Un possible accord entre Anthropic et Microsoft pourrait marquer un tournant dans la bataille des puces d’IA

Si Anthropic finissait par utiliser Maia pour certaines charges de travail — notamment l’inférence de ses modèles Claude — cela montrerait que les puces de Microsoft sont capables de supporter des déploiements d’IA réels et massifs, et pas seulement des tests internes.

Maia 200 : une puce conçue pour l’inférence

La Maia 200 est la deuxième génération d’accélérateurs d’IA conçus par Microsoft pour Azure. Elle vise surtout l’inférence, c’est‑à‑dire l’exécution de modèles déjà entraînés afin de produire des réponses pour les utilisateurs.

Cette étape est devenue la plus coûteuse à long terme pour les services d’IA, car chaque requête utilisateur nécessite du calcul.

Parmi les caractéristiques techniques clés :

• gravure TSMC 3 nanomètres
• cœurs tensoriels FP4 et FP8 adaptés aux modèles de langage modernes
• 216 Go de mémoire HBM3e avec environ 7 To/s de bande passante
• 272 Mo de SRAM intégrée pour alimenter rapidement les modèles
• plus de 10 pétaFLOPS en FP4 et plus de 5 pétaFLOPS en FP8

Microsoft affirme que cette architecture permet d’améliorer d’environ 30 % la performance par dollar par rapport au matériel précédent utilisé dans son infrastructure.

L’objectif est simple : réduire le coût de génération des tokens pour les grands modèles de langage, ce qui est essentiel lorsque des millions d’utilisateurs interagissent quotidiennement avec des assistants IA.

Comment cela s’inscrit dans le partenariat Microsoft–Anthropic

Même si Maia entrait dans l’infrastructure d’Anthropic, cela ne remplacerait pas les puces Nvidia utilisées aujourd’hui.

Les GPU de Nvidia restent dominants pour l’entraînement des grands modèles, et ils constituent toujours une part importante de l’infrastructure Azure utilisée par Anthropic.

Dans ce contexte, les puces Maia pourraient plutôt servir à certaines tâches spécifiques — en particulier l’inférence à grande échelle — où un matériel spécialisé peut offrir un meilleur rapport coût‑performance.

Une tendance plus large : multi‑cloud et multi‑puces

Les discussions entre Microsoft et Anthropic illustrent aussi une évolution majeure du secteur.

Les développeurs de modèles d’IA les plus avancés évitent désormais de dépendre d’un seul fournisseur de cloud ou d’un seul type de processeur. Ils répartissent leurs charges entre plusieurs infrastructures et architectures matérielles.

Cette approche présente plusieurs avantages :

• réduire la dépendance à une seule chaîne d’approvisionnement en GPU
• améliorer le pouvoir de négociation avec les fournisseurs d’infrastructure
• utiliser le matériel le plus efficace selon le type de tâche

De leur côté, les géants du cloud accélèrent leurs investissements dans le silicium maison : Google avec les TPU, Amazon avec Trainium et Inferentia, et Microsoft avec Maia. L’objectif est de contrôler davantage la chaîne technologique — des puces jusqu’aux plateformes d’IA — et de limiter la dépendance aux fournisseurs tiers.

Ce que cela révèle de la nouvelle course à l’infrastructure IA

Même si Nvidia reste aujourd’hui le fournisseur dominant de puissance de calcul pour l’IA, les grands fournisseurs de cloud construisent désormais des écosystèmes verticaux complets : centres de données, réseaux, plateformes d’IA et processeurs spécialisés.

Si Anthropic déployait Maia 200 à grande échelle, cela enverrait un signal fort : les puces conçues par les hyperscalers deviennent des alternatives crédibles pour des charges d’IA critiques.

Dans cette perspective, un simple contrat d’infrastructure pourrait symboliser quelque chose de plus large : une nouvelle phase de la guerre des puces d’IA, où les géants du cloud rivalisent non seulement par leurs services, mais aussi par leur propre silicium.