Voici tout ce qui a été annoncé à Microsoft Build 2026

Microsoft Build 2026 comptait suffisamment de noms de produits pour se demander si le keynote était livré avec son propre gestionnaire de paquets.

Alors simplifions tout cela : Microsoft essaie de construire un monde où les agents d’IA accomplissent un véritable travail.

C’était le cadre posé par Satya Nadella dès le début. Il a commencé par ouvrir le keynote en expliquant que les conférences développeurs servent à comprendre les évolutions technologiques et la nouvelle pile. La nouvelle pile qu’il a présentée comportait cinq couches : le calcul, les modèles, le contexte, les outils et l’environnement d’exécution, le tout entouré de systèmes de sécurité et de gouvernance.

Il ne s’agit pas seulement d’un meilleur bouton Copilot. Lors de Build 2026, Microsoft a présenté une pile d’agents qui s’étend des puces et des centres de données aux PC Windows, aux workflows GitHub, aux outils Azure, aux données Microsoft 365 et à de nouveaux appareils comme des badges de bureau et des assistants de bureau.

L’idée maîtresse est la suivante : les agents ont besoin d’un endroit où vivre.

Une fenêtre de conversation fonctionne très bien lorsqu’on veut poser une question. Un véritable agent d’entreprise, c’est-à-dire un logiciel capable d’effectuer des actions à votre place, a besoin de bien davantage. Il lui faut des ressources de calcul, des autorisations pour accéder aux fichiers, une identité permettant à l’entreprise de savoir qui a fait quoi, une mémoire de la tâche, des outils qu’il peut utiliser en toute sécurité et une piste d’audit afin que le service informatique puisse examiner ultérieurement ce qui s’est passé.

La réponse de Microsoft consiste donc à bâtir toute la pile autour de cela.

Entrons dans le vif du sujet, voulez-vous ? Faites défiler la page pour découvrir notre récapitulatif complet.

Pour commencer, le résumé en bref

Microsoft Build 2026 ne portait pas vraiment sur une nouvelle fonctionnalité de Copilot, un nouvel appareil Surface ou un nouveau modèle.

Microsoft cherchait à présenter la pile complète des agents.

À 1:50, Satya Nadella a posé le cadre : calcul, modèles, contexte, outils, environnement d’exécution et sécurité. En clair, Microsoft estime que les agents utiles ont besoin d’un environnement de travail complet autour d’eux.

Les grandes annonces s’inscrivent dans cette carte :

• Agents locaux : À 4:24, Microsoft a annoncé les mises à jour des API d’IA de Windows, notamment Aion 1.0 Instruct et Aion 1.0 Plan. Aion Instruct est un modèle plus compact exécuté sur l’appareil, destiné à la synthèse, aux réécritures, aux intentions et à l’accessibilité. Aion Plan est un modèle de raisonnement et d’appel d’outils de 14 milliards de paramètres avec un contexte de 32 k qui est intégré à Windows.
• Windows pour développeurs : Microsoft a également annoncé les Windows Development Configurations, désormais disponibles pour tous, afin que les développeurs puissent configurer une machine de développement optimisée à l’aide d’un seul fichier de configuration WinGet. L’entreprise a aussi présenté Intelligent Terminal, un Windows Terminal expérimental doté d’un contexte d’agent via ACP, ainsi que Coreutils for Windows et des conteneurs WSL qui arriveront prochainement en préversion.
• PC dotés d’IA : À 6:14, Microsoft a présenté le Surface Laptop Ultra, une station de travail Windows haut de gamme dédiée à l’IA, équipée de composants Nvidia et dotée de jusqu’à 128 Go de mémoire unifiée. À 7:23, l’entreprise a présenté le Surface RTX Spark Dev Box, une machine compacte de développement locale pour l’IA, offrant jusqu’à 1 pétaflop de calcul dédié à l’IA, 128 Go de mémoire unifiée, la prise en charge locale de modèles de 120 milliards de paramètres et une disponibilité prévue plus tard cette année.
• Pile Nvidia : Microsoft et Nvidia ont annoncé une pile unifiée d’IA agentique pour les PC Windows RTX Spark et la DGX Station for Windows. L’idée plus large : Windows devient un environnement où les développeurs peuvent exécuter localement des agents personnels et passer à l’échelle supérieure avec des agents de pointe dans le cloud.
• Infrastructure : Les mises à jour de l’infrastructure de Microsoft pour l’ère des agents comprennent Maia 200, désormais en production, les machines virtuelles Cobalt 200 en préversion et Multipath Reliable Connection, ou MRC, un protocole réseau ouvert co-développé avec AMD, Broadcom, Intel, OpenAI et Nvidia pour garantir le fonctionnement fiable des charges de travail d’IA à très grande échelle.
• Nouveaux appareils agentiques : À 37:49, Microsoft a présenté Project Solara, une plateforme allant de la puce au cloud pour des appareils conçus d’abord pour les agents, notamment des appareils de bureau et des concepts de badges portables développés avec MediaTek et Qualcomm.
• Bases de données agentiques : Microsoft a présenté en préversion Azure HorizonDB, un service PostgreSQL entièrement administré conçu pour les applications agentiques. Il offre une latence extrêmement faible, une montée en charge en lecture, jusqu’à 3 fois plus de rapidité pour les transactions et les recherches, un index vectoriel avancé, la recherche sémantique, l’accès aux modèles depuis la base de données et des intégrations avec Microsoft Fabric et Foundry.
• Analyses accélérées : Microsoft a annoncé le GPU-accelerated Fabric Data Warehouse, qui peut exécuter les requêtes compatibles sur une infrastructure de calcul accélérée par Nvidia, sans réécriture des requêtes. La recherche CoddSpeed a remporté le prix du meilleur article industriel à SIGMOD 2026, et Microsoft affirme que ses tests internes ont montré des performances jusqu’à 7 fois supérieures.
• Accès au Web pour les agents : À 55:58, Microsoft a annoncé Web IQ, que Corey Noles a décrit comme la nouvelle méthode de Microsoft, plus rapide et plus efficace, pour permettre aux agents d’utiliser Internet. Microsoft indique que Web IQ est indépendant des modèles, natif pour MCP, conçu pour le Web, l’actualité, les images et la vidéo, et qu’il alimente déjà l’ancrage de Microsoft Copilot et de ChatGPT.
• Contexte d’entreprise : À 56:57, Microsoft a présenté sa couche IQ plus large, qui comprend Work IQ, Foundry IQ et Fabric IQ. Traduction : les agents peuvent utiliser les données du Web, les données de l’entreprise, le contexte professionnel et les relations commerciales au sein d’un même système gouverné.
• Agents en production : À 1:14:57, Microsoft a présenté Foundry comme la couche de production des agents, avec des agents hébergés, des démarrages à froid de sandbox inférieurs à 100 ms, aucun coût d’inactivité, des boîtes à outils, la prise en charge de Fireworks AI, le traçage, les évaluations, Agent Optimizer, Adaptive Evaluations et une publication en un clic vers Teams et Microsoft 365 Copilot.
• Agents de codage : À 1:18:21, GitHub a présenté la nouvelle application GitHub Copilot, en substance la réponse de Microsoft à Codex et Claude Code, avec accès aux modèles d’OpenAI, d’Anthropic et de Google. Il existe également un dépôt GitHub destiné aux développeurs.
• Backends d’applications d’entreprise : Microsoft a présenté en préversion Rayfin, un SDK et une interface de ligne de commande open source qui permettent aux agents de générer des backends d’applications typés et gouvernés, avec des bases de données, l’authentification, le stockage et des politiques d’accès. Le dépôt Rayfin est en ligne, et le partenariat avec Replit permet aux développeurs de coder dans Replit tout en déployant les données et services de leurs applications dans leur propre tenant Fabric.
• Garde-fous pour les entreprises : À 1:04:31, Microsoft a présenté Microsoft Execution Containers, ou MXC, dans le cadre des mêmes mises à jour du runtime des agents Windows. À 1:25:53, l’entreprise a également présenté Agent 365, son plan de contrôle pour gérer les agents avec des fonctions d’identité, d’autorisations, de sécurité, de protection des données et de conformité.
• PC cloud pour les agents : Microsoft a annoncé Windows 365 for Agents, qui fournit aux agents des PC cloud sécurisés et administrés pour interagir avec des applications, des navigateurs, des systèmes existants, des API et des flux de travail pilotés par interface utilisateur. Il prend en charge les agents sans code et ceux destinés aux développeurs, fonctionne via les outils d’Agent 365 et la version préliminaire de Copilot Studio, et repose sur une tarification à la consommation.
• Agents locaux ouverts : Microsoft a proposé OpenClaw sur Windows en version préliminaire via MXC, dans le cadre des mises à jour du runtime des agents Windows. Nvidia propose également OpenShell sur Windows pour les agents autonomes exécutés en bac à sable, avec gestion des politiques, routage de l’inférence et obfuscation des informations personnelles identifiables.
• Agents de travail toujours actifs : À 1:43:31, Microsoft a présenté les Copilot Autopilots, en commençant par Microsoft Scout, un agent de travail toujours actif basé sur OpenClaw. Scout fonctionne dans Teams, Outlook, OneDrive, SharePoint et les actions effectuées sur l’appareil local, avec sa propre identité Entra soumise à une gouvernance.
• Les propres modèles de Microsoft : À 1:51:51, Microsoft a présenté la nouvelle génération de modèles d’IA de Microsoft, notamment MAI-Thinking-1, son premier modèle de raisonnement. À 1:52:00, Mustafa Suleyman a déclaré qu’il s’agissait d’un modèle à 35 milliards de paramètres actifs en compétition dans la catégorie des modèles de taille moyenne.
• Modèles propres à chaque entreprise : À 1:46:38, Microsoft a présenté Frontier Tuning comme un moyen pour les entreprises de construire leur propre « machine d’optimisation », c’est-à-dire des boucles d’entraînement privées qui améliorent les modèles en fonction de leurs flux de travail, de leurs évaluations, de leurs outils et de leurs données.
• Agents de sécurité : Microsoft a également mis en avant MDASH, son système de sécurité agentique multimodèle qui s’appuie sur des équipes d’agents pour trouver des failles exploitables plus efficacement qu’un modèle ou un scanner unique.
• Découverte scientifique : À 2:10:45, Microsoft a annoncé que Microsoft Discovery était désormais disponible pour tous. Le service utilise des agents spécialisés, des graphes de connaissances, des simulations et des flux de travail en laboratoire pour aider les chercheurs à progresser plus rapidement dans la méthode scientifique. Microsoft a également publié un article de blog sur Discovery.
• Quantum : À 2:18:18, Microsoft a annoncé Majorana 2, sa puce quantique de nouvelle génération, dont les qubits seraient, selon Microsoft, 1 000 fois plus fiables que ceux de Majorana 1.

