Thomson Reuters développe son propre modèle d’IA alors que ses revenus accélèrent

Thomson Reuters intègre son premier modèle d’IA interne prêt pour la production à CoCounsel après une hausse trimestrielle de 9 % de son chiffre d’affaires. Le calendrier crée une tension plus marquée que ne le laisse entendre le titre qui circule sur Google News. L’entreprise ne se contente pas d’ajouter une nouvelle fonctionnalité d’IA. Elle cherche à savoir si des contenus professionnels faisant autorité peuvent réduire sa dépendance aux modèles fournis par les laboratoires d’IA de pointe.

Le modèle, baptisé Thomson, alimentera d’abord Tabular Analysis, une fonctionnalité d’examen en masse de documents au sein de CoCounsel Legal. Thomson Reuters prévoit de commencer cette migration en août 2026. La direction affirme que le modèle offre une latence et des coûts d’exploitation inférieurs à ceux des alternatives tierces, bien que ses résultats comparatifs n’aient pas été validés de manière indépendante.

Cela place Thomson Reuters sur une trajectoire différente de celle des éditeurs de logiciels qui considèrent OpenAI, Anthropic, Google ou un autre fournisseur de modèles comme une base permanente. L’entreprise continue d’utiliser des modèles externes, et CoCounsel reste un produit multimodèle. Toutefois, Thomson lui offre une alternative qu’elle possède pour certains travaux où les connaissances juridiques, la prévisibilité des coûts et le contrôle du client comptent davantage que l’étendue conversationnelle générale.

Ce que Thomson Reuters a réellement changé

Thomson Reuters a fait passer son modèle propriétaire du stade de projet de recherche à celui d’infrastructure de production.

L’entreprise a finalisé la première version de Thomson prête pour la production après avoir réuni les équipes de Thomson Reuters Labs et de Safe Sign Technologies. Thomson Reuters a acquis Safe Sign, un développeur de modèles linguistiques spécialisés dans le droit, en 2024. Cette acquisition a apporté l’expertise nécessaire pour adapter des fondations de modèles open source au travail juridique professionnel.

Thomson est un grand modèle de langage spécialisé par domaine, ce qui signifie que son entraînement et son évaluation se concentrent sur un champ défini plutôt que sur toutes les tâches possibles destinées au grand public. L’entreprise indique avoir utilisé des contenus sélectionnés par des experts provenant de Westlaw, Practical Law et Reuters, ainsi que les contributions de rédacteurs juristes et de spécialistes des pratiques.

Thomson Reuters a investi environ 40 millions de dollars dans le modèle et l’a entraîné sur moins de 10 % de son contenu juridique. Le directeur général Steve Hasker a déclaré aux investisseurs que les évaluations internes plaçaient Thomson près des principaux modèles de pointe sur un large éventail de tâches générales. Il a également indiqué qu’il affichait de solides performances lors d’évaluations juridiques.

Ces affirmations méritent d’être attribuées avec prudence. L’entreprise n’a pas publié suffisamment d’informations pour permettre à des tiers de reproduire la comparaison complète. Elle n’a pas divulgué l’ensemble des modèles sous-jacents, jeux de tests, méthodes de notation ou contraintes de production concernés.

Le changement important n’est donc pas une victoire revendiquée dans les benchmarks. C’est la décision de déployer Thomson dans un véritable flux de travail client. Selon la transcription des résultats de l’entreprise, Tabular Analysis constituera le premier test de production significatif.

Tabular Analysis examine les informations dans des groupes de documents et organise les résultats sous une forme structurée. Les avocats peuvent utiliser cette fonctionnalité pour comparer des clauses contractuelles, examiner des éléments de preuve ou repérer des dispositions récurrentes dans une collection de documents.

Cette tâche offre à Thomson Reuters un point de départ circonscrit. Les résultats peuvent être vérifiés par rapport aux documents sources, tandis que la vitesse et les coûts d’inférence peuvent être comparés aux systèmes existants. Un échec serait également plus facile à diagnostiquer qu’une erreur au sein d’un assistant juridique vaste et ouvert.

La direction indique que l’entreprise envisagera de transférer d’autres fonctions de CoCounsel vers Thomson après avoir évalué ce premier déploiement. Elle ne prévoit pas de remplacer immédiatement tous les modèles externes. Hasker a reconnu que CoCounsel fonctionne déjà bien et a déclaré que l’entreprise souhaitait éviter de le perturber inutilement.

Ce déploiement progressif est important. L’histoire s’est largement diffusée sur Google News comme le lancement d’un modèle interne, mais la réalité opérationnelle est plus limitée. Thomson Reuters commence un transfert par étapes de certaines charges de travail, l’adoption plus large dépendant des résultats réels en production.

Le déploiement crée aussi une nouvelle option pour les grands cabinets d’avocats. Hasker a déclaré que Thomson Reuters discute d’environnements dans lesquels les cabinets pourraient exécuter une version de Thomson aux côtés de leurs propres informations protégées. CoCounsel pourrait alors fonctionner au-dessus de cette couche de connaissances combinée.

Un tel dispositif est parfois décrit comme une IA souveraine. Dans ce contexte, le terme signifie qu’un cabinet conserve un plus grand contrôle sur ses données, son environnement de modèles et ses politiques d’exploitation. Cela ne signifie pas que le système fonctionne sans logiciels, infrastructures ou assistance continue de fournisseurs externes.

