Logo de YuSMP Group
YuSMP Group Editorial Team Rédaction, YuSMP Group
Un cœur de processeur modulaire retiré de son support sur une carte électronique pendant qu’un autre cœur prend sa place, dans des tons bleus et dorés, illustrant le remplacement d’un fournisseur de modèles d’IA derrière une application

L’essentiel

Selon Bloomberg, le 7 juillet 2026, Microsoft a commencé à acheminer une partie des requêtes Microsoft 365 Copilot dans Excel et Outlook vers ses propres modèles MAI plutôt que vers OpenAI et Anthropic, afin de réduire ses dépenses d’IA externes. Des dizaines de milliers de requêtes par semaine passent déjà par MAI — une faible part du volume total de Copilot — et le patron de l’IA, Mustafa Suleyman, a indiqué que l’objectif était de continuer à réduire ces dépenses externes, jusqu’à cesser à terme tout paiement à Anthropic.

Pour les équipes qui développent des logiciels pour les marchés américain et européen, la leçon n’est ni « passer à MAI » ni « abandonner OpenAI ». Elle est architecturale. Quand le plus gros acheteur d’IA diversifie ses fournisseurs, la concentration sur un seul acteur devient un enjeu de conception de premier plan — et l’assurance la moins chère reste une couche d’abstraction qui fait d’un changement ou d’un mélange de fournisseurs une simple modification de configuration, et non une réécriture.

Qu’est-ce que Microsoft a réellement changé ?

Il ne s’agit pas d’une nouvelle fonctionnalité, mais du moteur qui tourne derrière le même bouton. Microsoft 365 Copilot — l’IA intégrée à Excel, Outlook, Word et Teams — s’appuie largement sur les modèles d’OpenAI, auxquels se sont ajoutés des modèles Anthropic pour certaines tâches au cours de l’année écoulée. D’après l’article de Bloomberg du 7 juillet, Microsoft redirige désormais discrètement une partie de ces requêtes dans Excel et Outlook vers sa propre famille MAI. Les utilisateurs voient le même Copilot ; c’est le modèle qui répond en coulisses qui a changé.

Deux chiffres donnent l’échelle. Les modèles maison traitent des dizaines de milliers de requêtes par semaine, ce qui paraît beaucoup mais ne représente qu’une faible part du trafic total de Copilot : c’est une migration progressive et mesurée, pas une bascule brutale. Et elle doit s’étendre : Microsoft a indiqué que les modèles MAI arriveraient dans GitHub Copilot et Teams, et que ses propres modèles de transcription vocale équiperaient les appels vidéo Teams. Si votre produit intègre Copilot ou repose sur la pile IA de Microsoft, le modèle derrière vos fonctionnalités d’IA et de données peut changer sans la moindre action de votre part — une bonne occasion de savoir précisément de quel modèle vous dépendez.

Microsoft ne tourne pas le dos à ses partenaires. Le groupe reste un soutien majeur d’OpenAI et continue d’acheminer une grande partie du travail de Copilot vers des modèles externes. Le mot juste est diversification : ajouter une option maison aux modèles achetés, puis déplacer le curseur là où ses propres modèles sont suffisamment bons et moins chers.

Pourquoi internaliser des modèles qu’il a aidé à financer ?

Le coût et le contrôle, dans cet ordre. Servir des modèles de pointe à des centaines de millions d’utilisateurs d’Office représente l’une des plus grosses factures d’inférence au monde, et chaque requête envoyée à un fournisseur externe est une marge cédée à un sous-traitant. Posséder le modèle fait chuter le coût par token, supprime une dépendance et permet à Microsoft d’ajuster finement les modèles à ses propres produits et à sa télémétrie. Suleyman a été clair : réduire les dépenses externes — et, à terme, ne plus rien payer à Anthropic — est l’objectif.

Ce qui rend la démarche viable aujourd’hui, c’est que MAI est devenu suffisamment bon pour une part croissante du travail réel. Lors de sa conférence Build en juin 2026, Microsoft a présenté sept nouveaux modèles d’un coup, et l’un d’eux approcherait en génération de code Opus 4.6, la génération précédente d’Anthropic, pour un prix inférieur. C’est la partie discrète de l’histoire : pour les tâches courantes d’un assistant — résumer une boîte de réception, rédiger une formule, nettoyer un tableur — un modèle maison moins cher arrive désormais assez près d’un modèle de pointe pour que l’écart de prix l’emporte. La pointe reste indispensable pour les tâches les plus difficiles ; elle n’est plus le seul choix défendable pour les tâches simples.

Pourquoi est-ce un signal, et pas seulement une histoire de Microsoft ?