En bref : Microsoft veut faire passer les agents des fenêtres de discussion au système d’exploitation, au navigateur, à la base de code, au cloud, à la base de données de l’entreprise et, à terme, à de nouveaux appareils comme des badges et des compagnons de bureau.

La version la plus aboutie de cet avenir est séduisante. Un agent peut voir le contexte de votre travail, utiliser le modèle approprié, s’exécuter en toute sécurité sur votre appareil ou dans un PC cloud, consulter les données actualisées du Web, écrire du code, le tester, ouvrir une pull request, respecter les politiques et laisser une trace de ses actions.

Le plus difficile est de faire en sorte que tout cela paraisse simple.

Microsoft dispose d’une stratégie cohérente pour les agents. L’entreprise a aussi un problème de nomenclature suffisamment vaste pour être considéré comme une infrastructure. Cela dit, c’est de l’IA. Dans ce secteur, les noms n’ont jamais été l’élément porteur de la pile technologique.

Le titre : Microsoft construit l’ordinateur agentique

Un agent utile a besoin de plus qu’un modèle intelligent. Il lui faut les mêmes composants, peu enthousiasmants mais essentiels, que tout système professionnel :

• Puissance de calcul pour fonctionner rapidement et à moindre coût, parfois sur votre propre machine.
• Contexte provenant des fichiers, applications, bases de données de l’entreprise et du Web.
• Identité afin que l’entreprise sache qui ou quoi a effectué une action.
• Confinement, c’est-à-dire un espace sécurisé où l’agent peut exécuter du code ou manipuler des fichiers sans parcourir tout l’ordinateur.
• Interfaces qui apparaissent là où le travail s’effectue, au lieu de tout faire passer par une seule application de discussion.

Cette présentation explique le flot continu d’annonces. Windows AI APIs, Aion Instruct, Aion Plan, Surface Laptop Ultra, Surface RTX Spark Dev Box, Windows agent containment, OpenClaw on Windows, Microsoft Foundry, Web IQ, Scout, GitHub Copilot App, Azure HorizonDB, Project Solara, Maia 200, Cobalt 200, Microsoft Discovery, Majorana 2 et le partenariat avec la Mayo Clinic vont tous dans la même direction.

Microsoft tente de faire de Windows, Azure, GitHub et Microsoft 365 l’environnement d’exploitation des agents.

Autrement dit : Microsoft veut faire passer les agents de « quelque chose qu’on sollicite » à « quelque chose à qui l’entreprise peut confier du travail en toute sécurité ».

Windows devient la plateforme locale des agents

Microsoft a commencé par la périphérie parce qu’elle veut que les développeurs considèrent à nouveau les PC Windows comme de véritables machines d’IA.

À 2:46, Satya a commencé par Windows. Il a déclaré que la puissance de calcul locale présente dans les PC était « stupéfiante », avant de citer des exemples actuels qui utilisent déjà l’IA embarquée : les résumés d’Outlook, le texte alternatif de PowerPoint, la super-résolution de Teams et des outils Adobe comme After Effects et Premiere.

Le message était que Windows ML et Windows AI se développent afin que les développeurs puissent créer une IA locale embarquée fonctionnant sur l’ensemble du parc de GPU, de NPU et de CPU Windows.

Puis à 4:24, Microsoft a annoncé Aion Instruct and Aion Plan.

Aion Instruct est le modèle plus compact exécuté sur l’appareil, destiné aux résumés, aux réécritures, à la détection des intentions et à l’accessibilité. Aion Plan est le modèle de raisonnement et d’appel d’outils de 14 milliards de paramètres, doté d’un contexte de 32 K, intégré à Windows. Ensemble, Satya les a décrits comme permettant une boucle agentique entièrement locale, dans laquelle les développeurs peuvent donner aux agents accès aux outils et créer des applications agentiques sans aller-retour avec le cloud.

Cette expression, « aller-retour avec le cloud », est essentielle. Si chaque étape effectuée par l’agent doit quitter votre machine, l’expérience devient plus lente, plus coûteuse et plus complexe du point de vue de la confidentialité. Microsoft veut qu’un plus grand nombre de ces boucles se déroulent localement.

C’est donc la première partie du récit de Build : Microsoft veut faire de Windows un environnement où les agents peuvent raisonner, planifier, utiliser des outils et s’exécuter localement.

Surface Laptop Ultra est le PC d’IA haut de gamme

Surface Laptop Ultra est la version phare de cette promesse d’IA locale chez Microsoft.

À 6:14, Satya l’a présenté comme un appareil qui associe le système sur puce de nouvelle génération de Nvidia au design de Surface. Un système sur puce intègre le CPU, le GPU et les capacités d’IA. Microsoft a indiqué que la plateforme incluait une mémoire unifiée et le DRTM intégré, une fonction de sécurité destinée à établir un environnement d’amorçage et d’exécution fiable.

En clair : il s’agit pour Microsoft de créer un ordinateur portable Windows capable de se comporter comme une véritable station de travail dédiée à l’IA, tout en conservant l’apparence et le fonctionnement d’un ordinateur portable haut de gamme classique.

Le Surface Laptop Ultra comprend :

• Jusqu’à 128 Go de mémoire unifiée.
• Un écran lumineux de 2 000 nits.
• Une autonomie d’une journée entière.
• Des performances d’IA locale propulsées par Nvidia.
• Disponibilité cet automne.

La mémoire unifiée signifie que le CPU et le GPU peuvent puiser dans le même vaste espace mémoire. Les modèles d’IA consomment beaucoup de mémoire ; une mémoire partagée plus importante aide donc la machine à exécuter des modèles locaux plus volumineux, à traiter des jeux de données plus grands ou à gérer des flux de travail agentiques plus complexes sans déplacer constamment les données.

Corey va essayer de prendre en main le Surface Laptop Ultra pendant sa présence à Build, ce qui constitue exactement le bon test. Les caractéristiques techniques sont une chose. La vraie question est de savoir s’il s’agit d’une station de travail d’IA locale réellement pratique ou d’une machine de keynote bien éclairée.

Surface RTX Spark Dev Box est le boîtier d’IA locale pour les développeurs

Microsoft a ensuite poussé cette idée plus loin avec le Surface RTX Spark Dev Box.

À 7:23, Satya l’a présenté comme la machine que l’on construit lorsqu’on veut « maximiser la puissance de calcul » et « maximiser la mémoire » pour les développeurs. À 8:35, la vidéo de présentation l’a qualifié de « machine de rêve », avec :

• 1 pétaflop de puissance de calcul dédiée à l’IA.
• 20 cœurs de CPU.
• 128 Go de mémoire unifiée.
• Une liste d’attente à son lancement.

Un pétaflop est une mesure de la puissance de calcul. Vous n’avez pas besoin d’en connaître le calcul exact ici. L’idée est que Microsoft affirme que ce petit boîtier peut gérer des charges de travail d’IA locale conséquentes.

La page Surface de Microsoft ajoute les détails pratiques pour les développeurs : le Dev Box est livré avec une expérience Windows 11 Pro optimisée pour le développement, Visual Studio Code, GitHub Copilot dans Windows Terminal, WSL, PowerShell 7, Coreutils for Windows, BitLocker, Microsoft Defender, Entra ID, Intune, deux ports USB-C, USB-A, HDMI, Ethernet, une prise casque et une enveloppe thermique de 100 W dans un châssis en aluminium.

À 9 h 13, Satya a également annoncé que Windows arriverait sur NVIDIA’s DGX Station, qu’il a décrite comme un « centre de données de bureau » capable d’exécuter localement un modèle de 1 T de paramètres. La formule était presque volontairement absurde : le type de matériel autrefois associé aux premiers supercalculateurs dédiés aux modèles de pointe se rapproche désormais des bureaux, des laboratoires et des stations de travail pour développeurs.

Imaginez donc un agent qui examine votre base de code privée, lance des tests locaux, vérifie les journaux d’erreurs et prépare un correctif. Un modèle cloud peut aider. Le calcul local permet à ce flux de travail d’itérer plus rapidement, de réduire les coûts d’API et d’offrir de meilleures garanties en matière de confidentialité.

Corey va également voir s’il peut utiliser le Dev Box pendant son séjour. Cette prise en main sera utile, car cette catégorie se joue sur les sensations : la vitesse d’exécution des modèles locaux, le bruit généré par la machine, la propreté de l’installation et la capacité à retrouver un flux de travail de développeur normal une fois le keynote terminé.

Windows essaie aussi d’être moins pénible pour les développeurs

Microsoft a également présenté une expérience Windows optimisée pour les développeurs, et cette partie ressemblait presque à une offre de paix adressée aux développeurs qui préfèrent généralement macOS ou Linux.

À 9 h 44, Satya a déclaré que Windows 365 disposait désormais d’une distribution destinée aux développeurs et optimisée pour la productivité dans le cloud, tandis que Windows lui-même bénéficiait d’une série de mises à jour pensées pour les développeurs :

• Un environnement de développement sans distractions.
• Un terminal intelligent intégrant GitHub Copilot.
• Une meilleure prise en charge de Linux dans Windows.
• La prise en charge de Homebrew sur Windows natif.
• Une prise en charge de premier ordre des conteneurs.
• Plus de 70 utilitaires en ligne de commande.

La démonstration sur le Surface RTX Spark Dev Box a rendu tout cela concret. À 11 h 47, l’expérience par défaut n’affichait ni fil d’actualités, ni widgets, ni notifications, et le mode sombre était activé. L’idée était de proposer un « Windows calme », ce qui est amusant, car la formule ne fonctionne que si vous avez déjà utilisé Windows classique.

