Le Maia 300 de Microsoft adopte le procédé N2P de TSMC, tandis qu’Azure vise plusieurs gigawatts de capacité IA en 2027

Un rack de 96 accélérateurs au cœur de la prochaine offensive de Microsoft dans l’IA

Microsoft a dévoilé le Maia 300, un accélérateur d’IA dont les chiplets de calcul seront fabriqués selon le procédé N2P de Taiwan Semiconductor Manufacturing Co. Les déploiements en production doivent débuter en 2027. Cette annonce donne une forme concrète à l’ambition de Microsoft : faire de ses propres puces Maia le système principal pour exécuter l’inférence IA dans ses produits et services.

Le rack prévu regroupe 96 accélérateurs dans une enveloppe de puissance de 167 kilowatts, avec 27,6 téraoctets de mémoire à haut débit et une bande passante mémoire agrégée d’environ 1,7 pétaoctet par seconde. Microsoft s’attend à ce que le Maia 300 produise 40 % de tokens supplémentaires par mégawatt par rapport aux systèmes de pointe équipés d’unités de traitement graphique, ou GPU, et jusqu’à sept fois plus qu’un rack Maia 200.

Il s’agit de chiffres de performance avancés par l’entreprise, et non de résultats issus de tests indépendants. Ils montrent néanmoins dans quelle direction Microsoft oriente ses investissements : accroître le volume de production utile de l’IA compatible avec les contraintes d’électricité, de refroidissement et d’espace d’un centre de données, plutôt que d’augmenter simplement la puissance de calcul d’une puce individuelle.

Scott Guthrie, vice-président exécutif de Microsoft chargé du Cloud et de l’IA, a présenté le plan de déploiement dans l’annonce d’Azure Maia publiée par l’entreprise le 12 octobre 2026.

Nous allons étendre la famille Azure Maia à des déploiements de plusieurs gigawatts à partir de 2027, afin que Maia devienne le système d’inférence principal des produits et services Microsoft.

Cette annonce porte sur la famille Maia, et non sur le seul Maia 300. Les informations selon lesquelles Microsoft pourrait déployer plus d’un million de puces Maia 300 en 2027 vont au-delà de l’annonce publiée : celle-ci confirme l’année de démarrage, mais ne précise ni le nombre de puces ni l’échéance à laquelle l’expansion plus large serait achevée.

Ce que produira le procédé N2P de TSMC

La confirmation de Microsoft est plus précise qu’une description générale du Maia 300 comme une puce de 2 nanomètres. Les chiplets de calcul utilisent le procédé N2P, qui fait partie de la famille 2 nanomètres de TSMC. Les contrôleurs mémoire et les fonctions d’entrée-sortie sont installés sur des puces distinctes, ce qui permet de recourir, pour chaque partie du boîtier, à des technologies de fabrication adaptées à ses besoins.

Un chiplet est une petite puce de silicium qui fonctionne avec d’autres puces au sein d’un même boîtier. Dans le Maia 300, cette division permet à Microsoft de fabriquer les fonctions de calcul selon un procédé avancé, tout en traitant séparément la connectivité, le contrôle mémoire et les coûts. Cela ne signifie pas que toutes les puces du boîtier utilisent le procédé N2P.

L’analyse de l’architecture du Maia 300 publiée par Microsoft le 12 octobre et rédigée par Rani Borkar, présidente d’Azure Hardware Systems and Infrastructure, et Saurabh Dighe, vice-président de Systems Planning and Architecture, décrit explicitement cette répartition.

Selon le document, les modifications de l’architecture augmentent de 36 % le débit de calcul du système, mesuré en opérations à virgule flottante, multiplient par 2,5 la bande passante HBM et accroissent de 14 % la bande passante des communications entre accélérateurs. Ces chiffres concernent différentes ressources du système. Aucun d’entre eux, à lui seul, n’explique la hausse annoncée, d’un facteur sept, du nombre de tokens produits par rack.

