Microsoft lance Microsoft-Decision-1, un modèle d’intelligence artificielle spécialisé dans la prise de décision parmi plusieurs réponses prédéfinies. Contrairement aux modèles conversationnels classiques, il ne cherche pas à rédiger un texte, mais à attribuer des probabilités aux différentes options proposées. Développé à partir du modèle open weight Qwen3.5-9B d’Alibaba, puis affiné par Microsoft, il vise notamment à accélérer la classification, le routage des requêtes et le contrôle des agents IAL'IA agentique désigne les systèmes d'intelligence artificielle capables de planifier puis d'exécuter eux-mêmes des tâches complexes — réserver, coder, naviguer sur le Web, piloter des logiciels — plutôt que de se contenter de répondre à une question. Lire la fiche.
Présenté le 9 octobre par Achint Srivastava, vice-président de l’ingénierie logicielle au sein du bureau du directeur technique de Microsoft, ce modèle illustre une évolution du marché : plutôt que de solliciter un grand modèle généraliste pour chaque tâche, les entreprises peuvent utiliser des modèles spécialisés, plus rapides et moins coûteux.
Microsoft-Decision-1 : une IA qui choisit plutôt qu’elle ne rédige
Microsoft-Decision-1 fonctionne à partir d’un ensemble de réponses possibles. Pour chaque option, il produit un score de probabilité calibré afin d’aider à déterminer laquelle correspond le mieux à la demande ou aux critères fournis.
Le modèle prend en charge les questions binaires, comme oui ou non, les questionnaires à choix multiples et les évaluations par notation. Il peut également comparer les réponses d’autres IA ou les actions réalisées par des agents à une grille de critères prédéfinis.
Microsoft envisage plusieurs usages professionnels : classification de contenus, hiérarchisation des demandes, vérification de résultats, orientation des requêtes vers les bons systèmes et contrôle de workflows automatisés. Dans ces scénarios, générer une longue réponse n’est pas nécessaire. Il est surtout important de sélectionner rapidement une option cohérente.
Le modèle traite uniquement du texte et dispose d’une fenêtre de contexte de 32 000 tokens. Microsoft précise néanmoins qu’il ne doit pas constituer l’unique fondement de décisions importantes concernant des personnes, notamment en matière de crédit ou de recrutement.
Des performances annoncées supérieures aux modèles concurrents
Microsoft affirme que Decision-1 a obtenu la meilleure précision dans une comparaison portant sur 36 benchmarks et près de 150 000 questions tenues à l’écart de son entraînement.
Selon les tests internes de l’entreprise, le modèle serait 2,5 fois plus rapide que H2O-Lightning-4B v1.1 et jusqu’à 35 fois plus rapide que GPT-6 Sol. Microsoft indique également que lorsque la formulation d’une demande ou l’ordre des réponses proposées change, le modèle modifie sa décision dans seulement 1,3 % des cas en moyenne.
Toutefois, ces résultats doivent être interprétés avec prudence : ils proviennent des évaluations communiquées par Microsoft et ne suffisent pas, à eux seuls, à établir une supériorité générale sur toutes les tâches. Les performances peuvent varier selon les données, les critères d’évaluation et les conditions d’exécution.
L’entreprise a également évalué le modèle sur 5 250 requêtes réparties entre 11 benchmarks de sécurité. Les tests portaient notamment sur les contenus dangereux, les tentatives de contournement des protections et les attaques par injection de prompt.
Xbox et Copilot utilisent déjà ce type de modèle
Microsoft cite plusieurs expériences internes pour illustrer l’intérêt de cette approche. L’équipe Xbox Research a utilisé Decision-1 pour classer plus de 10 000 commentaires et avis de joueurs en différentes catégories thématiques.
D’après Microsoft, le modèle a obtenu une qualité comparable à celle de GPT-6 Sol dans ce contexte, tout en étant plus de 14 fois plus rapide et 200 fois moins coûteux. L’équipe CopilotMicrosoft Copilot est la marque regroupant les assistants IA de Microsoft, devenue en 2026 une plateforme d'agents capables d'exécuter des tâches, intégrée à Windows et Microsoft 365. Lire la fiche aurait, de son côté, constaté une qualité compétitive avec GPT5.6 Luna et une vitesse jusqu’à 100 fois supérieure.
Ces résultats montrent pourquoi les modèles spécialisés peuvent intéresser les entreprises qui traitent de grandes quantités de données. Pour classer des milliers de commentaires, router des requêtes ou vérifier des sorties générées par une IA, un modèle de décision compact peut éviter de mobiliser systématiquement une infrastructure plus lourde.
Un coût d’inférence particulièrement bas
Microsoft annonce un tarif de 0,042 dollar par million de tokens en entrée, tandis que les tokens en sortie sont gratuits. Cette structure tarifaire vise à rendre le modèle intéressant pour les applications qui doivent évaluer un grand nombre de requêtes.
Microsoft-Decision -1 est disponible sur Microsoft Foundry ainsi que via OpenRouter. Microsoft indique également prévoir de le réentraîner ou de l’adapter à partir d’autres modèles, notamment ceux d’OpenAI et ses propres modèles MAI. L’entreprise n’a pas précisé les raisons de cette évolution envisagée.
Le choix initial de Qwen3.5-9B, un modèle à poids ouverts développé par Alibaba, montre aussi comment les entreprises peuvent partir d’une base existante pour créer des outils spécialisés, plutôt que de développer intégralement un modèle depuis zéro.
Les modèles de décision, un nouveau terrain de concurrence
Microsoft-Decision-1 arrive sur un segment qui attire déjà plusieurs acteurs. OpenAI propose une API Decisions en bêta publique, tandis que Cloudflare, Strands, Liquid AI, PerplexityUn moteur de recherche dopé à l'IA qui interroge le web en temps réel et cite systématiquement ses sources. Lire la fiche et Snowflake ont également annoncé des modèles ou des solutions dédiés à la prise de décision.
Cette multiplication des offres traduit un changement dans la manière de concevoir les systèmes d’IA. À mesure que les agents deviennent capables d’enchaîner des actions et d’utiliser des outils, les entreprises ont besoin de composants spécialisés pour décider de la prochaine étape, contrôler les résultats et orienter les tâches.
Avec Decision-1, Microsoft mise donc sur une IA moins généraliste, mais potentiellement plus adaptée à des décisions répétitives et bien définies. Si les gains de vitesse et de coût annoncés se confirment dans des déploiements réels, ce type de modèle pourrait devenir une brique importante des architectures d’agents IA, en complément des grands modèles de langage plutôt qu’en remplacement de ceux-ci.