La démonstration comprenait également :

• Une barre des tâches verticale, désormais disponible dans les versions Windows Insider.
• Un dépôt de configuration public qui installe les outils de développement et ajuste les paramètres de Windows.
• Le Grab and Move de PowerToys, qui permet de déplacer les fenêtres depuis n’importe où au lieu de faire glisser la barre de titre.
• Un raccourci « Terminer la tâche » pour arrêter un processus sans ouvrir le Gestionnaire des tâches.
• Dev Drive, avec Microsoft Defender exécuté de manière asynchrone pour améliorer les performances de développement.
• Un état prenant en compte Git dans l’Explorateur de fichiers.
• Intelligent Terminal, avec un volet de terminal et un volet d’agent côte à côte.
• Des conteneurs WSL capables d’utiliser le GPU.
• Microsoft Edit avec coloration syntaxique.
• Des outils de style Linux comme Starship, Homebrew et btop.

Puis la démonstration est arrivée au véritable sujet des agents : le Surface RTX Spark exécute de grands modèles locaux.

La présentatrice a expliqué avoir développé avec un modèle de 120 milliards de paramètres que la plupart des machines ne peuvent pas charger, utilisé 3,4 millions de tokens locaux sur l’appareil, puis lancé des agents via Fleet. Elle a utilisé la voix de Copilot, exécutée par un modèle local, pour demander à l’agent de trouver les appels d’écriture dans la console et de les convertir vers le logger standard utilisé ailleurs dans la base de code.

L’agent principal a délégué des tâches à des sous-agents auprès du modèle local en utilisant le GPU, ce qui a réduit le coût du flux de travail. Aion Instruct a ensuite analysé les fichiers journaux localement, tandis que la machine affichait environ 90 Go de RAM utilisés par le GPU.

C’est cela, la véritable histoire des agents locaux. La machine ne se contente pas de répondre aux invites. Elle exécute simultanément des agents, des modèles locaux, des conteneurs, des outils en ligne de commande et des flux de travail liés au code.

L’infrastructure est le volet politique

Après la périphérie, Microsoft est passé au cloud. Satya a décrit l’équation fondamentale de l’infrastructure de Microsoft comme le nombre de « tokens par dollar et par watt ».

C’est une formule utile. L’infrastructure de l’IA ne consiste pas seulement à disposer des puces les plus puissantes. Il s’agit de convertir l’électricité en tokens utiles avec la plus grande efficacité possible.

Il est ensuite passé à l’aspect politique : obtenir l’accord des communautés.

Les centres de données dédiés à l’IA sont devenus un point de tension pour les communautés, car les habitants s’inquiètent du coût de l’électricité, de la consommation d’eau, de l’utilisation des terrains, de la pollution, des emplois locaux et de la question de savoir si les bénéfices profitent réellement aux personnes qui vivent à proximité des bâtiments.

Les principes affichés par Microsoft étaient les suivants :

• Ne pas augmenter les prix locaux de l’électricité.
• Utiliser l’eau de manière responsable.
• Créer des emplois pour les habitants.
• Accroître les recettes fiscales.
• Investir dans la formation locale et les organisations à but non lucratif.

Satya a ensuite donné l’échelle du projet : Azure compte désormais plus de 500 centres de données, et Microsoft a ajouté davantage de capacité de centres de données au cours des 18 derniers mois qu’au cours de la première décennie d’Azure.

L’entreprise construit son infrastructure autour de trois charges de travail dominantes : l’entraînement, l’inférence et l’environnement d’exécution des agents.

Ce dernier constitue la nouvelle catégorie. L’entraînement construit les modèles. L’inférence les exécute. L’environnement d’exécution des agents fait fonctionner des flux de travail de longue durée dans lesquels les modèles utilisent des outils, accèdent à des données, appellent des API et prennent des mesures.

La conception du centre de données Fairwater de Microsoft a été présentée comme une « super-usine d’IA » s’étendant sur la Géorgie et le Wisconsin, construite avec Nvidia et conçue pour une forte densité de GPU, des réseaux plus performants, une latence réduite et une bande passante accrue. Microsoft a également déclaré avoir repensé la distribution électrique et le refroidissement afin que l’installation puisse fonctionner efficacement sans consommation d’eau, la consommation quotidienne moyenne sur l’année étant à peu près équivalente à celle d’un seul restaurant.

Microsoft ne peut donc pas construire l’avenir des agents sans bâtir l’infrastructure physique qui le sous-tend.

La pression viendra du monde réel. Les communautés jugeront les promesses de Microsoft à l’aune des factures d’électricité, du stress hydrique local, des emplois et de la transparence, pas des phrases prononcées lors d’un keynote.

Maia 200, Cobalt 200 et la pile de puces pour agents

Microsoft a également profité du keynote pour montrer comment sa stratégie en matière de silicium évolue.

À 22 h 42, Satya a déclaré que Maia 200, l’accélérateur d’IA de Microsoft, était opérationnel en Arizona et serait déployé à l’international. Selon lui, il fournit 30 % de tokens en plus par dollar que le GPU de référence actuel et alimentera Microsoft 365 Copilot.

Il a ensuite souligné un deuxième point : les agents modifient la demande en processeurs.

Dans les conversations habituelles sur l’IA, l’attention se porte sur les GPU. Les agents ont eux aussi besoin de GPU, mais ils génèrent également de nombreux appels d’outils, appels de données, étapes d’orchestration et tâches de coordination à faible latence. Le CPU gagne donc en importance.

Microsoft a donc annoncé les VM Cobalt 200, sa plate-forme de processeurs de nouvelle génération pour les charges de travail cloud natives et celles des agents. En s’appuyant sur les traces d’agents de GitHub Copilot, Microsoft a déclaré que Cobalt affichait :

• 33 % de latence en moins pour les appels d’agents.
• 14 % de vitesse en plus.
• 23 % de débit en plus.
• 30 % de meilleures performances cloud natives par rapport à la génération précédente.

C’est un indice intéressant sur l’évolution de l’infrastructure des agents. Si les agents appellent constamment des outils, l’ensemble du système doit être optimisé pour une multitude d’actions coordonnées, rapides et de petite taille. Le GPU effectue peut-être le travail du modèle, mais le CPU doit maintenir toute cette machinerie en mouvement.

La vision de Jensen : le PC devient une IA personnelle

La séquence consacrée à Nvidia a précisé le rôle du matériel local.

Jensen Huang a déclaré que Microsoft et Nvidia avaient commencé à travailler sur cette catégorie de PC il y a environ trois ans. L’objectif était de concevoir un système puissant pour les designers, les créateurs et l’IA, doté de capacités de traitement et d’une pile logicielle intégrées à Windows et aux outils créatifs.

Il a ensuite proposé une meilleure formule : le PC évolue d’ordinateur personnel à IA personnelle.

Son exemple était simple. En voyage, vous pourriez envoyer un message à votre PC, lui demander d’effectuer du code ou de modifier un design ; il lancerait alors des outils sur la machine, effectuerait les changements et itérerait avec vous pendant votre absence.

C’est une métaphore très différente de l’ordinateur. Le PC devient quelque chose qu’un agent peut utiliser, et non plus seulement quelque chose que vous utilisez directement.

Jensen a également déclaré que RTX Spark offrait un pétaflop de performances MVFP4, un format numérique mis au point conjointement par Microsoft et Nvidia. Selon lui, cela permet au système de tirer parti de 128 Go de mémoire et de faire tenir « peut-être un modèle de quelques centaines de milliards de paramètres ».

L’intuition de Corey est donc la bonne : l’intérêt ne réside pas seulement dans la machine. Il tient à l’idée qu’un assistant IA peut faire fonctionner votre PC comme une station de travail locale et persistante.

Microsoft et Nvidia construisent des systèmes cloud à l’échelle des agents

Jensen a ensuite relié le même schéma au cloud.

Il a expliqué que Hopper était axé sur le préentraînement. Grace Blackwell a déplacé l’attention vers le post-entraînement, l’apprentissage par renforcement et les modèles de raisonnement. Puis Vera Rubin est conçu pour les agents.

Voici une chronologie matérielle utile :

• Hopper : l’ère du préentraînement.
• Grace Blackwell : le post-entraînement, l’apprentissage par renforcement et l’inférence.
• Vera Rubin : les charges de travail agentiques.

Jensen a déclaré que Microsoft avait déployé le plus grand nombre de systèmes Grace Blackwell au monde. Il a également indiqué que Fairwater était refroidi par liquide, en circuit fermé, et ne consommait presque pas d’eau.

Il a ensuite avancé l’argument économique : Grace Blackwell peut augmenter le taux de génération des tokens et réduire leur coût de génération d’environ 30 fois par rapport à Hopper.

Le schéma général est que Microsoft et NVIDIA conçoivent conjointement toute la pile pour les agents : appareils périphériques, centres de données, CPU, GPU, réseaux, chiffrement et logiciels.

Jensen a également expliqué que les systèmes d’agents avaient besoin de chemins chiffrés depuis le stockage, qui joue le rôle de mémoire à long terme, jusqu’à la mémoire de travail et aux données en transit. Il a décrit Vera comme un CPU conçu pour les agents, car ceux-ci sont plus impatients que les humains et ont besoin d’une latence extrêmement faible.

Il a ensuite prononcé une phrase qui mérite de figurer dans l’article : les commits GitHub ont connu une croissance exponentielle. Au cours des derniers mois, le nombre de commits a été multiplié par trois, a-t-il expliqué.

C’était, selon lui, la preuve que les systèmes agentiques ne sont pas seulement impressionnants : ils sont suffisamment utiles, productifs et rentables pour stimuler la demande en capacités de calcul.

Project Solara se demande ce qui viendra après l’ordinateur portable

L’annonce la plus étrange et la plus intéressante concernait Project Solara.

Project Solara est la plateforme de Microsoft, des puces au cloud, pour les appareils conçus d’abord pour les agents. La formule peut sembler abstraite, mais l’idée est simple : si les agents deviennent l’interface, les ordinateurs pourraient cesser de ressembler à un écran principal entouré d’une multitude d’applications.

Le « grand déclic » de Microsoft, c’est que le prochain appareil n’aura pas une seule forme. Ce seront tous les appareils qui fonctionneront ensemble comme un seul système, les agents apparaissant au plus près de l’endroit et du moment où vous en avez besoin.

Project Solara repose sur trois piliers :

• Des appareils prêts pour l’entreprise, rendus possibles par une plateforme écosystémique d’appareils Microsoft basée sur AOSP.
• Une interaction pilotée par les agents, avec une interface utilisateur contextuelle qui s’adapte au format de l’appareil.
• L’extensibilité, afin que les entreprises puissent intégrer leurs propres agents.

