MAI
Microsoft · Programmation
MAI est la famille de modèles d'intelligence artificielle développés en interne par Microsoft, créée par sa division Microsoft AI sous la direction du PDG Mustafa Suleyman. La gamme couvre la génération d'images, la synthèse vocale et la transcription audio, avec des modèles de raisonnement et de code ajoutés courant 2026. Les développeurs accèdent aux modèles via Microsoft Foundry, tandis que les utilisateurs classiques les croisent dans Copilot, Bing, Teams et PowerPoint sans jamais toucher à une clé d'API.
À propos de MAI
Qu'est-ce que MAI
MAI est né de la réponse de Microsoft à un problème simple : l'entreprise s'appuyait trop sur OpenAI, alors elle a bâti ses propres modèles de fondation. Elle a livré les deux premiers, MAI-1-preview et MAI-Voice-1, le 29 août 2025. La génération d'images a suivi en octobre avec MAI-Image-1. À la conférence Build de 2026, la famille couvrait plus de sept modèles entre image, voix, transcription, raisonnement et code.
L'intérêt concret tient au coût et à la vitesse. Microsoft applique des tarifs agressifs à ces modèles : la transcription démarre à 0,10 dollar par heure d'audio, et les modèles Flash d'image coûtent une fraction des versions phares. Si vous développez des fonctions audio ou visuelles à grande échelle, cet écart se voit vite.
La difficulté, c'est l'accès. MAI n'est pas une application grand public que l'on télécharge. La plupart des modèles vivent derrière Microsoft Foundry et Azure, il faut donc un compte développeur et une intégration d'API pour les utiliser directement. L'utilisateur classique ne voit que les résultats intégrés à Copilot et Bing, où le choix du modèle ne lui appartient pas. Pour un regard indépendant sur ce que fait chaque version, le site officiel de Microsoft AI reste le seul endroit avec des détails à jour.
Pour commencer
- Créez un compte Microsoft Foundry ou Azure et choisissez un abonnement.
- Ouvrez le catalogue de modèles et déployez un modèle MAI, comme MAI-Image-2.5 ou MAI-Voice-2.
- Récupérez votre endpoint et votre clé d'API depuis la page de déploiement.
- Envoyez une requête de test avec un prompt, une image ou un fichier audio selon le modèle.
- Vérifiez la sortie, puis reliez l'endpoint à votre application ou à votre flux de travail.
Informations sur le produit
Aperçu des tarifs, des plateformes compatibles et des performances de MAI.
Idéal pour
Les utilisateurs, tâches et cas d'usage où cet outil convient le mieux.
Utilisateurs
- Les développeurs qui ont besoin d'API d'image, de voix ou de transcription sans payer les tarifs des modèles phares
- Les équipes produit qui ajoutent des fonctions vocales à une application
- Les utilisateurs de Copilot et de Microsoft 365
Tâches
- Générer des visuels produit et des maquettes d'interface
- Transformer des enregistrements en texte
- Créer des agents vocaux
Cas d'usage
- Les flux médias à fort volume qui ont besoin d'un traitement par lots bon marché et rapide plutôt que d'une qualité ponctuelle.
- L'analyse en entreprise de documents et de réunions, où le contexte long et la conformité des données comptent.
- Le prototypage d'une fonction multimodale avant de s'engager sur un plus gros contrat cloud.
Fonctionnalités clés
Génération et édition d'images
La gamme MAI-Image transforme des prompts texte en images. Elle retouche aussi les images existantes, de la suppression d'objets au remplissage de zones en passant par la mise à jour de texte. Microsoft divise la gamme en une version phare pour le travail de haute fidélité et des variantes Flash ou Efficient pour les tâches en masse, où vitesse et coût priment sur la qualité maximale. Plusieurs versions sont entrées dans le top 3 des classements publics de génération d'images, selon Microsoft.
Synthèse vocale expressive
MAI-Voice génère une parole naturelle et garde le timbre d'un locuteur stable sur de longs passages, ce qui compte pour les livres audio et la narration. En tant qu'API de synthèse vocale, il tourne efficacement sur un seul GPU, produit jusqu'à une minute d'audio en une seconde environ et prend en charge le clonage de voix à partir de quelques secondes d'échantillon. La couverture s'étend à plus de 15 langues avec des contrôles d'émotion via SSML.
