Thomson Reuters lance son IA juridique à 40 M$

Résumé

Thomson Reuters lance « Thomson », un modèle de langage interne basé sur Qwen, développé pour environ 40 M$ et optimisé grâce à ses contenus juridiques propriétaires.

Les faits

Thomson Reuters lance « Thomson », son premier modèle de langage développé en interne, bâti sur le modèle ouvert Qwen d’Alibaba, dans une démarche visant à posséder plutôt qu’à louer des capacités d’IA. La société indique avoir consacré environ 40 millions de dollars sur plus de deux ans à ce projet, couvrant les coûts de personnel et de puissance de calcul. Le chiffre largement repris de 450 000 dollars ne concerne que la dernière passe d’entraînement de la version actuelle. Le modèle repose sur Qwen3.5-397B. En partenariat avec Imperial College, Thomson Reuters a d’abord réentraîné ce modèle chinois pour en assurer la sécurité, l’éthique et la neutralité politique, donnant naissance à une version intermédiaire baptisée « Snowdon », du nom d’une montagne au pays de Galles. Thomson a ensuite été pré‑entraîné sur les contenus propriétaires de Thomson Reuters, post‑entraîné avec des experts métiers, puis affiné via un apprentissage par renforcement agentique au sein des outils internes. À ce stade, moins de 10 % du contenu disponible de Westlaw, Practical Law, Checkpoint et Reuters a été utilisé pour l’entraînement.

Pourquoi c’est important

Les premiers résultats montrent que Thomson obtient ses meilleures performances lorsqu’il peut exploiter les contenus et outils juridiques de Thomson Reuters. Sur Stanford LegalBench, il atteint un score de 0,823, derrière Gemini 3.1 Pro et GPT‑5.5, et se situe juste derrière Opus 4.8 sur le Harvey Legal Agent Benchmark. Il devance toutefois ses concurrents sur le suivi d’instructions et le difficile PrBench Legal, mais décroche nettement en raisonnement général et en programmation. En interne, sur un benchmark Deep Research avec accès au web seul, Thomson affiche une précision factuelle de 0,53 contre 0,65 pour GPT 5.4. Ce n’est qu’avec accès au contenu propriétaire que Thomson dépasse légèrement GPT 5.4 (0,83 contre 0,82). Selon Andrew Bean, responsable des évaluations, « avec l’accès au web, Thomson se situe dans la même fourchette que les autres modèles, mais n’est clairement pas encore le leader », tout en soulignant « une forte amélioration liée à la possibilité de s’entraîner et de travailler avec ses propres outils ». Les auteurs notent que Thomson Reuters a déjà changé « le point de départ open source probablement une demi‑douzaine de fois », et que l’enjeu clé est « moins le modèle individuel que l’usine de modèles » construite autour de Qwen.

Questions fréquentes

Quel modèle sert de base à l’IA « Thomson » de Thomson Reuters ?

« Thomson » repose sur le modèle ouvert Qwen d’Alibaba, dans sa version Qwen3.5-397B, retravaillée pour les besoins de Thomson Reuters.

Combien Thomson Reuters a investi pour développer son modèle d’IA ?

La société a dépensé environ 40 millions de dollars sur plus de deux ans pour le personnel et la puissance de calcul nécessaires.

Qu’est-ce que « Snowdon » dans ce projet d’IA ?

« Snowdon » désigne la version intermédiaire du modèle Qwen réentraînée pour la sécurité, l’éthique et la neutralité politique.

Sur quels contenus propriétaires Thomson est-il entraîné ?

Le modèle est pré‑entraîné sur des contenus comme Westlaw, Practical Law, Checkpoint et les dépêches Reuters, avec moins de 10 % utilisés à ce jour.

Dans quelles conditions Thomson surpasse GPT 5.4 ?

Thomson dépasse légèrement GPT 5.4 uniquement lorsqu’il dispose d’un accès direct au contenu propriétaire de Thomson Reuters.

Source

Auteur

Rédaction spécialisée dans la veille et l'analyse de l'actualité de l'intelligence artificielle, des puces IA, des robots, des agents IA et de la recherche.