Note de l’auteur : les « 5 % de coût » de MAI Code 2 sont le résultat d’un benchmark spécifique et d’un tarif promotionnel. Cet article décompose la formulation d’origine, la grille tarifaire et les calculs pour vous aider à estimer votre facture réelle.
Réponse directe : les « 5 % de coût » de MAI Code 2 ne signifient pas « 95 % d’économie permanente sur toutes les tâches de programmation ». Il s’agit d’une moyenne obtenue par Microsoft en comparant MAI Code 2 à Opus 5.5 sur 4 benchmarks de programmation, avec le réglage max effort, et le coût côté MAI utilise un tarif promotionnel de 50 %. Ce chiffre indique « combien il en a coûté pour accomplir les mêmes tâches dans ces benchmarks », et non « un prix unitaire par token représentant seulement 5 % de celui de l’autre modèle ». Une fois la promotion terminée, et dès que vous passez à votre propre base de code et à votre propre workflow, le ratio évoluera et il faudra recalculer.
Que retiendrez-vous de cet article ?
- La formulation exacte du « 96 % de performance, 5 % de coût » dans le texte original de Microsoft, ainsi que les conditions de test dont elle dépend.
- Les tarifs promotionnels, les tarifs standards et les dates de retour à la normale pour MAI Code 2 et MAI Code 2 Flash, tels que publiés par GitHub Copilot.
- Pourquoi le « ratio de coût par tâche » et le « ratio de prix unitaire par token » ne sont pas interchangeables.
- Un exemple chiffré reproductible à nombre de tokens fixe, et comment le cache, les nouvelles tentatives et la reprise manuelle modifient la facture.
- Une méthode d’achat pour évaluer les modèles de programmation selon le « coût par tâche réussie ».
Sommaire : La première partie, « Faits objectifs », présente successivement la formulation de la publication (1.1), les conditions des quatre benchmarks (1.2), la grille tarifaire Copilot (1.3), la période promotionnelle (1.4) ainsi que la distinction entre les deux notions de coût (1.5), en ne citant que des informations sourcées. La deuxième partie, « Analyse et interprétation », regroupe nos calculs et notre lecture éditoriale : d’abord un exemple chiffré à nombre de tokens fixe (2.1), puis une projection de l’évolution du ratio après la fin de la promotion (2.2), ensuite une décomposition de l’effet du cache, des nouvelles tentatives et de la reprise (2.3), et enfin une checklist d’achat fondée sur les tâches réussies (2.4) et les points à surveiller (2.5). Les projections de coûts de la deuxième partie sont des exemples originaux fondés sur les données officielles citées, et non des factures mesurées.

À savoir : les concepts nécessaires pour comprendre le coût de MAI Code 2
| Concept | Explication rapide |
|---|---|
| MAI Code 2 / MAI Code 2 Flash | Deux modèles de programmation publiés par Microsoft le 17 novembre 2026 ; Flash est positionné comme plus léger, avec un prix unitaire plus bas |
| Opus 5.5 | Modèle utilisé par Microsoft comme base de comparaison dans son annonce |
| max effort | Niveau d’effort de raisonnement maximal employé lors des évaluations, ce qui implique généralement davantage de raisonnement et une consommation de tokens plus élevée |
| DeepSWE 1.1, TerminalBench 2.1, SWEAtlas, FrontierCode 1.1 | Les 4 benchmarks de programmation retenus par Microsoft |
| MSBench | Framework d’évaluation interne de Microsoft, dans lequel s’exécutent les trois premières évaluations |
| sous-agent (subagent) | Agent dérivé de l’agent principal pour traiter des sous-tâches ; les trois premières évaluations ne l’utilisent explicitement pas |
| entrée en cache (cached input) | Tokens d’entrée récurrents pouvant être servis depuis le cache, dont le prix unitaire est bien inférieur à celui d’une entrée classique |
| AI credit | Unité de facturation de GitHub Copilot : 1 AI credit = 0,01 dollar |
| coût d’une tâche | Dépense totale réellement consommée pour accomplir une tâche ; elle dépend du prix unitaire × du volume × du nombre de tentatives |
| prix unitaire des tokens | Prix affiché par million de tokens d’entrée ou de sortie ; ce n’est qu’un facteur parmi d’autres du coût d’une tâche |
Aperçu express des impacts du « coût de 5 % » de MAI Code 2
- Développeurs qui utilisent GitHub Copilot : pendant la période promotionnelle, MAI Code 2 consomme peu de crédits AI, ce qui en fait un bon candidat pour des tests comparatifs dans votre propre dépôt ; gardez toutefois en tête que le tarif promo a une date de fin, et qu’il ne faut pas prendre la facture de la période promotionnelle comme budget à long terme.