Azure relie l’ensemble du système, du cloud jusqu’à l’appareil.

Microsoft a présenté deux premières catégories de référence : les appareils fixes et les appareils portables.

L’appareil de bureau repose sur du silicium MediaTek. Il utilise Windows Hello for Business pour vous permettre de vous approcher, de vous connecter en toute sécurité et d’accéder à un agent. L’exemple présenté était Microsoft 365 Copilot, s’appuyant sur Work IQ, avec des commandes vocales ou tactiles qui vous aident à réfléchir, planifier et déléguer des tâches.

L’appareil de bureau peut servir de compagnon à un PC Windows Copilot+ existant ou accéder à Windows 365 lorsqu’il est connecté à un écran.

L’appareil badge repose sur du silicium Qualcomm pour objets connectés. Ce format léger est conçu pour utiliser des agents en déplacement, avec déverrouillage par empreinte digitale, entrée caméra et accès sécurisé aux agents.

Lors de la démonstration en direct, le badge a servi à capturer des images de la keynote, à les améliorer et à les envoyer à une équipe pour vérification. Microsoft a ensuite présenté le secteur de la santé : le badge pourrait faciliter les enregistrements, l’accès aux dossiers des patients, l’identification d’informations critiques, la documentation vocale mains libres, le scan des médicaments, le relevé des constantes et la vérification des flux de travail.

Microsoft a également indiqué que cette même base pourrait être adaptée au commerce, au travail industriel, à l’hôtellerie, aux services financiers, au secteur juridique et à d’autres secteurs verticaux. AccuWeather, Best Buy, Target et d’autres entreprises étudient ces appareils.

Puis le PDG de Qualcomm, Cristiano Amon, a formulé le point stratégique le plus important : à l’ère du smartphone, le téléphone était le centre de votre vie numérique. À l’ère des agents, les agents deviennent le centre, tandis que les appareils deviennent les meilleures surfaces physiques pour chaque contexte.

La question de la vie privée est évidente. Un badge professionnel équipé de microphones, d’une caméra et placé à « un geste de l’enregistrement d’une conversation improvisée dans un couloir » devra s’accompagner de règles sociales très claires. Quiconque a déjà proposé un « point rapide » avant de retenir un collègue pendant 19 minutes a déjà créé le cas de test.

Solara montre donc où Microsoft pense que les agents vont évoluer : au plus près de la tâche, au-delà du cadre de l’application et sur un ensemble d’appareils gérés par l’entreprise.

Foundry compte désormais plus de 12 000 modèles, notamment ceux d’OpenAI et d’Anthropic

Après les appareils, Satya est remonté dans la pile technologique pour parler des modèles, du contexte et des outils.

Il a indiqué que Foundry compte désormais plus de 12 000 modèles, ce qu’il a présenté comme le plus vaste catalogue de modèles. Il comprend des modèles d’OpenAI, d’Anthropic et de MAI, ainsi que de nouveaux modèles de pointe comme les modèles vocaux en temps réel d’OpenAI et Claude Opus 4.8.

La stratégie de Microsoft en matière de modèles est donc clairement multmodèle. L’entreprise veut proposer les modèles d’OpenAI et d’Anthropic, ses propres modèles MAI, des modèles à poids ouverts via des partenaires comme Fireworks, ainsi que tout ce dont les développeurs peuvent avoir besoin.

Le message n’est pas : « un modèle Microsoft pour les gouverner tous ». Il est plutôt : « choisissez le bon modèle pour la bonne tâche, le bon budget et la bonne combinaison d’évaluations ».

C’est également important pour GitHub Copilot. L’analyse de Corey était juste : GitHub Copilot devient la réponse de Microsoft à Codex et Claude Code, avec toutefois une réserve : il permet toujours aux développeurs d’accéder aux modèles d’OpenAI et de Claude.

Microsoft n’a donc pas besoin de remporter chaque bataille des modèles s’il contrôle l’endroit où les agents utilisent ces modèles.

Azure HorizonDB intègre PostgreSQL aux applications agentiques

Microsoft est ensuite passé à la couche des données.

Satya a expliqué que les agents génèrent des schémas d’appels différents, car ils passent constamment leur temps à stocker, récupérer, raisonner, agir et apprendre. Les bases de données doivent donc être conçues pour les charges de travail des agents, et pas seulement pour les applications traditionnelles destinées aux utilisateurs.

Microsoft a donc présenté Azure HorizonDB, un service PostgreSQL entièrement géré sur Azure.

PostgreSQL est une base de données open source populaire. Les développeurs l’apprécient parce qu’elle leur est familière, qu’elle est flexible et qu’elle bénéficie d’un large éventail de supports.

Azure HorizonDB est conçu pour offrir une haute disponibilité et gérer des charges de travail fortement orientées vers la lecture. Lors de la keynote, Satya a indiqué que le service intégrait un basculement automatique, jusqu’à 128 To par cluster, ainsi qu’une montée en charge horizontale pour les charges de travail fortement orientées vers la lecture. Microsoft a également affirmé que ses tests internes montraient un débit multiplié par 3 par rapport à PostgreSQL.

La publication consacrée au produit par Microsoft ajoute les fonctions spécifiques aux agents : une latence ultrafaible, une montée en charge rapide de la lecture, des transactions et des performances de recherche jusqu’à 3 fois plus rapides que PostgreSQL autogéré, l’indexation vectorielle avancée, la recherche sémantique, l’accès aux modèles d’IA depuis la base de données et des intégrations avec Microsoft Fabric et Foundry.

HorizonDB revient donc à dire : continuez à utiliser PostgreSQL, et nous ajouterons autour de lui les briques de base de données conçues pour l’IA.

L’accélération GPU de Fabric accélère l’analyse pour les agents

Microsoft a également annoncé l’accélération GPU pour Fabric Data Warehouse.

Un GPU est une puce conçue pour effectuer simultanément un grand nombre de calculs parallèles. Les GPU sont devenus essentiels à l’IA, car l’entraînement et l’exécution des modèles nécessitent une quantité considérable de calculs parallèles. Microsoft applique désormais cette même accélération matérielle aux requêtes analytiques éligibles dans Fabric Data Warehouse.

L’explication de Satya était simple : les entrepôts de données étaient déjà importants pour les utilisateurs humains, et ils le deviennent encore davantage lorsque les agents ont besoin d’analyses à la volée. Microsoft a déclaré observer des gains de performances multipliés par 7.

Microsoft a également mis en avant CoddSpeed, les travaux de recherche sous-jacents qui ont remporté le prix du meilleur article industriel à SIGMOD 2026. L’idée produit est simple : les requêtes Fabric éligibles peuvent s’exécuter sur une infrastructure accélérée par Nvidia, sans que les développeurs aient à réécrire leurs requêtes ou à gérer l’infrastructure.

Cela nous ramène aux agents, car ceux-ci doivent souvent interroger les données de l’entreprise. Une analyse plus rapide permet à l’agent d’effectuer des appels d’outils sur le même entrepôt sans envoyer les utilisateurs patienter dans une salle d’attente.

Web IQ est la nouvelle méthode de Microsoft pour permettre aux agents d’utiliser Internet

Est ensuite venue l’une des annonces les plus importantes : Web IQ.

L’analyse de Corey depuis la salle était que Microsoft considère Web IQ comme la méthode nouvelle, plus rapide et plus efficace pour permettre aux agents d’accéder à Internet. Cela correspond au cadrage de Satya.

Satya a expliqué que l’ancrage sur le web avait besoin de « données web fraîches, de haute qualité et rapides ». Web IQ repose sur l’infrastructure mondiale de Microsoft, qui sert déjà plus de 1 milliard d’utilisateurs, et a été repensé pour les flux de travail liés aux LLM et aux agents.

Web IQ est :

• Indépendant des modèles.
• Nativement compatible avec MCP.
• Conçu pour s’intégrer à n’importe quel environnement d’exécution d’agents.
• Conçu pour le web, les actualités, les images et la vidéo.
• Conçu pour ancrer les réponses dans des contenus frais et vérifiables.
• Le meilleur de sa catégorie, selon Microsoft, en matière de qualité, de rapidité et de coût.

MCP, ou Model Context Protocol, est un standard qui aide les systèmes d’IA à se connecter aux outils et aux sources de données. Dire que Web IQ est « nativement compatible avec MCP » signifie donc qu’il est conçu pour s’intégrer aux piles d’agents sans nécessiter une multitude de raccords personnalisés.

L’ancienne version de l’IA connectée au web se résumait essentiellement à « rechercher, extraire, résumer ». Web IQ ressemble davantage à une couche d’accès à Internet conçue spécialement pour les agents : trouver les bonnes sources, réunir les éléments pertinents, maintenir une faible latence et dépenser moins de tokens pour y parvenir.

C’est donc la course aux agents en miniature. Les modèles répondent à partir de ce qu’ils savent. Les systèmes de recherche et de récupération répondent à partir de ce qu’ils trouvent. Les agents d’entreprise ont besoin des deux, ainsi que de permissions, de traçabilité et d’un moyen de comparer la réalité interne avec le monde extérieur.

Microsoft IQ relie le web, les données d’entreprise et les connaissances de l’espace de travail

Microsoft a ensuite présenté Microsoft IQ, une couche d’intelligence unifiée pour Foundry, Fabric et Microsoft 365.

Voici ce que cela signifie, sans le jargon marketing :

• Work IQ comprend le contexte de l’espace de travail, comme les personnes, les réunions, les fichiers, les discussions, les e-mails et les flux de travail de l’entreprise.
• Fabric IQ offre aux agents une compréhension commune des données et des relations de l’entreprise.
• Foundry IQ aide les agents à raisonner à partir des connaissances de l’entreprise et du web.

La démonstration a permis de mieux comprendre le concept.

Lors d’une démonstration dans un centre de contrôle de réseaux électriques, un agent a évalué un incident d’exploitation du réseau et produit une note de réponse. Il était relié à une base de connaissances Foundry IQ qui regroupait des documents, des données opérationnelles et des personnes pour fournir à l’agent un contexte sur lequel raisonner.