Transcription vocale à grande échelle
MAI-Transcribe-1 assure la conversion parole-texte par lots dans plus de 40 langues, avec séparation des locuteurs, horodatages au mot et détection automatique de la langue. En tant qu'API de reconnaissance vocale, il gère la parole mixte comme le hinglish et le spanglish, et traite une heure d'audio en une dizaine de secondes. Microsoft le facture à partir de 0,10 dollar par heure d'audio.
Modèles de raisonnement et de code
MAI-Thinking-1 est le premier modèle de raisonnement dédié de la famille, conçu pour l'analyse de contexte long et les tâches à plusieurs étapes, tandis que MAI-Code-1 vise la génération de code dans GitHub Copilot. Les deux ciblent les charges de travail d'entreprise, où la licence des données et la fiabilité comptent plus que les scores bruts des benchmarks.
Tourne dans les produits de Microsoft
Ce ne sont pas des expériences de laboratoire. Ces mêmes modèles alimentent Copilot, la création d'images de Bing, la transcription de Teams et les fonctions d'image de PowerPoint, ce qui leur donne une échelle d'usage réel que la plupart des modèles de recherche n'atteignent jamais.
Avantages et inconvénients
Avantages
- Des tarifs compétitifs, surtout sur la transcription et les variantes Flash d'image.
- Une gamme large qui couvre image, voix, transcription, raisonnement et code au même endroit.
- Une intégration poussée avec des produits Microsoft que vous utilisez peut-être déjà au quotidien.
- Un bon support multilingue, en voix comme en transcription.
Inconvénients
- Aucune application grand public autonome, donc l'utilisateur occasionnel ne peut pas choisir un modèle directement.
- L'accès direct exige un compte Foundry ou Azure et un travail d'API, ce qui relève la barrière pour les créateurs solo.
- Certaines fonctions, comme la transcription en temps réel et la séparation des locuteurs dans les premières versions, sont arrivées plus tard ou sont restées en aperçu, vous attendrez donc peut-être une feuille de route pour la capacité exacte dont vous avez besoin.
- Les modèles phares coûtent encore nettement plus cher que les options Flash, donc qualité et budget tirent souvent en sens opposés.
Questions fréquentes
MAI est la famille de modèles d'IA développés par Microsoft lui-même, créée par sa division Microsoft AI. Elle comprend des modèles d'image, de voix, de transcription, de raisonnement et de code, et non un seul produit.
Contenus associés
Découvrez des outils, des compétences et des articles liés à MAI.
Alternatives à MAI
Forefront
Forefront · ProgrammationForefront est une plateforme web pour construire avec de l'IA open source. Elle vous laisse affiner les principaux modèles de langage open source sur vos propres données, évaluer leurs performances et les exécuter via une API ou les exporter pour les héberger vous-même. Les développeurs qui veulent le confort d'une plateforme fermée mais tiennent à rester propriétaires de leurs modèles et de leurs données sont le public visé ici.
Startkit
StartKit.AI · ProgrammationStartkit est un boilerplate pour créer des produits SaaS d'IA et des wrappers d'IA. Voyez-le comme un boilerplate de startup IA avec les parties ennuyeuses déjà branchées : authentification, paiements Stripe et Lemon Squeezy, limites d'usage, e-mail transactionnel et un kit de démarrage d'API IA qui parle à OpenAI, Anthropic, Groq ou Llama. Vous clonez le dépôt, fixez votre prix et attaquez la partie du produit pour laquelle les gens paient vraiment. Il repose sur Next.js au-dessus de React et Tailwind, donc une bonne partie du code boilerplate vous semble déjà familière.
Testim
Tricentis · ProgrammationTestim est une plateforme d'automatisation des tests dopée à l'IA, qui sert à créer et exécuter des tests de bout en bout sur des applications web, mobiles et Salesforce. Elle s'appuie sur l'apprentissage automatique pour garder les tests stables quand une interface change, alors les équipes passent moins de temps à réparer des sélecteurs cassés. Pas mal pour un outil de tests automatisés que vous pouvez utiliser dès aujourd'hui. Vous créez des tests en enregistrant des actions dans un navigateur, puis vous ajoutez du JavaScript quand vous avez besoin de plus de contrôle. C'est un choix solide pour une équipe QA bien occupée.