Microsoft a réduit de 72 % le prix de la transcription vocale basée sur l'IA avec le lancement de MAI-Transcribe-2, un nouveau modèle de son unité Microsoft AI interne qui, selon la société, bat OpenAI, Google et ElevenLabs en termes de précision et de vitesse. Le modèle, lancé le 3 septembre 2026, coûte seulement 0,10 $ par heure audio jusqu'au 31 décembre 2026, soit une forte baisse par rapport aux 0,36 $ par heure facturés par Microsoft pour son précédent modèle MAI-Transcribe-1.5 en juin.
Cette décision est le signe le plus clair à ce jour que la division Microsoft AI de Mustafa Suleyman, construite autour de l'équipe que Microsoft a embauchée chez Inflection AI en mars 2024, a l'intention de concurrencer directement les partenaires et rivaux sur lesquels elle s'appuyait autrefois. Pour les développeurs qui suivent l’évolution rapide de l’économie des API d’IA, AI Buzz Wire couvre tous les lancements majeurs d’outils d’IA au fur et à mesure.
Les chiffres derrière la baisse des prix
Selon l'article de lancement de Microsoft et la couverture du benchmark de VentureBeat, MAI-Transcribe-2 se classe au premier rang du benchmark multilingue FLEURS dans 60 langues, avec un taux d'erreur de mot moyen de 5,2 %. Dans le classement indépendant hors streaming d'Artificial Analysis, le modèle affiche un taux d'erreur de mots de 2,0 % et se classe au deuxième rang en termes de précision, derrière l'aperçu Fun-Realtime-ASR d'Alibaba.
Selon Microsoft, c'est dans la vitesse que l'écart se creuse véritablement. Sur la base d'évaluations d'analyse artificielle, la société affirme que MAI-Transcribe-2 fonctionne 10 fois plus vite que GPT-Transcribe d'OpenAI, 7 fois plus rapide que Scribe v2 d'ElevenLabs et 5 fois plus rapide que Gemini 3.5 Transcribe de Google. L'analyse artificielle répertorie actuellement le modèle avec un facteur de vitesse médian de 410,7, ce qui signifie qu'une heure d'audio peut revenir transcrite en neuf à dix secondes environ.
Ce que le modèle peut faire
Au-delà de la vitesse et du prix bruts, la liste des fonctionnalités s'adresse aux charges de travail de production plutôt qu'aux démos. Disponible via Microsoft Foundry, MAI Playground et OpenRouter, MAI-Transcribe-2 prend en charge l'identification automatique de la langue, la commutation de code entre les langues au milieu d'une phrase, la diarisation du locuteur, l'horodatage au niveau des mots, la polarisation des mots clés et les styles de transcription configurables.
Ces fonctionnalités déterminent si une transcription est réellement utilisable dans les contextes où la transcription rapporte de l'argent : centres d'appels acheminant les plaintes des clients, cliniques documentant les visites, salles de rédaction traitant les entretiens et salles de réunion où plusieurs personnes se parlent. La polarisation des mots clés permet en particulier aux développeurs d'enseigner au modèle un vocabulaire spécifique au domaine (noms de médicaments, références de produits, termes juridiques) sans rien recycler.
Une stratégie délibérée de la part de Suleyman's Shop
MAI-Transcribe-2 est le deuxième modèle de transcription de Microsoft AI en trois mois. MAI-Transcribe-1 a été lancé à 0,36 $ l'heure, et MAI-Transcribe-1.5 a suivi en juin avec la prise en charge de 43 langues et une troisième place en matière d'analyse artificielle. Le nouveau modèle étend la couverture à 60 langues tout en réduisant le prix de plus des deux tiers.
L'unité a déjà livré MAI-1 pour le texte et MAI-Voice-1 pour la génération de parole, ainsi que des modèles récents de cybersécurité et d'image. Ce qui est visiblement absent du lancement, c'est toute mention de Copilot ou d'OpenAI – ce qui est remarquable compte tenu de l'investissement de plusieurs milliards de dollars de Microsoft dans OpenAI et de son historique de routage des fonctionnalités d'IA via ce partenariat. Au lieu de cela, Microsoft vend un modèle de marque Microsoft qui concurrence directement le propre produit de transcription d'OpenAI.
Une guerre des prix dans l'IA vocale
Le marché de la transcription est progressivement devenu l'un des domaines les plus compétitifs de l'IA appliquée, et la pression sur les prix est réelle : Microsoft note que le tarif promotionnel de 0,10 $ expire le 31 décembre 2026, ce qui fonctionne à la fois comme une incitation pour les clients et un avertissement aux concurrents sur la direction que prendront les prix.
Pour les startups du secteur, le calcul est brutal. Si un hyperscaler peut fournir une précision de premier ordre à un dixième de dollar par heure audio tout en produisant une heure d'audio en quelques secondes, les fournisseurs de transcription soutenus par du capital-risque doivent trouver de la valeur dans la spécialisation verticale, l'intégration des flux de travail ou les garanties de confidentialité – ou être complètement exclus du marché.
Pour les acheteurs, le message est plus simple qu'il ne l'a été depuis des années : la reconnaissance vocale de pointe coûte désormais moins d'un centime de l'heure, et elle ne fait que baisser.
Gardez une longueur d'avance sur l'IA
De nouveaux outils d’IA sont lancés chaque semaine, et les gagnants et les perdants changent rapidement. Suivez AI Buzz Wire pour une couverture indépendante du marché des outils d'IA.
Lire les dernières nouvelles sur l'IA →