À cause de l’acteur. Microsoft figure parmi les plus gros acheteurs et distributeurs d’IA au monde, et il a co-investi dans les modèles mêmes qu’il contourne aujourd’hui. Quand un client doté d’un tel pouvoir de négociation et d’une telle connaissance interne décide que la bonne stratégie est de bâtir sa propre option et de diversifier ses approvisionnements, il envoie un message au marché : les modèles performants se banalisent, les coûts de changement sont le vrai risque, et dépendre d’un seul fournisseur est une position dont il faut sortir par l’ingénierie — pas un partenariat sur lequel s’appuyer.

La plupart des équipes ne peuvent pas copier la tactique ; presque personne ne devrait construire un modèle de pointe. Mais la stratégie se transpose sans difficulté. Nul besoin de la taille de Microsoft pour traiter les modèles comme une ressource interchangeable et mise en concurrence plutôt que comme une dépendance figée. Les équipes exposées sont celles qui ont câblé leur produit sur l’API d’un seul fournisseur, avec ses particularités et sa tarification disséminées dans tout le code, et sans chemin testé vers une alternative. Quand ce fournisseur change ses prix, restreint ses quotas ou retire un modèle, elles découvrent quelle part de leur architecture appartenait en réalité au fournisseur.

Ce que cela signifie pour les équipes logicielles aux États-Unis et en Europe

Transformez l’actualité en trois habitudes d’ingénierie. D’abord, placez une abstraction indépendante des fournisseurs entre votre logique métier et tout modèle, pour que le fournisseur et le nom du modèle relèvent de la configuration, et non d’hypothèses éparpillées dans le code. Ensuite, évaluez au moins une alternative moins chère ou à poids ouverts par tâche, sur vos propres données et selon vos propres critères de qualité — le cas Microsoft prouve que « suffisamment bon et moins cher » l’emporte sur « le meilleur et le plus cher » pour une grande part du travail courant. Enfin, gardez un modèle de repli configuré et testé, afin qu’une hausse de prix, un plafond de quota ou une panne dégrade la fonctionnalité en douceur au lieu de la mettre hors service.

Les enjeux sont plus élevés dans les secteurs réglementés. Dans la FinTech et les autres domaines audités, « nous dépendons d’un seul fournisseur d’IA, sans alternative » constitue un risque de concentration que les revues de résilience opérationnelle et de risque fournisseur pointeront nommément. Une approche en portefeuille — un modèle principal, un repli testé, une abstraction qui rend le basculement routinier — n’est pas seulement moins coûteuse : c’est la posture qu’attend une évaluation de résilience. Intégrez-la tôt, car ajouter après coup une abstraction à un produit conçu pour un seul fournisseur coûte bien plus cher que de la prévoir dès le départ.

Rien de tout cela ne consiste à courir après le modèle le moins cher partout ou à changer de fournisseur pour le principe. Il s’agit de traiter votre choix de modèle comme un portefeuille que l’on rééquilibre au gré des prix et de la qualité : adapter la capacité à la tâche, garder la possibilité de changer d’avis à moindre coût et ne jamais laisser un fournisseur unique tenir la feuille de route de votre produit.

Qu’est-ce que cela change pour le marché français ?

En France, la question de la dépendance aux fournisseurs américains d’IA se pose avec une acuité particulière, car elle rejoint le débat sur la souveraineté numérique et la présence d’acteurs nationaux comme Mistral AI. L’initiative de Microsoft illustre concrètement ce que les DSI français entendent par « réversibilité » : un même service peut changer de modèle sous le capot du jour au lendemain. Une architecture indépendante des fournisseurs permet de réserver les cas d’usage sensibles à un modèle européen ou auto-hébergé, tout en conservant les modèles américains là où ils apportent le plus, sans réécrire le produit.

Côté conformité, un changement de modèle chez le fournisseur peut modifier le traitement des données personnelles : les analyses d’impact (AIPD) et les contrats de sous-traitance prévus par le RGPD doivent donc couvrir cette hypothèse plutôt qu’un modèle précis, en s’appuyant sur les recommandations de la CNIL relatives aux systèmes d’IA. Pour les acteurs publics et les opérateurs sensibles, la qualification SecNumCloud de l’ANSSI pèse dans le choix de l’hébergement ; pour les banques et assureurs, DORA impose de maîtriser le risque de concentration sur les prestataires TIC, sous le contrôle de l’ACPR. Un plan de sortie documenté pour le fournisseur d’IA fait alors partie des exigences, pas des options.