- Responsables d’équipe et acheteurs : le « 5 % » peut servir de signal à surveiller, mais il ne doit pas être repris tel quel dans un modèle de coûts. Calculez le coût de chaque « tâche réussie » à partir de vos propres taux de réussite, du nombre de tentatives et du temps de relecture humaine.
- Développeurs qui appellent le modèle via d’autres canaux : les tarifs cités dans cet article sont ceux de GitHub Copilot ; ils ne représentent pas ceux d’Azure AI Foundry ni d’autres canaux API. Si vous testez des modèles de programmation sur une plateforme d’agrégation comme APIYI apiyi.com, vérifiez d’abord quels modèles la plateforme prend réellement en charge et quelles sont ses règles de facturation.
- Chercheurs qui suivent les évaluations : sur les 4 évaluations, 3 tournent dans le cadre interne de Microsoft ; il s’agit donc de benchmarks fournisseur, et il faut attendre une reproduction indépendante.
1. Les faits objectifs : d’où vient le « coût de 5 % » de MAI Code 2 et quel tarif est annoncé
1.1 Sortie de MAI Code 2 et la formulation officielle du « 96 % de performances pour 5 % du coût »
Microsoft a publié MAI Code 2 et MAI Code 2 Flash le 17 novembre 2026. L’article de lancement indique que, sur la moyenne des résultats de quatre évaluations, MAI Code 2 atteint environ 96 % des performances d’Opus 5.5, pour un coût représentant environ 5 % de celui-ci.
Cette formulation est une conclusion tirée par le fournisseur à partir d’évaluations qu’il a lui-même choisies : elle décrit les résultats sur ces quatre benchmarks, et non un jugement global sur les capacités générales de programmation. L’article précise par ailleurs que, pour le calcul du coût côté MAI, c’est le tarif promotionnel de 50 % qui a été appliqué.
1.2 Les quatre évaluations de MAI Code 2 et les conditions de test
Les quatre évaluations entrant dans la moyenne, ainsi que leurs conditions, sont les suivantes ; toutes ces informations sont divulguées dans l’article de lancement :
- DeepSWE 1.1, TerminalBench 2.1, SWEAtlas : exécutées dans MSBench, l’outil interne de Microsoft, avec Copilot CLI, et sans recours à des sous-agents.
- FrontierCode 1.1 : résultats provenant d’Artificial Analysis.
- Niveau de raisonnement : max effort.
- Base de calcul du coût : le coût du modèle MAI est calculé au tarif promotionnel de 50 %.
Ces conditions déterminent ensemble les deux chiffres « 96 % » et « 5 % ». Avec un autre niveau de raisonnement, un autre framework d’agents, ou en activant des sous-agents, la consommation de tokens et le taux de réussite pourraient différer.