Pourquoi la mémoire compte autant que la puissance de calcul

Le Maia 300 est principalement conçu pour l’inférence, c’est-à-dire l’utilisation d’un modèle déjà entraîné pour produire des réponses ou réaliser des tâches. Les charges de travail visées comprennent le raisonnement sur de longs documents, les conversations nécessitant des réponses rapides et les agents d’IA qui enchaînent plusieurs étapes et utilisent des outils sur une période prolongée.

Ces tâches peuvent consacrer beaucoup de temps au déplacement des données du modèle et des informations conservées sur la conversation, plutôt qu’aux calculs. Microsoft a donc conçu chaque accélérateur autour de huit piles de mémoire HBM4, pour une capacité de 288 gigaoctets et une bande passante de pointe de 18 téraoctets par seconde, dans une enveloppe thermique de 950 watts. La puissance thermique de conception est une spécification de conception pour l’alimentation et le refroidissement, et non une mesure de la consommation électrique constante.

Par rapport au Maia 200, le Maia 300 offre, selon Microsoft, 33 % de capacité mémoire supplémentaire et une bande passante multipliée par 2,5. La comparaison des capacités est cohérente avec la hausse annoncée de 216 à 288 gigaoctets, soit 72 gigaoctets supplémentaires par accélérateur.

Les unités de bande passante doivent être interprétées avec prudence. Certains articles expriment la bande passante de la puce précédente en térabits par seconde et celle du nouveau rack en pépabits par seconde. La documentation de Microsoft sur le Maia 300 utilise des téraoctets et des pétaoctets par seconde. Un octet vaut huit bits : ces chiffres, exprimés dans des unités différentes, ne sont donc pas interchangeables.

Le logiciel contrôle la circulation des données

Le Maia 300 prolonge l’architecture Software Defined Locally Accessed Dataflow Architecture de Microsoft, ou SDLA. Concrètement, elle donne au logiciel un contrôle explicite sur l’emplacement des données, leur circulation, le moment où leur format change et la coordination des opérations entre les moteurs de calcul, la mémoire et le réseau.

La nouvelle conception repose sur une organisation de la mémoire non uniforme entre les chiplets. Certaines zones mémoire sont plus proches d’une région de calcul donnée que d’autres : le logiciel peut donc limiter les déplacements en plaçant les données près des moteurs qui en ont besoin. La SRAM, une mémoire rapide située sur la puce, sert également d’espace de travail temporaire géré par logiciel, ce qui réduit les besoins en HBM.

Microsoft associe ces changements à une prise en charge élargie des formats numériques compacts, notamment MXFP4 et des formats de stockage utilisant moins de trois bits. Ces représentations réduisent l’espace mémoire occupé par les données et le nombre d’octets à déplacer pendant l’inférence. Leur utilité dépend de la prise en charge par le logiciel et les modèles, et pas seulement de leur format plus compact.

La conception vise aussi le cache KV, qui conserve les informations correspondant aux tokens déjà traités par un modèle afin qu’il n’ait pas à les recalculer à chaque étape. La compacité de ce cache devient importante lorsque les conversations s’allongent ou que de nombreux utilisateurs sollicitent le système simultanément.

Mustafa Suleyman, directeur général de Microsoft AI, a relié le programme matériel aux travaux de développement des modèles de l’entreprise. Il a ainsi expliqué pourquoi son équipe souhaite contrôler la plateforme sur laquelle ceux-ci reposent.

À cette échelle, nous avons besoin d’une plateforme qui nous appartienne et que nous concevions conjointement avec nos modèles. C’est pourquoi l’exécution de nos modèles Microsoft AI sur la puce Maia est une priorité essentielle pour notre équipe.

D’un rack à 12 288 accélérateurs

Un rack Maia 300 comprend 24 tiroirs, chacun intégrant quatre accélérateurs ainsi que le processeur hôte, la mémoire, le stockage et le système de refroidissement associés. Le nombre d’accélérateurs est ainsi doublé par rapport aux 48 d’un rack Maia 200. L’intégration des équipements hôtes dans ces tiroirs évite d’avoir recours à des tiroirs hôtes distincts et libère de la place pour des accélérateurs supplémentaires.