Checklist de portabilité des modèles

Pas de nouvelle échéance — seulement le travail qui rend la prochaine décision d’un fournisseur anodine :

  1. Ajoutez une couche d’abstraction. Faites passer chaque appel de modèle par une interface interne unique, pour que fournisseur et modèle relèvent de la configuration et non d’un code dispersé dans l’application.
  2. Connaissez votre dépendance. Notez quel modèle alimente chaque fonctionnalité d’IA et ce qui casse s’il change — on ne pilote pas une dépendance qu’on n’a pas nommée.
  3. Comparez une alternative par tâche. Testez un modèle moins cher ou à poids ouverts sur vos propres données pour chaque tâche ; conservez ceux qui atteignent votre niveau de qualité.
  4. Configurez et testez un repli. Branchez au moins un fournisseur alternatif et exercez réellement la bascule, pour qu’elle fonctionne le jour où vous en avez besoin.
  5. Mesurez coût et qualité par fonctionnalité. Journalisez tokens, latence et un score d’évaluation, pour que le rééquilibrage repose sur des faits et non sur des impressions.
  6. Rééquilibrez à intervalles réguliers. Les prix et classements des modèles évoluent chaque mois ; revoyez le mix selon un calendrier au lieu de considérer le premier choix comme définitif.

Ceci ne constitue pas un conseil en investissement ou en achats, et le bon mix de modèles dépend de vos charges de travail, de vos exigences de qualité et de vos marchés. Mais le signal stratégique envoyé par Microsoft est clair : même le plus gros acheteur refuse d’être enfermé — construisez donc les mécanismes qui gardent vos options ouvertes.

Questions fréquentes

Qu’est-ce que Microsoft a réellement changé ?

Selon Bloomberg, le 7 juillet 2026, Microsoft a commencé à acheminer une partie des requêtes Microsoft 365 Copilot dans Excel et Outlook vers ses propres modèles MAI au lieu d’OpenAI et d’Anthropic. Des dizaines de milliers de requêtes par semaine passent déjà par MAI, ce qui reste une faible fraction du volume total de Copilot. Le patron de l’IA chez Microsoft, Mustafa Suleyman, a présenté l’objectif comme une réduction progressive des dépenses d’IA externes et a indiqué que Microsoft souhaitait, à terme, cesser complètement de payer Anthropic.

Pourquoi Microsoft s’éloigne-t-il des modèles OpenAI qu’il a aidé à financer ?

Pour le coût et le contrôle. Servir des modèles de pointe à l’échelle de Microsoft coûte extrêmement cher, et le groupe dispose désormais de sa propre famille MAI — dont sept modèles présentés à Build en juin 2026, l’un d’eux égalant, selon les informations disponibles, Opus 4.6, la génération précédente d’Anthropic, en programmation pour un coût inférieur. Posséder le modèle permet de réduire le coût par token, de limiter la dépendance aux fournisseurs externes et d’adapter les modèles à ses produits. Microsoft n’a abandonné ni OpenAI ni Anthropic ; il se diversifie.

Les équipes doivent-elles aussi construire leurs propres modèles ?

Pour presque toutes les équipes, non. Microsoft dispose de l’échelle en centres de données, des chercheurs et de la demande qui justifient de construire. La plupart des équipes produit devraient continuer à acheter des modèles de pointe tout en restant portables — avec une couche d’abstraction entre le produit et le fournisseur, pour pouvoir changer ou combiner les modèles quand les prix et la qualité évoluent. La leçon n’est pas « construisez le vôtre », mais « ne câblez pas un fournisseur unique en dur ».

Qu’est-ce que l’internalisation des modèles et pourquoi est-ce un signal ?

On parle d’internalisation lorsqu’une entreprise qui achète massivement de l’IA se met à concevoir et à exploiter ses propres modèles pour moins dépendre de fournisseurs externes. C’est un signal parce que Microsoft est l’un des plus gros acheteurs d’IA au monde : quand le plus gros client se diversifie loin d’un fournisseur unique, cela montre que les modèles performants se banalisent et que la concentration sur un seul fournisseur est un risque de coût et de résilience qu’il vaut la peine de neutraliser par l’ingénierie.

Que doivent faire les responsables techniques ce trimestre ?

Placer une abstraction indépendante des fournisseurs entre l’application et tout modèle, évaluer au moins une alternative moins chère ou à poids ouverts par tâche sur leurs propres données, configurer un modèle de repli et mesurer coût et qualité par fonctionnalité, afin qu’un changement de prix ou de disponibilité soit une modification de configuration plutôt qu’un incident. Traitez le choix du modèle comme un portefeuille à rééquilibrer, pas comme un pari unique.

Sources

Bloomberg — Microsoft Replaces OpenAI, Anthropic With Own AI in Some Apps (7 juillet 2026)
CNBC — Microsoft unveils new AI models to lessen reliance on OpenAI and lower costs for developers (2 juin 2026)
The Decoder — Copilot goes cheap as Microsoft phases out OpenAI and Anthropic models to cut costs (juillet 2026)