1.3 Grille tarifaire de MAI Code 2 dans GitHub Copilot
La documentation officielle de GitHub indique les tarifs des deux modèles disponibles dans Copilot, exprimés en dollars par million de tokens :
| Modèle | Type de tarification | Entrée | Entrée mise en cache | Sortie |
|---|---|---|---|---|
| MAI Code 2 | Prix promotionnel | 0.50 | 0.025 | 2.50 |
| MAI Code 2 | Prix standard | 1.00 | 0.05 | 5.00 |
| MAI Code 2 Flash | Prix promotionnel | 0.05 | 0.005 | 0.25 |
| MAI Code 2 Flash | Prix standard | 0.10 | 0.01 | 0.50 |
Deux points méritent votre attention : il s’agit des tarifs de GitHub Copilot, et Copilot facture en AI credit, où 1 AI credit équivaut à 0,01 dollar. Ce ne sont donc pas les prix d’Azure AI Foundry, et ces montants ne représentent pas non plus le prix de tous les canaux API. Le même document liste aussi le tarif d’Opus 5.5, mais le prix unitaire seul ne permet pas de reconstituer les ratios de coût par tâche utilisés dans les évaluations de Microsoft. Il faut bien distinguer le quota inclus dans un forfait Copilot du paiement des dépassements : les montants en dollars ci-dessous correspondent à la valeur d’usage calculée d’après le tarif par token, et pas nécessairement à un prélèvement supplémentaire. Pour les anciens forfaits annuels basés sur un système de requêtes, il convient également de vérifier leurs règles de multiplicateurs spécifiques.
1.4 Durée de validité du prix promotionnel de MAI Code 2
La documentation GitHub indique que le tarif normal est rétabli à partir du 17 mai 2027. Le fuseau horaire n’étant pas précisé, on ne peut pas considérer que le prix promotionnel s’applique encore le 17 mai. Ne convertissez pas vous-même cette date en une heure limite précise à l’heure de Pékin. À l’approche de la date de bascule, vérifiez d’abord les règles de facturation GitHub en vigueur ; par prudence budgétaire, vous pouvez provisionner au tarif normal les usages qui franchissent ce point.
1.5 MAI Code 2 : le coût d’une tâche et le prix unitaire par token sont deux choses distinctes
Le « coût de 5 % » compare la dépense totale pour accomplir la tâche d’évaluation : elle est égale au prix unitaire multiplié par les tokens réellement consommés, puis cumulée sur toutes les étapes. Deux modèles qui résolvent le même problème peuvent consommer des quantités de tokens d’entrée et de sortie très différentes.
On ne peut donc pas déduire de « coût de la tâche d’environ 5 % » que « le prix de chaque token est 5 % de celui de l’autre modèle », et inversement. Il s’agit d’une explication éditoriale portant sur deux façons différentes de calculer la facturation.
2. Analyse et interprétation : comment décomposer la facture d’une tâche réelle avec MAI Code 2
Le contenu ci-dessous relève d’une analyse éditoriale. Tous les exemples de calcul sont des calculs originaux fondés sur les tarifs publics, avec des hypothèses explicites. Il ne s’agit pas de factures mesurées, et ils ne reposent ni sur des captures d’écran ni sur des enregistrements d’appels réels.
2.1 Exemple de calcul à tokens fixes pour MAI Code 2
Supposons qu’une tâche consomme de manière fixe 100 000 tokens d’entrée standard + 10 000 tokens de sortie, sans utiliser le cache, sans nouvelle tentative, sans compter les appels d’outils ni les frais d’abonnement. D’après les tarifs de la section 1.3 :
- MAI Code 2, tarif promotionnel : 100,000 × 0.50 / 1,000,000 + 10,000 × 2.50 / 1,000,000 = 0.05 + 0.025 = 0.075 USD
- MAI Code 2, tarif standard : 0.10 + 0.05 = 0.15 USD
- MAI Code 2 Flash, tarif promotionnel : 0.005 + 0.0025 = 0.0075 USD
- MAI Code 2 Flash, tarif standard : 0.01 + 0.005 = 0.015 USD
| Modèle et tarif | Coût des tokens d’entrée | Coût des tokens de sortie | Total par appel | Équivalent en crédits AI |
|---|---|---|---|---|
| MAI Code 2 — promo | $0.05 | $0.025 | $0.075 | 7.5 |
| MAI Code 2 — standard | $0.10 | $0.05 | $0.15 | 15 |
| Flash — promo | $0.005 | $0.0025 | $0.0075 | 0.75 |
| Flash — standard | $0.01 | $0.005 | $0.015 | 1.5 |
Ce tableau illustre uniquement l’écart de prix « à usage identique ». Dans une vraie tâche, la consommation de tokens et le taux de réussite des deux modèles ne sont pas les mêmes. Dans cet exemple, le coût de Flash représente 1/10 de celui de Code 2, soit 90 % de moins ; cela ne signifie pas que réaliser réellement la même tâche ne coûtera que 1/10.