La conception réseau de Microsoft peut relier jusqu’à 128 racks au sein d’un superpod de 12 288 accélérateurs. Elle utilise des connexions électriques à l’intérieur des racks et des connexions optiques entre eux, avec un transport personnalisé pour l’IA reposant sur Ethernet.

Le réseau présente au logiciel un modèle de communication unique à l’échelle du superpod. Les accélérateurs peuvent lancer des transferts vers d’autres accélérateurs sans passer par un processeur hôte ou une interface réseau distincte pour les communications entre racks.

C’est important lorsqu’un modèle est réparti entre plusieurs puces. Le parallélisme tensoriel distribue des parties des calculs du modèle entre les accélérateurs et nécessite de fréquentes communications entre eux. Selon Microsoft, le logiciel peut maintenir dans un même rack les échanges nécessitant les délais de réponse les plus courts, tout en répartissant plus largement les autres tâches.

Le même réseau peut séparer le traitement initial d’une invite de la génération ultérieure d’une réponse. Les données KV stockées sont directement transférées entre les unités chargées de ces étapes. Des accélérateurs disponibles dans un autre rack peuvent aussi prendre le relais si des capacités ne sont plus accessibles, au prix d’une latence supplémentaire liée à un trajet de communication plus long.

Ce que mesurent réellement les gains d’efficacité annoncés

Microsoft avance deux comparaisons principales qu’il convient de distinguer. Le gain attendu de 40 % du nombre de tokens par mégawatt compare le Maia 300 aux systèmes GPU de pointe. Le chiffre allant jusqu’à sept fois plus de tokens par rack compare un rack Maia 300 entièrement configuré au Maia 200.

Un token est une unité de texte traitée par un modèle de langage, souvent une partie de mot plutôt qu’un mot entier. Le débit de tokens mesure le volume produit, mais ne permet pas à lui seul d’établir la qualité des réponses, la vitesse de réponse pour chaque utilisateur ou les performances de tous les modèles.

Le document sur l’architecture emploie également des formulations différentes pour décrire l’efficacité par rapport au Maia 200. Sa partie consacrée au rack évoque jusqu’à 2,5 fois plus de performances par watt, tandis que la conclusion mentionne plus de 2,5 fois. En l’absence de conditions de test détaillées, ces formulations ne doivent pas être ramenées à un résultat unique garanti.

Le nombre d’accélérateurs explique une partie de la hausse de production par rack : le Maia 300 en double le nombre. Le gain de débit annoncé, d’un facteur sept, ne s’explique donc pas par la seule densité : il combine davantage d’accélérateurs et des progrès en matière de mémoire, de logiciels, de réseau et d’efficacité d’exécution. Il ne faut pas l’interpréter comme une amélioration d’un facteur sept pour chaque puce individuelle.

La spécification de 950 watts par accélérateur est également distincte de l’enveloppe de 167 kilowatts du rack. Multiplier 96 par 950 watts donne 91,2 kilowatts. Le chiffre du rack couvre un système plus large, qui comprend les hôtes, la mémoire, le réseau et l’alimentation. Ces deux valeurs correspondent donc à des périmètres différents.

Le refroidissement et l’électricité déterminent les déploiements

Avec une puissance de 167 kilowatts par rack, le Maia 300 nécessite une approche intégrée de l’alimentation et de la dissipation thermique. Microsoft indique que le refroidissement liquide évacue plus de 80 % de la charge thermique du rack provenant des accélérateurs, des régulateurs de tension et des commutateurs réseau. Le refroidissement par air prend en charge la mémoire, le stockage et les autres composants.

Le rack peut être raccordé directement au réseau d’eau du site, si celui-ci en dispose, ou utiliser un échangeur thermique dans un centre de données refroidi par air. Deux arrivées électriques et un commutateur de transfert automatique permettent de maintenir le fonctionnement lorsqu’une alimentation est mise hors service pour maintenance.