L’agent a ensuite utilisé Web IQ pour répondre à une question d’actualité sur le prix de l’électricité à San Francisco. Le présentateur a décrit Web IQ comme une « recherche conçue pour l’ère de l’IA », offrant une qualité, une rapidité et une efficacité de premier plan.

L’agent a ensuite utilisé Fabric IQ pour extraire le contexte interne concernant les sous-stations à risque. Fabric IQ représentait le réseau sous la forme d’une ontologie, c’est-à-dire une cartographie structurée de l’entreprise et des relations entre ses différentes composantes.

Dans ce cas, l’ontologie était couplée à la télémétrie en direct et reflétait donc l’état opérationnel réel du réseau, minute après minute.

L’agent a ensuite utilisé Work IQ pour extraire de SharePoint la procédure d’intervention de l’entreprise. Le présentateur a insisté sur le fait que l’agent ne travaillait pas à partir d’un fichier obsolète ou d’un instantané copié. Il répondait à partir de la même source que l’équipe tient à jour au quotidien.

Lorsque la procédure change, la réponse change avec elle.

C’est le rêve des entreprises : une réponse ancrée dans le monde extérieur, vos opérations en direct, vos documents internes, vos procédures et les personnes qui doivent intervenir.

L’agent exécuté sur la durée a ensuite montré son travail : Web IQ pour le monde extérieur, Fabric IQ pour l’état opérationnel et Work IQ pour les personnes et les procédures. Le présentateur a également indiqué que les routines Foundry pouvaient exécuter ce processus selon un calendrier, transformant une réponse ponctuelle en exécution continue et proactive.

Le rêve des entreprises n’est donc pas de « poser une question à l’IA ». Il consiste à « confier la tâche à un agent, puis à recevoir une réponse étayée par votre entreprise, le monde extérieur et chaque source consultée ».

Les Microsoft Execution Containers offrent aux agents un espace sûr pour agir

Microsoft est ensuite passé du contexte à l’environnement d’exécution.

Satya a expliqué que les agents constituaient un nouvel environnement d’exécution, car ils raisonnent en continu, génèrent et exécutent du code dynamiquement et agissent sur les fichiers, les appareils et les réseaux.

Microsoft a donc présenté Microsoft Execution Containers, ou MXC, dans le cadre de ses mises à jour de l’environnement d’exécution des agents Windows.

Un conteneur est un environnement contrôlé dans lequel un logiciel peut s’exécuter sans obtenir un accès complet à l’ensemble du système. Les développeurs utilisent déjà couramment des conteneurs sur les serveurs. Microsoft veut appliquer cette idée dans une version native de Windows pour les agents d’IA.

Satya a expliqué que MXC constituait une nouvelle couche de politiques permettant à Windows d’appliquer l’isolation et le confinement au moyen de primitives natives du système d’exploitation. En clair : Windows lui-même impose ce que l’agent est autorisé à faire.

MXC prend en charge plusieurs niveaux de confinement :

• Isolation au niveau du processus pour les actions légères des agents.
• Isolation au niveau de la session pour séparer les utilisateurs.
• Machines Windows et Linux, y compris WSL, pour des frontières plus strictes.
• Windows 365 for Agents pour une isolation maximale dans un environnement géré séparé.

Les équipes disposent ainsi d’un éventail d’options pour sécuriser les agents. Petite tâche ? Utilisez un conteneur plus léger. Flux de travail risqué ? Placez l’agent dans un Cloud PC séparé.

Microsoft veut donc offrir aux agents un espace de travail clôturé, sur votre appareil ou dans le cloud.

OpenClaw sur Windows sert de démonstration de la sécurité des agents

Microsoft a ensuite annoncé OpenClaw sur Windows, qui s’appuie sur MXC.

La démonstration était mémorable, car elle montrait la situation qui inquiète tout le monde : un agent essayant de supprimer des fichiers.

L’application OpenClaw pour Windows peut aider les utilisateurs à configurer leur propre Claw ou à se connecter à des Claw existants. Elle ressemble à une application Windows native et comprend des sections consacrées aux discussions, au Canvas, à l’utilisation, aux sessions, aux permissions et à la configuration du bac à sable.

Les présentateurs ont montré des contrôles de sécurité précis, notamment les fichiers et dossiers auxquels OpenClaw peut accéder, s’il peut utiliser le presse-papiers et s’il peut communiquer avec Internet.

Puis ils ont demandé à OpenClaw de supprimer tous les fichiers d’un bureau. L’agent a essayé. MXC l’en a empêché, car le dossier était en lecture seule. La démonstration a montré que 94 fichiers JPEG étaient toujours en sécurité.

C’est exactement le genre de démonstration sans intérêt apparent dont l’IA d’entreprise a besoin. L’agent a essayé de faire quelque chose de mal, mais le système d’exploitation a quand même fait respecter la règle.

Peter Steinberger, le créateur d’OpenClaw, a ensuite énoncé tout haut l’évidence : il y a six mois, cela aurait fonctionné. Il a conçu OpenClaw pour qu’il puisse accéder aux fichiers, aux machines et aux conversations. C’est cette puissance qui le rendait utile, mais aussi ce qui inquiétait les entreprises.

Il a annoncé que « vous pouvez désormais l’exécuter au sein de votre entreprise ». Il a expliqué qu’OpenClaw disposait désormais de fonctions d’observabilité, d’un mode automatique pour les autorisations, d’un contrôle des accès plus précis, d’un environnement pour les plug-ins, de la prise en charge des outils auxquels les entreprises font déjà confiance, d’une mémoire persistante, de signaux périodiques et d’OpenClaw dans Slack ou Teams.

OpenClaw sur Windows résume donc à petite échelle la position de Microsoft en matière de sécurité : les agents locaux puissants ont besoin d’un cloisonnement au niveau du système d’exploitation, pas seulement d’instructions leur demandant de « bien se comporter ».

Foundry transforme les démonstrations d’agents en solutions déployables

Satya est ensuite passé à Microsoft Foundry, que Microsoft transforme en une plateforme applicative complète pour l’ère des agents.

Foundry est la plateforme de Microsoft pour créer, tester, déployer et gérer des applications et des agents d’IA. Voyez-la comme l’endroit où les entreprises transforment une démonstration séduisante en quelque chose que leur service informatique pourrait réellement approuver.

Satya a expliqué que les agents hébergés de Foundry pouvaient intégrer des couches d’intelligence, des outils, de la durabilité, de la mémoire, un état, du bac à sable, des grilles d’évaluation, des évaluations, des mécanismes de sécurité et des garde-fous. Il a également insisté sur la boucle d’auto-amélioration de Foundry : créer un agent, l’évaluer, l’améliorer, puis laisser l’exécution suivante alimenter l’évaluation suivante.

Microsoft a également annoncé un partenariat avec Fireworks AI, qui apporte les modèles à poids ouverts de Fireworks à Foundry, avec une pile d’inférence et des garde-fous destinés aux entreprises.

La mise à jour de Foundry comprend également des agents hébergés, des démarrages à froid du bac à sable en moins de 100 ms, un coût d’inactivité nul, les boîtes à outils Foundry, le traçage, les évaluations, Agent Optimizer, Adaptive Evaluations et la publication en un clic dans Teams et Microsoft 365 Copilot.

C’est la différence entre « regardez cet agent faire quelque chose sur scène » et « notre entreprise pourrait peut-être laisser cet agent accéder aux données de ses clients ».

L’avantage de Microsoft n’est pas de pouvoir produire la démonstration la plus spectaculaire. C’est de pouvoir l’encadrer avec Entra, Intune, Defender, Purview, Fabric, Teams, GitHub, Azure et tous les autres systèmes dans lesquels les entreprises ont déjà investi.

GitHub devient le plan de contrôle des agents de programmation

Satya s’est ensuite tourné vers GitHub.

Il a expliqué que GitHub devenait le plan de contrôle de tous les agents et que presque toutes les mesures de GitHub progressaient grâce aux flux de travail agentiques : création de dépôts, activité des demandes de fusion, utilisation de l’API et actions.

Il a également soulevé un point pertinent à propos de la CLI. La ligne de commande redevient accessible, car les modèles et le langage naturel en facilitent l’utilisation. Et si chaque agent vit dans un terminal, le développeur finit par avoir 100 sessions CLI ouvertes.

GitHub a donc conçu la nouvelle application GitHub Copilot app : un outil qui combine la vitesse et la souplesse d’une CLI, les capacités d’un IDE et la possibilité de gérer un grand nombre de sessions d’agents. Le GitHub repo est disponible pour les versions, les problèmes et les discussions.

Corey a raison : c’est la réponse de Microsoft à Codex et Claude Code.

La grande réserve — et peut-être le choix de plateforme le plus judicieux — est que Copilot n’est pas seulement une surcouche aux modèles de Microsoft. Dans la démonstration, Cassidy a expliqué que les développeurs avaient accès aux modèles populaires via un seul abonnement GitHub Copilot, notamment ceux d’OpenAI, d’Anthropic et de Google.

Le discours de Microsoft n’est donc pas « utilisez notre agent de programmation plutôt que le leur ». Il s’approche davantage de ceci : utilisez GitHub comme l’endroit où tous ces agents de programmation effectuent réellement leur travail.

L’application Copilot est un gestionnaire de sessions qui aide à terminer le travail

La démonstration de l’application Copilot a commencé par un problème très concret : une mise à jour comporte de nombreux blocages et le développeur doit décider lesquels corriger.

Cassidy les a tous sélectionnés et l’application a lancé une session distincte pour chaque problème. Chaque session s’exécute dans son propre worktree Git.

Un worktree est une copie de travail distincte d’une branche de code. En termes simples, chaque agent dispose de son propre petit espace de travail, ce qui permet à plusieurs agents de travailler en parallèle sans se gêner.

Copilot a ensuite présenté Agent Merge, qui « garde à l’œil » une demande de fusion tout au long des vérifications d’intégration continue, de la revue du code et des conditions de fusion.

L’intégration continue, ou CI, est le système de tests automatisés qui vérifie que les modifications du code n’ont rien cassé.