Le script ci-dessous ne fait que des calculs locaux, sans appeler aucun modèle. input_tokens désigne l’entrée totale, cache compris ; cached_tokens correspond à la partie qui a touché le cache ; pour la sortie, il faut utiliser le volume facturable complet rapporté par le canal. Ne prenez pas l’usage d’autres canaux API pour l’appliquer directement aux tarifs Copilot comme s’il s’agissait d’une facture réelle.
# USD / million de tokens, source : grille tarifaire GitHub Copilot (pour estimation seulement)
RATES = {
"mai-code-2-promo": {"input": 0.50, "cached": 0.025, "output": 2.50},
"mai-code-2-regular": {"input": 1.00, "cached": 0.05, "output": 5.00},
"flash-promo": {"input": 0.05, "cached": 0.005, "output": 0.25},
"flash-regular": {"input": 0.10, "cached": 0.01, "output": 0.50},
}
def estimate_cost(rate_key, input_tokens, output_tokens, cached_tokens=0):
r = RATES[rate_key]
if not 0 <= cached_tokens <= input_tokens or output_tokens < 0:
raise ValueError("token 数必须非负,且缓存量不能超过总输入")
normal = input_tokens - cached_tokens
return (normal * r["input"] + cached_tokens * r["cached"]
+ output_tokens * r["output"]) / 1_000_000
print(estimate_cost("mai-code-2-promo", 100_000, 10_000)) # 0.075
print(estimate_cost("mai-code-2-promo", 100_000, 10_000, 80_000)) # 0.037
🎯 Conseil technique : pour évaluer les coûts, les données les plus utiles sont les enregistrements
usagede vos propres tâches. Vous pouvez, sur APIYI apiyi.com, utiliser la même clé API pour faire tourner le même lot de tâches sur plusieurs modèles de programmation, puis agréger la consommation de tokens avant d’appliquer les prix unitaires réels de chaque canal. Notez que la disponibilité de MAI Code 2 sur cette plateforme dépend de la liste des modèles publiée par la plateforme.
2.2 Après la fin de la promotion de MAI Code 2, à combien pourrait passer « 5 % » ?
Cette section est une estimation, pas une donnée officielle. Le tarif normal de MAI Code 2 est exactement le double du tarif promotionnel sur les trois postes suivants : entrée, entrée mise en cache et sortie. Ainsi, dans le référentiel tarifaire de Copilot et à supposer que les volumes de tokens de chaque type restent inchangés, seuls les coûts de tokens de ces trois postes doublent. Le coût total d’une tâche complète, incluant l’abonnement, les outils, la main-d’œuvre, etc., ne double pas forcément.
Si le référentiel de coûts du côté d’Opus 5.5 reste inchangé, alors les ~5 % calculés au tarif promotionnel deviennent environ 10 % au tarif normal. Même si la « moyenne » consiste à faire la moyenne des ratios poste par poste, chaque poste doublant, la moyenne double elle aussi. Cela reste une proportion très faible, mais ce n’est plus le chiffre du titre.

2.3 Cache, nouvelles tentatives et reprises manuelles dans la facture réelle de MAI Code 2
Les exemples à tokens fixes sont des cas simplifiés, conçus pour comparer les tarifs. Une facture réelle subit au moins trois autres influences.