Les mesures de puissance effectuées au niveau des racks et des rangées alimentent les opérations du centre de données. Selon Microsoft, ces informations aident ses algorithmes à répartir l’alimentation, à placer les charges de travail et à ajuster la densité de déploiement en fonction des capacités électriques et de refroidissement disponibles.

Alistair Speirs, directeur général chez Microsoft, a expliqué le lien avec les coûts d’exploitation en évoquant la nouvelle architecture.

Nous avons besoin de nouvelles architectures qui nous apporteront de meilleures performances et nous permettront de mieux utiliser l’électricité dont nous disposons.

L’objectif de déploiement à l’échelle du gigawatt ne correspond donc pas seulement à un plan d’achat de puces. Il suppose un engagement important en matière d’infrastructure, notamment pour les racks, les réseaux, la capacité électrique et le refroidissement. L’annonce publiée ne précise ni les sites, ni la répartition géographique, ni le calendrier d’achèvement de ces capacités.

Le Maia 200 sert de point de départ

Selon Microsoft, le Maia 200 exécute déjà des charges de travail en production, notamment Microsoft Copilot, et accompagne l’équipe MAI dans le développement de nouveaux modèles. Il exécute des modèles d’OpenAI, les propres modèles MAI de Microsoft ainsi que les principales familles de modèles open source. Il est déployé aux États-Unis, en Europe et en Australie.

Les informations diffèrent quant au déploiement de GitHub Copilot et de Microsoft Foundry. L’une indique que les deux exécutent déjà des charges de travail en production sur Maia 200. Dans sa déclaration du 12 octobre, Microsoft prévoit plutôt leur arrivée d’ici à la fin de 2026. Ce calendrier officiel constitue la référence la plus fiable pour décrire leur situation.

Microsoft annonce jusqu’à 1,7 fois plus de tokens par watt pour les fonctions d’IA intégrées à Teams, Copilot et Cowork, par rapport aux principales infrastructures GPU. L’entreprise mentionne également de futurs usages couvrant l’assistance au codage, la mise à disposition de modèles dans le cloud, l’inférence et la génération de données pour MAI, ainsi que les parcours de soins via Dragon Copilot.

Voici la chronologie des annonces et des étapes prévues :

• 2023 : Microsoft présente le Maia 100, son premier accélérateur d’IA personnalisé.
• Janvier 2026 : Microsoft annonce le Maia 200.
• 12 octobre 2026 : Microsoft dévoile l’architecture du Maia 300 et confirme des charges de travail du Maia 200 en production.
• D’ici à la fin de 2026 : GitHub Copilot et Microsoft Foundry devraient également passer sur Maia 200.
• 2027 : les déploiements en production du Maia 300 et l’expansion de la famille Maia vers plusieurs gigawatts doivent débuter.

Jim Kleewein, ingénieur distingué chez Microsoft, indique que certaines fonctionnalités de Microsoft 365 Copilot devraient être plus rapides avec le Maia 300. Aucun gain chiffré sur le temps de réponse des utilisateurs n’a été annoncé.

Un rôle accru pour TSMC et l’industrie taïwanaise des serveurs

Le Maia 300 confirme le rôle de TSMC dans les équipements d’IA avancés d’un autre grand fournisseur de services cloud. Microsoft conçoit l’accélérateur, tandis que TSMC fabrique ses chiplets de calcul N2P. Réduire la dépendance aux GPU achetés ne supprime donc pas celle à l’égard des capacités de production de semi-conducteurs.

TSMC a annoncé que cinq installations utilisant son procédé 2 nanomètres entreront en production à partir de 2026, deux à Hsinchu et trois à Kaohsiung. La production en volume du N2P est prévue pour le second semestre 2026, avant les déploiements de Microsoft programmés en 2027.

Les estimations du marché situent la capacité mensuelle de TSMC en 2 nanomètres autour de 90 000 à 100 000 plaquettes à la fin de 2026 et au-dessus de 110 000 à la mi-2027. Les prévisions selon lesquelles ce procédé pourrait représenter près de 10 % du chiffre d’affaires du second semestre sont des estimations, et non des revenus confirmés provenant de commandes de Maia.

