L’essentiel
- Thomson Reuters a présenté le 24 août 2026 « Thomson », un modèle entraîné à partir d’un socle open-source au lieu d’être conçu de zéro.
- L’investissement revendiqué atteint 40 millions de dollars, talent et puissance de calcul compris, soit plusieurs ordres de grandeur sous les budgets des laboratoires frontières.
- Le modèle n’a absorbé que moins de 10 % du corpus juridique et fiscal du groupe, et l’évaluation citée par l’éditeur juge déjà la qualité de ses citations « globalement compétitive » face aux modèles généralistes.
Un éditeur juridique a signé un chèque de 40 millions de dollars plutôt que de continuer à louer l’intelligence artificielle des autres. Thomson Reuters a présenté le 24 août 2026 « Thomson », un modèle maison bâti sur un socle open-source, le Qwen3.6-35B-A3B d’Alibaba. Le montant surprend par sa modestie : les laboratoires généralistes engagent des budgets qui se comptent en milliards. La surprise se dissipe dès qu’on regarde ce que cette somme couvre, et surtout ce qu’elle ne couvre pas.
Une enveloppe de 40 millions qui laisse le corpus hors champ
Le communiqué de lancement précise ce que couvre le montant : du talent et de la puissance de calcul. Rien d’autre. Le préentraînement du modèle de base, la phase d’apprentissage initiale et de loin la plus coûteuse, a été payé par ceux qui ont publié les poids ouverts, ces paramètres numériques que chacun peut réutiliser. Le fonds documentaire sur lequel repose toute l’opération n’y figure pas davantage.
Or ce fonds pèse infiniment plus lourd : des décennies de production éditoriale juridique, fiscale et économique, des acquisitions, des équipes de documentalistes, un travail d’annotation et de mise à jour permanent. Cette dépense-là a été engagée depuis longtemps, ligne par ligne, sans que personne l’appelle un budget d’intelligence artificielle.
Ces 40 millions de dollars mesurent le coût marginal d’activation d’un actif déjà amorti. L’écart d’échelle avec les laboratoires généralistes tient à cette différence de nature : ces derniers paient pour acquérir de la donnée et de la capacité de calcul, Thomson Reuters paie pour brancher les siennes.
Moins de 10 % des archives, et déjà des citations tenables
Un second chiffre accompagne l’annonce : à ce stade, le modèle n’a ingéré qu’une fraction inférieure à 10 % du fonds propriétaire. Ce pourcentage décrit un volume, il ne dit rien de la richesse des documents retenus. La portion sélectionnée est vraisemblablement la plus dense et la mieux structurée du corpus, pas un échantillon tiré au hasard.
Avec cette part réduite, l’évaluation signée par Samuel Dahan, qui dirige le Conflict Analytics Lab de l’université Queen’s, juge la qualité des citations « globalement compétitive » face aux grands modèles généralistes, y compris sur des questions de droit du travail canadien. Le critère est bien choisi : en matière juridique, une référence inventée disqualifie une réponse entière, quelle que soit l’élégance du raisonnement construit autour.
L’interprétation des 90 % restants n’est pas tranchée : soit ils constituent une réserve de performance considérable, soit le volume n’a jamais été le facteur limitant et la spécialisation métier fait l’essentiel du travail. La feuille de route du groupe, qui annonce affiner cette spécialisation plutôt que gonfler le corpus, penche pour la seconde lecture.
Payer l’inférence une fois, ou la louer tous les mois
L’arbitrage porte sur l’inférence, c’est-à-dire le coût de chaque réponse produite par le modèle. Un service de recherche juridique répond en continu, à des milliers de professionnels, sur des documents longs : la facture croît avec l’usage, et le fournisseur de l’API, cette interface technique par laquelle on interroge un modèle hébergé à distance, reste libre de réviser son tarif.
Vue sous cet angle, l’enveloppe change de nature : un investissement unique opposé à une charge récurrente et non maîtrisée. S’y ajoutent deux bénéfices que la ligne comptable ne montre pas : la maîtrise du circuit emprunté par les documents des clients, et l’indépendance vis-à-vis d’un prestataire qui vend aussi aux concurrents.
La rupture reste partielle. Le modèle maison n’équipe pour l’instant qu’une fonction de CoCounsel Legal, l’analyse de documents en gros volumes, et le reste de la plateforme continue de tourner sur des modèles d’OpenAI et d’Anthropic. Le groupe n’a pas quitté la location : il en a retiré la tâche qui brasse le plus de documents.
Le socle open-source rend cet arbitrage praticable à ce prix. Sans poids librement réutilisables, l’option du modèle maison resterait réservée à ceux qui peuvent financer un préentraînement complet. Bloomberg en a fait l’expérience en 2023 avec BloombergGPT, entraîné de zéro pour la finance, que les modèles généralistes ont ensuite dépassé sur plusieurs tâches financières.
Une comparaison publiée par le vendeur
La prudence s’impose sur un point : l’universitaire cité est extérieur au groupe, mais c’est l’entreprise qui publie ce verdict flatteur, dans son texte de lancement et hors de tout protocole indépendant. « Globalement compétitive » ne constitue pas une note, aucun barème ni jeu de test public n’accompagne la formule, et le droit du travail canadien reste un périmètre étroit.
Le statut du modèle, lui, est désormais documenté. Le groupe publie une version réduite, Thomson-1.0-Small, sous une licence réservée à l’usage académique et non commercial ; celle qui fait tourner le produit reste fermée. Partir de poids ouverts n’engageait donc à rien pour la suite : un modèle spécialisé sur un fonds propriétaire reste enfermé dans le produit qui le vend.
Un assureur ou un organisme de normalisation peut refaire le même calcul
Le montage se transpose. Il devient tenable pour toute organisation assise sur des données que personne ne peut acheter ailleurs : un assureur et ses sinistres, un industriel et ses procédures de maintenance, un organisme de normalisation et ses référentiels. La compétence rare a changé de camp, de l’entraînement de modèles vers la capacité à tenir un fonds documentaire propre, daté et exploitable.
Les directions juridiques trancheront à leur prochain renouvellement d’abonnement. Celles qui paient d’abord l’accès à des textes introuvables ailleurs ont peu à craindre d’un modèle maison chez leur fournisseur. Celles qui paient surtout un moteur de recherche perfectionné viennent d’apprendre que ce moteur se fabrique pour 40 millions de dollars.
Mon avis
La leçon de cette annonce concerne moins les éditeurs juridiques que leurs fournisseurs de modèles : n’importe quel groupe assis sur un fonds métier introuvable ailleurs peut sortir de la location pour une somme qui ne relève plus du pari industriel. J’attends la prochaine vague de modèles verticaux chez des acteurs dont personne n’attend un modèle, assureurs, chambres professionnelles, éditeurs de normes techniques. Et je maintiens que la partie difficile ne bougera pas d’un pouce : tenir un corpus propre, daté et annoté est un métier, et 40 millions de dollars ne l’achètent pas.