Le cache fait baisser la facture. En reprenant les hypothèses de la section 2.1 : si 80 000 des 100 000 tokens d’entrée touchent le cache, le coût d’entrée au tarif promotionnel de MAI Code 2 devient 20 000 × 0,50 / 1 000 000 + 80 000 × 0,025 / 1 000 000 = 0,012 dollar, auquel s’ajoutent 0,025 dollar de sortie, soit environ 0,037 dollar par appel — à peu près la moitié des 0,075 dollar sans cache. La programmation agentique relit sans cesse le même contexte de dépôt : le taux de succès du cache peut donc peser nettement sur les coûts d’entrée, mais sa part dans le coût total dépend aussi de la sortie et des autres postes.
Les nouvelles tentatives font grimper la facture. Dans une hypothèse simplifiée où chaque tentative coûte pareil, où la probabilité de succès est fixe et où les tentatives sont indépendantes : coût modèle attendu par tâche réussie ≈ coût d’une tentative ÷ taux de succès. Avec 0,075 dollar par tentative et 50 % de succès, on obtient environ 0,15 dollar par tâche réussie en moyenne. Un autre modèle, même avec 90 % de succès, doit être comparé en tenant compte de son coût par tentative : le taux de succès seul ne suffit pas à conclure qu’il revient moins cher. Ces taux de succès ne peuvent venir que de vos propres tests ; cet article ne donne aucun chiffre de taux de succès pour quelque modèle que ce soit.
Les reprises manuelles doivent être comptabilisées à part. Le temps passé par les ingénieurs à relire, corriger et annuler du code n’apparaît pas dans la facture de tokens, et peut dépasser le coût du modèle. S’ajoutent encore les appels d’outils, l’exécution de la CI, les abonnements — des frais fixes ou variables. Les annonces officielles ne détaillent pas entièrement leur mode d’intégration : on ne peut donc pas considérer le « 5 % » comme un ratio couvrant tous ces coûts une fois regroupés.
| Facteur de coût | Effet sur la facture | Inclus dans les « 5 % » ? | Comment l’obtenir |
|---|---|---|---|
| Prix unitaire des tokens | Base | Oui (prix promotionnel) | Grille tarifaire du canal |
| Consommation de tokens par tâche | Variable dans les deux sens | Oui (dans les conditions de l’évaluation) | Champ usage |
| Taux de succès du cache | À la baisse | Dépend de l’exécution de l’évaluation | Statistiques des journaux |
| Nouvelles tentatives et tâches échouées | À la hausse | Incertain | Taux de succès de vos propres tâches |
| Relecture et reprises humaines | À la hausse | Mode de calcul complet non divulgué | Relevés de temps de travail |
| Appels d’outils, frais d’abonnement | À la hausse | Mode de calcul complet non divulgué | Factures et contrats |
Le graphique ci-dessous est un autre jeu d’hypothèses indépendant, qui ne correspond pas au scénario des 80 000 tokens en cache évoqué plus haut : supposons que le cache fasse passer chaque appel de 0,075 à 0,060 dollar (soit −0,015 dollar) ; avec des tentatives indépendantes et un taux de succès fixe de 50 %, le coût modèle attendu est de 0,120 dollar ; en ajoutant 0,030 dollar d’outils et 0,500 dollar de main-d’œuvre par tâche réussie, on arrive à 0,650 dollar au total. Toutes ces valeurs ne servent qu’à illustrer la méthode d’addition.

2.4 Utiliser MAI Code 2 pour les achats : évaluer le coût par tâche réussie
Pour une équipe, plutôt que de se demander « est-ce vraiment seulement 5 % ? », mieux vaut mettre en place un petit processus d’évaluation :
- Choisir un échantillon : sélectionnez 20 à 50 tâches historiques représentatives dans votre propre dépôt, couvrant la correction de bugs, l’écriture de tests, la refactorisation, etc.