Parmi les objectifs annoncés par TSMC figurent une production de plaquettes supérieure de 45 % au cours de la première année du procédé 2 nanomètres à celle réalisée lors de la première année de la production en 3 nanomètres, en 2023, ainsi qu’un taux de croissance annuel composé de 70 % de la capacité en 2 nanomètres entre 2026 et 2028. Aucun de ces objectifs ne permet de déterminer quelle part de cette production reviendra à Microsoft.

Des prévisions plus larges du marché désignent Foxconn, Quanta, Wistron, Wiwynn, Pegatron, Inventec, Compal et MiTAC comme des bénéficiaires potentiels de la hausse de la demande de serveurs d’IA. Les expéditions de ces serveurs devraient atteindre 3,5 millions d’unités en 2026 et 5,2 millions en 2027. Ces chiffres arrondis impliquent une croissance d’environ 49 %, légèrement supérieure à la prévision de 46 % citée séparément.

Les prévisions tablent également sur une hausse de 96 % des dépenses d’investissement des principaux fournisseurs américains de services cloud en 2026, dont environ la moitié serait liée à la construction de centres de données. Foxconn s’attend à plus que doubler ses expéditions annuelles de racks d’IA, tandis que Quanta maintient son objectif d’une croissance d’au moins 100 % de ses serveurs d’IA. Il s’agit de prévisions sectorielles générales, et non de la confirmation de contrats d’approvisionnement pour le Maia 300.

Nvidia reste partie prenante du plan

L’objectif de Microsoft est de faire de Maia le système principal pour l’inférence dans ses propres produits et services, et non de remplacer tous les GPU dans Azure. L’entraînement de nouveaux modèles reste une autre nécessité, et Microsoft poursuit sa collaboration avec Nvidia et AMD dans ce domaine.

Lors de sa conférence téléphonique sur les résultats de juillet, Microsoft a indiqué qu’il s’attendait à figurer parmi les premiers fournisseurs de services cloud à déployer les systèmes Nvidia Vera Rubin et AMD Helios. Evercore ISI estime que Maia pourrait représenter environ 10 % des dépenses de Microsoft en puces d’IA au premier trimestre 2027. La part des dépenses n’étant pas équivalente à la part des tâches d’inférence exécutées, cette estimation ne mesure pas directement les progrès vers l’objectif opérationnel de Microsoft.

Les accélérateurs Maia ne sont pas actuellement proposés à la location horaire à d’autres entreprises. Cela limite les évaluations externes et signifie que les performances annoncées ne permettent pas d’établir ce qu’un client indépendant obtiendrait avec un modèle donné.

Les incertitudes restantes concernent le nombre d’unités déployées, le calendrier d’atteinte de la pleine capacité en gigawatts, les conditions détaillées des tests et la répartition à terme des charges de travail entre Maia et les GPU achetés. Microsoft indique qu’il communiquera davantage sur sa stratégie lors d’Ignite 2026, à San Francisco et en ligne, en novembre.

À retenir

• Les chiplets de calcul du Maia 300 utilisent le procédé N2P de TSMC ; les déploiements en production doivent débuter en 2027.
• Chaque accélérateur dispose de 288 Go de mémoire HBM4 et d’une bande passante mémoire de pointe de 18 To/s.
• Un rack complet comprend 96 accélérateurs dans une enveloppe de puissance de 167 kW.
• Microsoft s’attend à produire 40 % de tokens supplémentaires par mégawatt par rapport aux principaux systèmes GPU et jusqu’à sept fois plus qu’un rack Maia 200.
• Les déploiements de la famille Maia doivent s’étendre à plusieurs gigawatts à partir de 2027, sans échéance d’achèvement publiée.
• Les informations faisant état de plus d’un million de déploiements du Maia 300 ne sont pas confirmées par l’annonce de Microsoft.
• Microsoft prévoit toujours de déployer des systèmes Nvidia et AMD en parallèle de ses propres équipements.