L’application comprend également :

• Une vue ciblée des projets, des demandes de fusion et de l’activité.
• Des automatisations réutilisables pouvant s’exécuter en local ou dans le cloud.
• Des sessions pouvant démarrer n’importe où et être chargées dans l’application.
• Un navigateur, un terminal et une conversation intégrés.
• « Pick and polish », qui permet de sélectionner n’importe quel élément dans l’application et de l’ajouter à la conversation.
• Le changement de modèle entre ceux d’OpenAI, d’Anthropic et de Google.
• La revue Rubber Duck, dans laquelle un autre modèle critique l’implémentation afin de repérer les angles morts.
• Des canevas, c’est-à-dire des interfaces personnalisées qu’un agent peut créer pour communiquer avec vous.

La démonstration des canevas incluait même l’approbation de demandes de fusion par un geste de pouce levé devant la caméra. Cette partie semblait plus expérimentale, mais l’idée générale est plus durable : travailler avec l’IA en 2026 devrait être plus intéressant que des journaux de conversation et des murs de texte.

Les agents de programmation créent donc un nouveau goulot d’étranglement. Si 10 agents peuvent générer 10 demandes de fusion, un humain doit toujours les examiner sans transformer son après-midi en feuille de calcul recensant les devoirs des robots.

Copilot passe du rôle de copilote de programmation à celui de coordinateur de projet.

Rayfin veut rendre les applications créées par l’IA prêtes pour la production

Microsoft a également présenté en avant-première Rayfin, un SDK pensé d’abord pour les agents, qui relie les agents aux backends d’entreprise sous forme de service.

Voici la version en français courant : les agents de programmation peuvent désormais générer très rapidement des interfaces d’application. La partie la plus lente consiste à transformer cette application en quelque chose qu’une entreprise peut réellement exploiter. Il faut une gestion des identités, du stockage, des bases de données, des schémas, des politiques d’accès, de la gouvernance et du déploiement.

Rayfin est conçu pour réduire tout ce travail à sa plus simple expression.

Dans la démonstration de Copilot, Cassidy a montré une application SignalBox construite à 100 % par un agent, conteneurisée et dotée d’un backend de base de données. Elle a ensuite saisi « Rayfin up », et l’application a été déployée dans Microsoft Fabric.

Avec Rayfin, Microsoft affirme que les agents disposent d’un backend d’entreprise complet, afin que les développeurs puissent déployer en toute confiance. Le Rayfin repo est disponible et se connecte à Replit : les développeurs peuvent ainsi créer l’application dans Replit, tandis que l’application et les données sont déployées dans un tenant Fabric géré par l’entreprise.

Rayfin répond donc à un problème très concret des agents de programmation : faire fonctionner une chose est plus difficile que la faire apparaître.

Agent 365 est le plan de contrôle pour gérer les agents

Après le flux de travail des développeurs, Microsoft s’est intéressé à la gouvernance.

Satya a décrit Agent 365 comme le plan de contrôle des agents. Ceux-ci ont besoin de leurs propres identités, contrôles d’accès, mécanismes de sécurité, protections des données, dispositifs de conformité et outils de gestion.

Microsoft a indiqué avoir étendu :

• Entra pour l’identité des agents.
• Defender pour la défense en temps réel.
• Purview pour la protection permanente des données et la conformité.

Satya a également insisté sur le fait que les agents pouvaient être hébergés n’importe où : sur Azure, AWS, GCP, Windows en local ou ailleurs, et qu’ils pouvaient être créés avec n’importe quel framework. Microsoft a annoncé la disponibilité générale du SDK Agent 365 et indiqué qu’il étendait sa prise en charge aux agents locaux fonctionnant sur Windows et d’autres systèmes.

La démonstration a montré comment Foundry et Agent 365 s’assemblent.

Tout d’abord, Foundry Toolbox permet aux développeurs d’ajouter des outils une seule fois et de les exposer à n’importe quel agent via un point de terminaison MCP unique. La démonstration a appliqué un garde-fou qui empêche les informations personnelles identifiables, ou PII, de fuir ; tous les agents utilisant cette boîte à outils héritent ensuite de cette protection.

L’agent a ensuite été déployé dans Foundry avec un bloc de code et GitHub Actions.

Foundry a créé une microVM dédiée à la session. Une microVM est une minuscule machine virtuelle servant à isoler une charge de travail. La session disposait également de son propre système de fichiers persistant, et Foundry a affiché des traces et des évaluations côté serveur.

Microsoft a ensuite présenté les évaluateurs fondés sur une grille. Foundry a analysé l’agent et généré des critères d’évaluation personnalisés à partir des traces de production, notamment la gouvernance, l’exactitude des résultats et l’utilisation des sources prescrites.

Agent Optimizer a ensuite réglé quatre éléments : le modèle, les instructions, les descriptions des outils et les compétences. Il a généré des candidats améliorés, les a notés selon la grille d’évaluation, a montré exactement ce qui avait changé et a facilité le déploiement du meilleur candidat en tant que nouvelle version de l’agent.

L’idée essentielle était que chaque exécution alimente l’évaluation suivante et que chaque évaluation indique à l’optimiseur où améliorer l’agent ensuite. Vos agents s’améliorent donc à mesure qu’ils sont utilisés.

L’agent a ensuite été publié dans Teams et Microsoft 365 Copilot. Il s’agissait d’un agent autopilote : il disposait de sa propre identité et de sa propre licence de productivité, et pouvait agir de son propre chef dans M365. L’approbation d’un administrateur est nécessaire, et les administrateurs peuvent l’examiner, le surveiller et le bloquer.

Agent 365 est donc la réponse de Microsoft à la question évidente des entreprises : que se passe-t-il lorsque des centaines d’agents commencent à agir comme des employés ?

MDASH utilise des équipes d’agents pour trouver les failles de sécurité

Microsoft a également présenté MDASH, son système de sécurité agentique multimodèle.

Satya l’a décrit comme un environnement d’agents dédié à la sécurité, réunissant plus de 100 agents issus de modèles de pointe et de modèles personnalisés pour trouver des failles exploitables plus efficacement qu’un modèle unique. Il a fait ses débuts sur le benchmark CyberGym.

La démonstration a montré MDASH s’exécutant comme une CLI autonome dans l’application GitHub Copilot, sur une machine de développement locale. Il a analysé une base de code, réparti les résultats par vulnérabilité, domaine et gravité, et identifié à la fois des problèmes traditionnels et des vulnérabilités propres à l’IA.

Il a ensuite généré des journaux et un rapport HTML, affiché les détails via une commande Defender, suggéré une correction et produit un diff afin qu’un humain puisse examiner les modifications. Il pouvait également créer une demande de fusion et envoyer les résultats vers des outils comme GitHub Advanced Security.

L’exemple le plus probant était une vulnérabilité réelle dans laquelle aucun fichier pris isolément ne semblait problématique. La faille était répartie entre trois parties de la base de code. Une équipe d’agents a repéré l’élément suspect, une autre l’a analysé sous tous les angles et une troisième a créé un exemple fonctionnel déclenchant le plantage.

C’est exactement le genre de raisonnement transversal que les scanners classiques et les modèles uniques peuvent manquer.

Microsoft a indiqué que MDASH arriverait bientôt dans la CLI et le portail Microsoft Defender.

Copilot devient une superapplication avec le chat, Cowork et le code

Plus tard, lors de la keynote, Satya a décrit l’orientation générale de Copilot chez Microsoft.

Il a expliqué que Copilot avait commencé par le chat, avant de passer à Cowork pour les tâches en plusieurs étapes et la génération de contenus, et que le code arrivait désormais dans le même produit. Cet été, Microsoft prévoit de réunir le chat, Cowork et le code dans une seule « super app.”

Copilot. C’est la version grand public de cette même stratégie de plateforme. Microsoft veut faire de Copilot la porte d’entrée des agents pour le travail, le code et la collaboration.

Microsoft a ensuite présenté Copilot Autopilots, que Satya a qualifiés de « griffes de niveau entreprise ».

Les autopilotes sont des agents autonomes, conçus pour fonctionner sur de longues durées et dotés d’une conformité complète aux exigences des entreprises, qui s’exécutent dans votre tenant. Ils peuvent avoir :

• Un nom.
• Une personnalité.
• Des connecteurs personnalisés.
• Du contexte.
• Une mémoire.

Le premier autopilote est Microsoft Scout. Scout fonctionne là où vous travaillez : dans les discussions de groupe Teams et les fils Outlook. Il est disponible dès maintenant pour les utilisateurs de Copilot Frontier, et Microsoft a indiqué vouloir constituer au cours des prochains mois une équipe numérique complète d’autopilotes dans Copilot.

L’idée n’est donc pas que Scout puisse répondre aux questions. Microsoft veut plutôt que Copilot passe du mode « discuter à la demande » au mode « travailler en arrière-plan avec autorisation ».

Frontier Tuning est la démarche de Microsoft visant à « adapter le modèle à votre entreprise »

Microsoft a également présenté Frontier Tuning, destiné aux entreprises qui souhaitent adapter les modèles à leurs propres flux de travail, politiques, données et styles.

Satya a présenté cette initiative sous l’angle des connaissances tacites : le savoir-faire qui s’accumule au sein d’une entreprise au fil des opérations, des habitudes, des processus et du jugement. Sa question était la suivante : quel sera l’avenir de l’entreprise lorsque les modèles pourront apprendre à partir des données et des trajectoires ?

La réponse de Microsoft est que chaque organisation devra construire sa propre « machine d’ascension de colline ».

Cette expression mérite quelques explications. L’ascension de colline consiste à s’améliorer continuellement pour se rapprocher d’un objectif. Dans ce contexte, cela signifie qu’une entreprise crée des évaluations privées, des environnements privés d’apprentissage par renforcement, des traces privées et des flux de travail privés, puis les utilise pour ajuster les agents en fonction de ses propres objectifs.

Un modèle de fondation est entraîné pour être largement utile. Il peut écrire, coder, résumer et raisonner sur de nombreux sujets. En contrepartie, il ne connaît généralement pas vos API internes, votre style maison, les règles de vos produits ou vos exigences de conformité, à moins que vous ne les lui expliquiez encore et encore.

Frontier Tuning est la réponse de Microsoft à cette lacune.

Les propres modèles de Microsoft font désormais partie de l’équation

Mustafa Suleyman a ensuite pris la parole et reformulé le travail de Microsoft AI sur les modèles autour de la « superintelligence humaniste » : des capacités d’IA de pointe conçues pour servir les personnes et les organisations, plutôt que pour les remplacer.