- Fixer les conditions : uniformisez le niveau de raisonnement, le framework d’agents et l’activation ou non des sous-agents, pour éviter toute confusion avec les critères d’évaluation des fournisseurs.
- Enregistrer la consommation : conservez pour chaque appel les tokens d’entrée, d’entrée en cache et de sortie, ainsi que le nombre de tentatives.
- Déterminer le succès : jugez selon un double critère — tests réussis et relecture humaine — et notez le temps de reprise (retravail).
- Calculer avec deux tarifs : faites le calcul à la fois au tarif promotionnel et au tarif standard ; pour tout budget qui dépasse le 17 mai 2027, utilisez systématiquement le tarif standard.
💡 Conseil de choix : l’arbitrage entre MAI Code 2 et Flash dépend de la difficulté de la tâche. Sur les tâches simples, le faible prix unitaire de Flash est un avantage évident ; sur les tâches complexes, l’écart de taux de réussite peut compenser l’écart de prix unitaire. Si vous souhaitez aussi comparer avec d’autres modèles de programmation courants, vous pouvez passer par l’interface unifiée compatible OpenAI d’APIYI apiyi.com pour exécuter en batch le même lot de tâches, ce qui facilite la comparaison transversale.
2.5 Évolutions de MAI Code 2 à surveiller
Les points suivants déterminent directement si les « 5 % » peuvent se vérifier dans votre cas d’usage. Il s’agit de pistes d’observation, pas de conclusions prophétiques :
- Reproduction indépendante : sur les 4 évaluations, 3 proviennent de frameworks internes à Microsoft. Il faudra continuer à suivre la publication éventuelle de résultats comparables par des tiers dans des frameworks publics.
- Tarification via d’autres canaux : les références actuelles ne couvrent que les tarifs GitHub Copilot. Les prix d’Azure AI Foundry ou d’autres plateformes doivent être vérifiés dans leurs annonces officielles respectives.
- Périodes promotionnelles : à partir du 17 mai 2027, le tarif normal s’appliquera de nouveau (l’éditeur ne précise pas le fuseau horaire). Il faudra alors recalculer le ratio réel.
Si vous souhaitez d’abord établir votre propre base de coûts sur un modèle de programmation que vous connaissez bien, commencez par vérifier la liste actuelle des modèles et les tarifs du canal que vous utilisez, par exemple APIYI apiyi.com, puis lancez une comparaison de tâches à périmètre identique. Le prix unitaire Copilot utilisé dans les scripts de cet article ne peut pas servir directement de référence pour la facturation d’un canal tiers.
Les chiffres dans le titre vous indiquent seulement sur quel terrain le fournisseur a obtenu de bons résultats ; votre facture, elle, ne peut être calculée que dans votre propre dépôt. Comme l’écrivait Lu You dans Lecture par une nuit d’hiver, conseils à mon fils Ziyu : « Ce qu’on apprend dans les livres reste toujours superficiel ; pour vraiment comprendre, il faut le pratiquer soi-même. »
📚 Références
-
Microsoft AI – Introducing MAI Code 2 and MAI Code 2 Flash : annonce de lancement et cadre d’évaluation
- Lien : annonce officielle de Microsoft
- Description : source originale du « 96 % de performance, 5 % de coût », incluant les quatre évaluations, le max effort et la mention du prix promotionnel à 50 %
-
GitHub Docs – Copilot models and pricing : tarification des modèles Copilot
- Lien : tarifs officiels et notes de bas de page promotionnelles de GitHub Copilot
- Description : prix promotionnels, prix réguliers, dates de rétablissement et conversion en AI credit pour MAI Code 2 et Flash
Auteur : équipe technique APIYI
Échanges techniques : n’hésitez pas à nous contacter depuis la page d’accueil du site officiel APIYI, apiyi.com ; pour plus de ressources d’intégration, consultez le centre de documentation docs.apiyi.com
