusieurs étapes. Comparez ensuite la qualité sur un jeu de cas représentatif, la latence, le coût par requête utile et la disponibilité dans votre région Azure. Notre guide LLM : savoir lequel choisir détaille cette démarche.

Le partenariat avec OpenAI structure l'offre d'IA de Microsoft depuis 2019, mais ses termes ont beaucoup évolué. Il est utile de les connaître, car ils déterminent où et comment les modèles GPT sont disponibles.

• 2019 à 2023 : Microsoft investit dans OpenAI à plusieurs reprises. Azure devient le fournisseur exclusif de calcul d'OpenAI et le seul cloud à proposer ses modèles, via le service Azure OpenAI. Les modèles GPT alimentent Bing, Copilot, Microsoft 365 Copilot et GitHub Copilot.
• Octobre 2025 : lors de la restructuration d'OpenAI en public benefit corporation, Microsoft devient actionnaire d'environ 27 % d'OpenAI Group PBC et obtient des droits sur sa propriété intellectuelle jusqu'en 2032. Les deux entreprises gagnent en liberté : Microsoft peut développer seul des modèles de pointe, OpenAI peut acheter du calcul ailleurs.
• Avril 2026 : un nouvel accord met fin à l'exclusivité cloud. OpenAI peut proposer tous ses produits, y compris son API, sur d'autres clouds, et ses modèles arrivent sur Amazon Bedrock dès le lendemain. Azure reste le partenaire principal, et Microsoft conserve une licence non exclusive sur les modèles et produits d'OpenAI jusqu'en 2032.

En parallèle, Microsoft a pris ses distances avec une dépendance à un seul fournisseur : modèles MAI développés en interne, modèles Claude d'Anthropic intégrés à Microsoft 365 Copilot depuis 2025, catalogue Foundry ouvert à de nombreux éditeurs. L'agent Copilot Cowork, lancé en 2026 dans Microsoft 365 Copilot, repose ainsi sur la technologie d'Anthropic.

À retenir : utiliser Copilot ou Foundry ne signifie plus forcément utiliser un modèle d'OpenAI. Pour un projet sensible, vérifiez quel modèle est réellement appelé, où il est hébergé et quelles conditions s'appliquent aux données.

Google est le concurrent le plus direct de Microsoft dans l'IA d'entreprise : les deux groupes proposent une suite bureautique dotée d'un assistant, un cloud avec une plateforme d'agents, des modèles maison et des outils pour les développeurs. Leur principale différence tient à l'origine des modèles.

Lequel choisir ? Dans la plupart des entreprises, le choix suit l'environnement existant : une organisation sur Microsoft 365 et Azure tirera plus facilement parti de Copilot et de Foundry, une organisation sur Google Workspace et Google Cloud de Gemini. Microsoft se distingue par la largeur de son catalogue de modèles tiers et par la place de GitHub chez les développeurs ; Google DeepMind conçoit en interne les modèles Gemini qui équipent la plupart des produits Google. Pour une application sur mesure, rien n'oblige à rester chez son fournisseur bureautique : comparez les modèles sur vos données, la latence et le coût, puis isolez l'appel au modèle derrière une interface interne pour pouvoir en changer.