24 août 2026 — L'éditeur de services d'information Thomson Reuters a lancé lundi son propre modèle d'IA propriétaire, qu'il affirme avoir entraîné pour moins de la moitié du coût des autres modèles d'IA de pointe. Cette sortie montre ce qui est possible pour les éditeurs SaaS comme Thomson Reuters qui cherchent à tirer parti du marché de l'IA.

Développé en interne, le modèle, nommé Thomson, a été construit sur le contenu propriétaire de l'éditeur — avec un accent sur l'information juridique — ainsi que sur ses technologies et son expertise du domaine. Il s'appuie sur un modèle de base appelé Snowdon, développé par le FAIR Lab de l'Imperial College London.

Thomson Reuters, basé à Toronto, présente Thomson comme comparable aux modèles de pointe les plus puissants du marché, notamment Claude Opus 4.8, GPT 5.5 et Gemini 3.1 Pro. Ce lancement intervient après que les éditeurs SaaS du secteur des services d'information juridique ont été ébranlés par la sortie des plugins Claude Cowork d'Anthropic en février — soulignant la rapidité avec laquelle les produits d'IA de pointe peuvent désormais pénétrer les flux de travail professionnels que ces éditeurs servent depuis longtemps.

En plus du droit, Thomson Reuters destine le nouveau modèle aux professionnels de domaines tels que la comptabilité et d'autres secteurs liés à la conformité — un premier signe que l'entreprise voit l'IA entraînée sur des domaines spécifiques dépasser son cœur de métier juridique.

L'entreprise a indiqué que l'origine du modèle remonte également à son acquisition de Safe Sign Technologies en 2024. Safe Sign était une startup britannique d'IA qui développait des grands modèles de langage (LLM) spécialisés dans le juridique, et le personnel de la startup est devenu l'équipe de recherche fondatrice de Thomson. Cette acquisition a fourni à Thomson Reuters une équipe de recherche prête à l'emploi en une seule étape — une voie que d'autres éditeurs SaaS envisageant leurs propres modèles pourraient étudier.

Un modèle qui pourrait en inspirer d'autres

« Cela pourrait être un modèle d'inspiration pour d'autres institutions qui disposent également d'immenses réserves de propriété intellectuelle et de capital », a déclaré Michael G Bennett, vice-chancelier associé chargé de la science des données et de la stratégie IA à l'Université de l'Illinois à Chicago.

Il a ajouté que pour les éditeurs — en particulier les organisations dont les données n'ont pas été absorbées par les créateurs de modèles de pointe — créer leur propre modèle à des fins commerciales pouvait avoir du sens.

« Ce sera une révélation pour un grand nombre de secteurs qui réfléchissent depuis longtemps à la manière d'adopter cette technologie tout en exploitant en même temps l'expertise et les ressources internes dont ils disposent pour construire non seulement un modèle vraiment puissant et utile, mais aussi un modèle qui se distingue d'un modèle de pointe », a poursuivi Bennett.

Une initiative peu coûteuse

La voie empruntée par Thomson Reuters pour créer son modèle est également intrigante, selon Bennett. En utilisant un modèle à poids ouverts comme base de Thomson, Thomson Reuters n'a eu qu'à investir 40 millions de dollars pour l'entraîner — bien moins que le coût de l'entraînement d'un LLM avancé, qui peut généralement dépasser 100 millions de dollars. Pour l'industrie du logiciel dans son ensemble, ce calcul compte peut-être autant que le modèle lui-même : il suggère qu'un modèle propriétaire compétitif est à la portée des éditeurs qui possèdent déjà des données et une expertise spécialisées, sans les budgets d'un laboratoire d'IA de pointe.

« Leurs dépenses étaient probablement inférieures d'un ou deux ordres de grandeur à ce qu'il faudrait pour construire un modèle à partir de zéro », a déclaré Bennett.

Il reste à voir comment le modèle Thomson performera sur le marché, mais le LLM devrait bien performer sur le plan technique, selon Bennett. Pour les entreprises des industries du savoir, la possibilité d'entraîner des modèles spécialisés sans supporter les dépenses habituelles du développement de modèles, et d'utiliser un modèle peu coûteux, pourrait être attrayante, a-t-il ajouté.

Bien que Thomson Reuters ait surmonté des obstacles organisationnels et techniques pour construire le LLM, des défis subsistent pour l'éditeur, notamment celui de convaincre ses clients que le modèle est comparable aux autres modèles de pointe, a déclaré Bennett. Les entreprises qui s'abonneront à Thomson devront également découvrir et comparer par elles-mêmes si un LLM comme Thomson, doté d'une expertise métier, est comparable à ceux des laboratoires d'IA de pointe.

Pour l'industrie dans son ensemble, les indicateurs à surveiller à court terme sont de savoir si les clients entreprises valident les affirmations de niveau frontière de Thomson Reuters dans le travail professionnel quotidien, et si d'autres éditeurs disposant de contenus propriétaires approfondis suivent la même voie du modèle à poids ouverts entraîné sur un domaine spécifique.

Source : AI Business