Il a également déclaré que la puissance de calcul utilisée pour entraîner les modèles de pointe avait augmenté d’un facteur de mille milliards en 15 ans, soit 12 ordres de grandeur. Il a prédit que trois ordres de grandeur supplémentaires de puissance de calcul seraient consacrés à l’entraînement des modèles de pointe dans les prochaines années, et a affirmé que les lois de mise à l’échelle restaient valables.

Microsoft a ensuite annoncé sept nouveaux modèles dans les domaines de l’image, de la voix, de la transcription, du raisonnement et du code.

C’est un changement de cap, car Microsoft a passé les dernières années à être perçu comme le système de distribution aux entreprises des modèles d’OpenAI. Vous achetiez Microsoft 365, et Copilot propulsé par OpenAI apparaissait dans Word, Excel, Outlook, Teams et GitHub.

Build 2026 a donc montré un Microsoft plus indépendant.

MAI-Image-2.5, MAI-Transcribe-1.5 et MAI-Voice-2

Le premier nouveau modèle était MAI-Image-2.5, accompagné d’une variante Flash.

Mustafa a déclaré que MAI-Image-2.5 et Flash apportaient un bond en qualité, se classant n° 2 et dépassant Nano Banana 2. Selon lui, ces modèles offrent une édition précise, avec contrôle et cohérence. Flash est conçu pour les charges de production efficaces, tandis que 2.5 vise une fidélité maximale et des performances de niveau professionnel.

MAI-Image-2.5 est disponible dès aujourd’hui dans PowerPoint, son déploiement dans OneDrive est en cours, et il est disponible dans Foundry.

Puis est arrivé MAI-Transcribe-1.5. Mustafa l’a présenté comme le meilleur modèle de transcription au monde, avec une précision de pointe dans 43 langues, surpassant les modèles vedettes de Gemini et d’OpenAI. Il a affirmé qu’il produisait des transcriptions 5 fois plus rapidement que les modèles concurrents et qu’il était intégré à GitHub Copilot, Dynamics 365 Contact Center et Foundry.

Microsoft a ensuite annoncé MAI-Voice-2 et MAI-Voice-2-Flash. MAI-Voice-2 est le dernier modèle de génération vocale, avec un rendu naturel, un contrôle très fin et 15 langues. Voice 2 Flash est conçu pour la rapidité et la rentabilité dans les usages vocaux à latence ultrafaible.

Ce ne sont donc pas seulement des modèles de laboratoire. Microsoft les intègre directement à PowerPoint, OneDrive, GitHub Copilot, Dynamics, VS Code et Foundry.

MAI-Thinking-1 est le premier modèle de raisonnement de Microsoft

Puis est arrivé le modèle signalé par Corey : MAI-Thinking-1.

Un modèle de raisonnement est conçu pour prendre davantage de temps afin de traiter des problèmes en plusieurs étapes, plutôt que de répondre immédiatement. Microsoft a présenté MAI-Thinking-1 comme son premier modèle de raisonnement, destiné aux tâches de raisonnement et de programmation.

Mustafa a déclaré qu’il s’agissait d’un modèle à 35 milliards de paramètres actifs, ce qui signifie qu’il se situe dans la « catégorie des modèles de poids moyen ». En clair, « 35 milliards de paramètres actifs » signifie que le modèle utilise environ 35 milliards de réglages internes pour répondre à une requête donnée. Il est plus petit que les modèles de pointe les plus imposants, et Microsoft le présente comme suffisamment efficace pour être utile dans des produits réels.

La mention par Corey de 45 milliards de paramètres actifs semble donc être une mauvaise compréhension. La transcription de la keynote indique 35 milliards de paramètres actifs.

Les résultats annoncés aux benchmarks étaient plus élevés que prévu :

• Des évaluateurs humains indépendants de Surge ont préféré MAI-Thinking-1 à Sonnet 4.6 dans une comparaison côte à côte.
• Il a obtenu 97 % à AMI2025.
• Il a atteint 53 % à SWE-Bench Pro, se plaçant au niveau d’Opus 4.6 sur ce benchmark de programmation.

SWE-Bench Pro est un benchmark exigeant de programmation. L’affirmation clé est que le modèle de raisonnement de poids moyen de Microsoft se rapproche de systèmes de programmation de pointe beaucoup plus imposants et haut de gamme, du moins sur ce benchmark.

Mustafa a également déclaré que le modèle avait été conçu de bout en bout, sans distillation ni optimisation pour un benchmark particulier. La distillation consiste, pour un modèle, à apprendre à partir des résultats d’un autre modèle. Microsoft affirme que MAI-Thinking-1 a été construit à partir de données propres, sous licence commerciale, avec une traçabilité de niveau entreprise, afin que les sociétés puissent le mettre en production avec davantage de confiance.

L’intuition de Corey est donc pertinente : Microsoft semble avoir trouvé sa voie. Il n’a peut-être pas besoin de construire le plus grand modèle généraliste au monde s’il peut créer des modèles efficaces, propres et adaptés aux produits, optimisés pour la pile Microsoft.

MAI-Code-1-Flash est le petit modèle de programmation

Microsoft a ensuite annoncé MAI-Code-1-Flash.

Mustafa l’a décrit comme un modèle de programmation optimisé pour l’efficacité en inférence, destiné à VS Code et à GitHub CLI. Il a déclaré qu’il avait atteint 51% au benchmark de programmation malgré ses 5 milliards de paramètres, ce qui le rend proche de Haiku en taille, tout en offrant de solides performances de programmation à moindre coût.

Son déploiement est en cours dans VS Code.

C’est probablement le modèle que Microsoft veut voir partout : assez bon marché pour être utilisé massivement, assez performant pour gérer les tâches de programmation courantes, et intégré là où les développeurs travaillent déjà.

Microsoft ouvre l’accès à ses modèles au-delà de Foundry

Microsoft a également indiqué que les nouveaux modèles MAI seraient disponibles sur OpenRouter, Fireworks et Baseten.

Mustafa a déclaré que les développeurs pourraient ainsi ajuster directement les poids dans l’écosystème de leur choix.

C’est notable, car les modèles MAI sont ainsi moins verrouillés dans l’interface de Microsoft. Microsoft veut toujours faire de Foundry la plateforme d’entreprise, tout en permettant aux développeurs d’accéder aux modèles et de les ajuster via d’autres plateformes populaires.

Pour l’ensemble de la famille de modèles, Microsoft a indiqué que la sûreté et la sécurité étaient intégrées dès le départ :

• Les modèles vocaux intègrent une protection contre le clonage non autorisé.
• Les sorties sont marquées par un filigrane dès leur création.
• Les modèles réduisent les refus.
• Microsoft publie un rapport technique détaillé.

Mustafa a ensuite ajouté un élément concernant la pile complète : Microsoft conçoit ses modèles conjointement avec ses propres puces. Il a déclaré que MAI-Thinking-1 avait été optimisé sur la puce Maia 200 de Microsoft et comparé à GB300, avec un gain supplémentaire de 1,4 fois en performance par watt lors de l’exécution du modèle MAI de bout en bout.

Il a également indiqué que des modèles MAI plus rapides et plus efficaces arriveraient sur la plateforme N1X de Windows « dans quelques mois ».

L’affirmation plus générale est donc la suivante : posséder toute la pile permet à Microsoft d’optimiser conjointement le modèle, le silicium, le produit et le flux de travail du client.

Frontier Tuning offre aux entreprises leur propre machine d’optimisation

Mustafa a ensuite relié les modèles à Frontier Tuning.

Il a expliqué que la grande nouveauté résidait dans les environnements d’apprentissage par renforcement, ou RLE. Il les a qualifiés de « salles de sport d’entraînement uniques » pour les IA. Ils créent des agents adaptés à chaque entreprise et à chaque tâche, personnalisés pour vous uniquement et construits sur des modèles MAI.

L’exemple d’Excel était frappant : Microsoft a utilisé des RLE et des modèles MAI pour progresser vers les meilleurs usages agentiques dans Excel. Mustafa a déclaré que le modèle obtenu était au niveau de GPT-5.4 sur des benchmarks publics et privés, tout en étant 10 fois plus efficace en matière de coûts.

Il a ensuite cité McKinsey : Microsoft a ajusté les modèles sur les tâches de McKinsey, obtenu le meilleur taux de réussite, surpassé GPT-5.5 et atteint une efficacité en matière de coûts 10 fois supérieure.

L’argument commercial pour les entreprises est que vos RLE, vos flux de travail, votre savoir-faire, vos connaissances, vos données institutionnelles et vos modèles ajustés restent les vôtres. Mustafa a déclaré que ces modèles devenaient votre avantage défendable.

C’est la formulation la plus claire de Frontier Tuning : ne vous contentez pas de louer un modèle de pointe. Construisez une boucle d’entraînement privée autour du travail réel de votre entreprise.

Microsoft et Mayo Clinic construisent un modèle de pointe pour la santé

Microsoft a ensuite annoncé un partenariat avec Mayo Clinic pour créer un modèle de pointe destiné aux soins de santé et le déployer dans les hôpitaux Mayo et au-delà.

Le PDG de Mayo, le Dr Gianrico Farrugia, a déclaré que Mayo Clinic Platform consacrait depuis sept ans ses efforts à faire passer les soins de santé d’un modèle en tuyau à une plateforme. Il a indiqué que la plateforme était présente sur quatre continents, touchait environ 100 millions de personnes, et avait créé ce qu’il a décrit comme le plus vaste ensemble de données de santé longitudinales au monde, comprenant des données multimodales et génomiques.

L’objectif est de combiner le travail de Microsoft sur les modèles avec la pratique clinique et l’expertise de Mayo.

Pour les patients, le modèle pourrait fournir des réponses cliniques et logistiques sur les soins de santé. Pour les soignants, il pourrait agir comme un membre de l’équipe en temps réel, apporter des éclairages, prévoir ce qui risque de se produire ensuite, prévenir les préjudices, renforcer la sécurité des patients et aider les équipes cliniques à mieux dispenser les soins.

C’était l’une des annonces les plus importantes, et aussi l’une des plus difficiles à évaluer à partir d’une keynote. Les modèles de santé ont besoin de plus que de démonstrations convaincantes. Ils nécessitent sûreté, validation, intégration aux flux de travail, clarté des responsabilités et confiance clinique.

Microsoft et Mayo ont présenté leur objectif comme la mise en place de solutions de santé sûres, sécurisées, dignes de confiance et efficaces.

