Rubriqua team
15 min de lecture
Photo by Carlos Muza on Unsplash
Microsoft a présenté le 9 octobre 2026 Microsoft-Decision-1, un modèle conçu non pas pour converser mais pour trancher. Quelques jours plus tard, des responsables de Copilot et de Bing confirmaient qu’il était déjà en test dans leurs produits. Pour les marques qui travaillent leur visibilité dans les moteurs de recherche et les assistants IA, l’annonce mérite qu’on s’y arrête. Non parce qu’elle bouleverse le classement du jour au lendemain, mais parce qu’elle montre comment fonctionnent désormais les moteurs de réponse : une succession de petites décisions, prises en quelques millisecondes, avant même qu’un texte ne soit rédigé.
Les grands modèles de langage comme ceux qui animent ChatGPT ou Copilot produisent du texte, mot après mot. Microsoft-Decision-1 fonctionne autrement. On lui soumet une question et un ensemble fermé de réponses possibles, par exemple oui ou non, un choix parmi plusieurs catégories, ou une note sur une échelle. Il renvoie en une seule passe une probabilité pour chacune des options. Microsoft insiste sur le caractère calibré de ces probabilités : une réponse donnée à 90 % devrait être juste environ neuf fois sur dix.
Selon l’annonce publiée sur Command Line, le média de Microsoft, le modèle est destiné à l’orientation des demandes, à la classification, à la priorisation, à la vérification et au pilotage des enchaînements de tâches. Il a été obtenu par réentraînement de Qwen3.5-9B, un modèle ouvert de taille moyenne, et il est disponible dans Microsoft Foundry et via OpenRouter, au prix de 0,042 dollar par million de jetons en entrée, les jetons de sortie étant gratuits.
Les performances revendiquées sont nettes, avec une réserve importante : elles proviennent de Microsoft et n’ont pas été vérifiées de façon indépendante. L’éditeur annonce la meilleure précision sur 36 bancs d’essai regroupant près de 150 000 questions, une latence médiane environ 35 fois inférieure à celle du modèle d’OpenAI pris comme référence, et une décision modifiée dans seulement 1,3 % des cas lorsque la question est reformulée ou que l’ordre des options change.
Les seules confirmations publiques viennent de deux messages publiés sur X et relayés par Search Engine Land. Rangan Majumder, vice-président chargé de la qualité de Copilot, indique que son équipe l’expérimente et se dit impressionné par la rapidité de ses progrès. Krishna Madhavan, responsable produit chez Bing, s’est contenté de rappeler que l’équipe expérimente en permanence.
L’annonce de Microsoft apporte un peu plus de matière. L’équipe Copilot s’en sert pour évaluer la qualité des réponses du chatbot et des agents, avec des résultats comparables à un grand modèle de langage pour une vitesse cent fois supérieure. Parmi les usages possibles, Microsoft cite explicitement la pertinence des résultats de recherche, l’analyse de l’intention, le filtrage de contenus et les recommandations. Bing, en revanche, n’est jamais mentionné. À ce stade, personne ne sait si le modèle intervient dans le classement des résultats, dans le choix des sources citées par Copilot ou uniquement dans des contrôles de qualité internes. Tout article qui affirme le contraire extrapole.
Entre la question d’un internaute et la réponse affichée par un assistant, le système enchaîne les décisions. Il doit déterminer si la question nécessite une recherche, identifier l’intention, choisir les outils à mobiliser, juger quels passages répondent vraiment à la question, puis vérifier que la réponse finale est fiable.
Confier ces décisions à un grand modèle de langage coûte cher et prend du temps. Microsoft donne lui-même l’ordre de grandeur : ajouter 100 millisecondes à chacune des 20 décisions successives d’un enchaînement rallonge l’ensemble de deux secondes. Un modèle spécialisé, rapide et peu coûteux permet de multiplier ces contrôles sans dégrader l’expérience. Microsoft n’est pas seul sur cette voie : tous les acteurs des moteurs IA cherchent à réserver les grands modèles à la rédaction et à confier le tri à des systèmes plus légers.
Aucune optimisation spécifique à Microsoft-Decision-1 n’a de sens aujourd’hui, et il faut se méfier de ceux qui en proposeront. Le fonctionnement interne de Bing et de Copilot n’est pas documenté, et le modèle n’est qu’en test. En revanche, la logique qu’il illustre éclaire la manière dont vos contenus sont évalués.
Un modèle de décision juge vite et sur des critères fermés. Ce passage répond-il à la question ? Cette page relève-t-elle de telle catégorie ? Cette affirmation est-elle étayée ? Un contenu qui enfouit sa réponse sous plusieurs paragraphes d’introduction, reste vague sur ce qu’il propose ou affirme sans démontrer a moins de chances d’être retenu. À l’inverse, une page dont chaque section répond à une question précise, avec des informations vérifiables et un vocabulaire sans ambiguïté, facilite le travail de tous les filtres, qu’ils reposent sur ce modèle ou sur un autre. La même logique vaut pour votre marque : si votre site, vos fiches d’établissement et les annuaires décrivent votre activité de façon différente, un système qui doit vous classer dans une catégorie hésitera.
Côté Bing, souvent négligé alors que Copilot s’appuie sur son index, des outils concrets existent déjà pour mesurer et améliorer votre présence dans les réponses IA.
Microsoft-Decision-1 ne change pas, à lui seul, les règles de la visibilité en ligne. Il rend visible une évolution déjà engagée : les moteurs de recherche et les assistants IA ne se contentent plus de classer des pages, ils prennent une série de décisions rapides sur chaque contenu avant de l’utiliser. Les sites qui répondent clairement, prouvent ce qu’ils avancent et décrivent leur activité de façon cohérente passent plus facilement ces étapes. Les autres disparaissent des réponses sans même savoir à quel moment ils ont été écartés.
Chez Rubriqua, nous accompagnons les entreprises qui veulent comprendre comment elles apparaissent dans Google, Bing et les assistants IA. Nous commençons toujours par une première analyse : configuration de Bing Webmaster Tools, lecture du rapport de performances IA, audit de vos pages stratégiques et de la cohérence de votre marque sur le web. Vous savez ainsi où vous êtes cité, où vous ne l’êtes pas, et quelles pages retravailler en priorité.
Nous analysons votre présence dans Bing, Copilot et les autres assistants IA, puis nous identifions les pages à retravailler en priorité pour être retenu dans leurs réponses.
Votre site est-il visible sur Google et dans les IA ?
Recevez une première analyse de votre site avec les pistes prioritaires pour gagner en visibilité.
Demande bien reçue
Je reviens vers vous très vite avec une première lecture de votre site.