Cette annonce a donc sa place dans l’article, car elle montre où mène Frontier Tuning lorsque les enjeux sont les plus élevés : pas seulement vers un style rédactionnel propre à chaque entreprise, mais vers l’expertise clinique et les flux de travail liés aux soins des patients.

Démonstration de Frontier Tuning : Land O’Lakes et le rapport sur le beurre

La démonstration de Frontier Tuning a rendu le concept plus concret.

MAI-Thinking-1 est disponible en préversion privée dans le catalogue de modèles Foundry. Les utilisateurs peuvent le déployer tel quel ou l’ajuster.

La démonstration a ensuite pris Land O’Lakes comme exemple. L’intervenant a montré comment un environnement pouvait inclure des compétences, des connaissances et des outils.

La tâche consistait à générer un rapport sur le beurre, ce qui exigeait de nombreuses étapes manuelles et un haut degré de précision. L’intervenant a déclaré qu’une précision de près de 80 % n’était pas suffisante pour ces tâches ; Microsoft élargit donc la définition des compétences afin d’y inclure des grilles d’évaluation indiquant « à quoi ressemble un bon résultat ».

Une grille d’évaluation est un guide de notation. Elle indique au modèle comment déterminer si le résultat est bon.

La démonstration a ensuite montré comment Microsoft pouvait utiliser les signaux de M365 provenant de Teams, Outlook, Word, Excel et PowerPoint pour suggérer des compétences et des grilles d’évaluation fondées sur le fonctionnement de l’organisation. Les utilisateurs peuvent ajouter des connaissances organisationnelles depuis OneDrive et SharePoint. Des outils peuvent également être ajoutés.

Le détail important en matière de sécurité concernait la simulation : puisque les outils se connectent à de véritables flux de travail, Microsoft simule leur exécution afin que le modèle puisse apprendre sans modifier l’état réel de l’entreprise.

La démonstration affirmait que Frontier Tuning avait permis à Land O’Lakes de faire progresser ses tâches jusqu’à une précision supérieure à 90 % et estimait que le modèle ajusté était 10 fois plus efficace que les modèles de référence.

La réponse mise en cache « semblait indéniablement venir de Land O’Lakes », ce qui constitue le véritable objectif en entreprise. Un agent ajusté ne devrait pas s’exprimer comme un consultant générique dans toutes les entreprises. Il devrait comprendre la manière dont fonctionne cette entreprise en particulier.

Ce qu’il faut retenir de Frontier Tuning

Satya a résumé le changement après la démonstration : les entreprises passent de la consommation de modèles de pointe à une participation à la frontière.

Cela signifie que les évaluations privées, les résultats privés, les RLE privés, les traces, les connaissances de l’entreprise, l’infrastructure et les modèles travaillent tous ensemble afin que l’entreprise puisse progresser vers ses propres objectifs.

C’est probablement l’idée la plus typiquement Microsoft de toute la keynote. L’avenir de l’IA d’entreprise ne se résume pas à déterminer quel modèle obtient les meilleurs résultats sur les benchmarks publics. Il dépend de la capacité d’une entreprise à construire une boucle d’amélioration privée autour du travail qu’elle seule sait accomplir.

Microsoft Discovery transforme la recherche scientifique en boucle agentique

Satya s’est ensuite tourné vers la science.

Il a demandé ce qui se passerait si la méthode scientifique pouvait devenir plus continue et programmable. Microsoft Discovery est la réponse.

Microsoft Discovery est désormais disponible pour tous. Satya a déclaré que l’outil réunissait modèles, puissance de calcul HPC, graphes de connaissances, savoir scientifique, laboratoires automatisés et simulation au sein d’une même boucle agentique de découverte.

HPC signifie calcul haute performance. Un graphe de connaissances est une représentation structurée des concepts et de leurs relations. Discovery est donc essentiellement la tentative de Microsoft de faire fonctionner la recherche scientifique davantage comme le développement logiciel agentique : définir la tâche, laisser des agents spécialisés travailler, exécuter des simulations, générer des candidats, créer des protocoles et se connecter aux laboratoires.

La démonstration portait sur le recyclage du plastique. Aujourd’hui, recycler une bouteille en plastique consiste souvent à la dévaloriser : on la broie et on la fait fondre pour obtenir un matériau de moindre valeur. La démonstration cherchait à déterminer si des protéines pouvaient permettre de recycler le matériau encore et encore.

Dans l’application Microsoft Discovery, qui ressemblait à VS Code, le scientifique a demandé trois choses :

• Rédiger un article scientifique sur le sujet.
• Effectuer une recherche exploratoire pour trouver des protéines candidates.
• Créer un protocole pour tester les résultats dans un laboratoire réel.

Le moteur Discovery s’appuyait sur des agents spécialisés qui s’exécutaient en arrière-plan et suivaient la méthode scientifique. Le présentateur a indiqué que les exécutions pouvaient durer des heures ou des jours.

Le système a généré un article de recherche, créé un agent personnalisé à la volée, utilisé le calcul haute performance pour générer des protéines candidates, exploré des millions de variations de protéines et sélectionné 80 protéines à envoyer au laboratoire pour les tester.

Il a ensuite généré des séquences d’ADN et transmis les instructions au laboratoire par l’intermédiaire d’un agent personnalisé connecté à un laboratoire automatisé, la plupart des étapes étant automatisées tandis qu’une supervision humaine restait assurée.

C’est une affirmation de taille : science physique, simulation, agents et laboratoires automatisés dans une seule boucle.

Discovery pourrait donc être l’une des annonces les plus importantes à long terme, même si elle est moins immédiatement pratique pour la plupart des lecteurs que Copilot ou les appareils Surface.

Majorana 2, le pari quantique fou de Microsoft

La dernière annonce technique concernait Majorana 2, la puce quantique de nouvelle génération de Microsoft.

L’informatique quantique utilise des qubits au lieu des bits ordinaires des ordinateurs. Un bit normal vaut soit 0, soit 1. Un qubit peut contenir des états quantiques plus complexes, ce qui pourrait à terme aider les ordinateurs à résoudre certains problèmes extrêmement difficiles pour les machines actuelles.

Le problème, c’est que les qubits sont fragiles. Ils perdent facilement leur état quantique, ce qui rend l’informatique quantique fiable très difficile à mettre en œuvre.

Satya a expliqué que l’approche Majorana de Microsoft se concentrait sur les obstacles fondamentaux à une machine quantique évolutive : fiabilité, vitesse et taille.

Microsoft affirme que les qubits de Majorana 2 peuvent conserver leur état pendant 20 secondes en moyenne, et jusqu’à une minute. Satya a déclaré que c’était environ 1 000 fois plus que pour Majorana 1.

Il a également indiqué que Majorana 2 conservait le même facteur de forme cubique que Majorana 1, avec un contrôle numérique au centième de millimètre, ce qui permettrait d’intégrer 1 M de qubits sur une puce plus petite qu’une carte de crédit.

Alors oui, cela ressemble toujours à de la science-fiction. Et Microsoft cherche à démontrer que la partie science-fiction se rapproche de plus en plus d’une ingénierie utile.

La véritable histoire de Build 2026

Build 2026 a présenté la stratégie de Microsoft en matière d’agents la plus claire à ce jour : rendre les agents concrets en leur fournissant des ordinateurs, du contexte, des garde-fous et des rails de déploiement.

En surface, l’histoire est celle de lancements de produits. Plus profondément, Microsoft cherche à transformer les agents en infrastructure d’entreprise administrée.

C’est un pari très Microsoft.

Il part du principe que la plateforme d’agents gagnante sera celle qui saura répondre « oui » à l’équipe chargée de la conformité. Il suppose que les développeurs veulent du calcul local et l’échelle du cloud (euh, oui. C’est le cas). Il suppose que les entreprises veulent que le travail des agents soit lié à l’identité, aux politiques, à la traçabilité et aux connaissances internes (ce serait bien aussi !). Il suppose que l’avenir sera fait de nombreux agents, de nombreux appareils et d’un plan de contrôle pour maintenir le tout ensemble.

Le risque, c’est la complexité.

Microsoft dispose d’une pile technologique solide, mais aussi de beaucoup trop de noms. Copilot, Scout, Autopilots, Foundry IQ, Work IQ, Web IQ, Fabric IQ, OpenClaw, OpenShell, MXC, Windows 365 for Agents, Project Solara, Rayfin, Frontier Tuning, Agent Control Specification, Microsoft Agent Framework, Agent 365, MDASH, Microsoft Discovery, Maia, Cobalt, MRC, HorizonDB, MAI, Majorana, Aion Instruct et Aion Plan, pour n’en citer que quelques-uns.

Ah, la malédiction des hyperscalers. Google et AWS ont le même problème, TBH. À cette échelle, il y a tout simplement énormément de choses à gérer.

Un développeur ordinaire peut regarder cette carte et se demander où se trouve la porte d’entrée. Le défi consistera donc à simplifier l’ensemble et à le rendre aussi facile à parcourir que possible.

Cela dit, la meilleure version de cet avenir est séduisante. Un agent (idéalement local, à mesure que la technologie rattrape son retard) voit le contexte de votre travail, utilise le bon modèle, s’exécute en toute sécurité sur votre appareil ou dans un Cloud PC, vérifie les données du Web en temps réel, écrit du code, le teste, ouvre une pull request, respecte les politiques et laisse une piste d’audit.

La pire version, c’est l’IA d’entreprise sous forme de labyrinthe de dossiers. Ou, comme j’aime l’appeler, un imbroglio logiciel indigeste en forme de plat de spaghettis.

Il ne reste donc qu’une seule question : Microsoft peut-il rendre la pile d’agents aussi évidente à utiliser qu’elle est puissante à décrire ?

Si c’est le cas, Build 2026 restera peut-être dans les mémoires comme le moment où Microsoft a cessé de vendre l’IA sous la forme d’un panneau latéral pour commencer à reconstruire l’ordinateur autour d’elle. Pour ma part, je suis au moins plutôt optimiste quant à cette proposition, du moins en ce qui concerne l’impact que pourrait avoir une IA accessible localement sur les gens ordinaires… à condition que nous parvenions à mettre en place les autres systèmes qui l’entourent et à les faire fonctionner correctement.

Note de la rédaction : cet article a été publié à l’origine dans notre publication sœur, The Neuron.