La hausse des revenus donne à la stratégie IA les moyens d’avancer

L’entreprise finance sa stratégie de modèle grâce à une activité d’abonnement en croissance, et non à partir d’un budget expérimental isolé.

Thomson Reuters a déclaré un chiffre d’affaires de 1,954 milliard de dollars au deuxième trimestre, contre 1,785 milliard de dollars un an plus tôt. Le chiffre d’affaires total a augmenté de 9 %, tandis que le chiffre d’affaires organique a progressé de 8 %. Les revenus récurrents ont également augmenté de 9 % et ont représenté 82 % du chiffre d’affaires trimestriel.

Ses divisions Legal Professionals, Corporates et Tax, Audit and Accounting Professionals forment ce que l’entreprise appelle son Big 3. Ces segments ont généré 1,62 milliard de dollars de chiffre d’affaires au cours du trimestre et ont représenté 83 % du total de l’entreprise.

Le chiffre d’affaires organique du Big 3 a augmenté de 10 %. Legal Professionals a généré 772 millions de dollars, en hausse de 10 % sur une base publiée comme sur une base organique. Thomson Reuters a identifié Westlaw et CoCounsel comme les principaux contributeurs à la croissance des revenus juridiques récurrents.

Le chiffre d’affaires de Corporates a atteint 537 millions de dollars, tandis que Tax, Audit and Accounting Professionals a contribué à hauteur de 311 millions de dollars. Les résultats trimestriels montrent une croissance dans les trois segments, même si leurs compositions de revenus et leurs schémas saisonniers respectifs diffèrent.

Le bénéfice d’exploitation a augmenté de 28 % pour atteindre 558 millions de dollars. L’EBITDA ajusté a progressé de 10 % à 745 millions de dollars, tandis que la marge d’EBITDA ajusté est passée de 37,8 % à 38,1 %. Le flux de trésorerie disponible a augmenté de 29 % pour atteindre 727 millions de dollars.

Ces chiffres ne prouvent pas que l’IA générative a provoqué la croissance globale du trimestre. Westlaw, les produits transactionnels, les acquisitions, les activités internationales, les logiciels fiscaux et d’autres services établis y ont également contribué. Thomson Reuters ne publie pas suffisamment d’informations sur les revenus par produit pour isoler l’effet exact de CoCounsel.

Néanmoins, les résultats atténuent une inquiétude entourant la transition de l’entreprise vers l’IA. Thomson Reuters ne cherche pas à reconstruire les fondations de ses produits alors que ses principales activités professionnelles se contractent. La croissance des revenus et les abonnements récurrents lui donnent le temps de tester une nouvelle architecture sans dépendre de ventes immédiates de modèles autonomes.

La direction a relevé ses prévisions annuelles à environ 8 % de croissance totale et organique du chiffre d’affaires. Elle a également porté la croissance organique attendue pour le Big 3 à une fourchette de 9,5 % à 10 %.

Les changements dans le portefeuille de l’entreprise renforcent cette priorité. Thomson Reuters a accepté de céder une participation de 51 % dans son activité Global Print à une coentreprise contrôlée avec des fonds conseillés par KKR. L’entreprise prévoit d’en tirer environ 500 millions de dollars de produit brut à la clôture de l’opération.

Le chiffre d’affaires de Global Print a reculé de 3 % au cours du trimestre, tandis que ses segments de logiciels professionnels ont progressé. Le transfert du contrôle de l’impression dans une coentreprise permet à Thomson Reuters de concentrer l’attention de sa direction et ses investissements sur les logiciels fondés sur le contenu et l’IA.

C’est le renversement central de cette histoire de résultats. Les éditeurs et fournisseurs d’information étaient initialement considérés comme des victimes probables de l’IA générative. Les modèles pouvaient résumer leurs contenus, affaiblir le trafic issu de la recherche traditionnelle et interposer une interface conversationnelle entre les détenteurs de l’information et les clients.

Thomson Reuters cherche au contraire à faire de ses contenus accumulés l’apport différenciant du modèle. Les mêmes collections juridiques qui soutenaient les produits de recherche par abonnement pourraient devenir des actifs d’entraînement, d’ancrage et d’évaluation pour les systèmes d’IA.

L’entreprise n’abandonne pas ses produits établis. Elle tente d’intégrer leur autorité dans de nouvelles interfaces avant que les assistants généralistes ne capturent le flux de travail professionnel.

Pour les acheteurs d’entreprise, le contexte des revenus compte davantage qu’un titre marquant sur Google News. Il suggère que Thomson fait partie d’une transition continue des produits, soutenue par des revenus récurrents, plutôt que d’une démonstration temporaire conçue pour attirer l’attention.

Thomson AI remet en cause la dépendance aux modèles de pointe

La compétition principale n’oppose pas Thomson à un seul laboratoire d’IA. Elle oppose une infrastructure sectorielle maîtrisée à une dépendance permanente envers des modèles de pointe externes.

La plupart des produits d’IA d’entreprise ont commencé par un raccourci pratique. Les éditeurs ont connecté un modèle généraliste performant à des données propriétaires via la génération augmentée par récupération, ou RAG. Le RAG trouve des documents sources pertinents au moment de la requête et les fournit au modèle avant qu’une réponse ne soit produite.

Cette approche reste utile. Elle permet à un fournisseur de logiciels de bénéficier des améliorations apportées par les grands laboratoires de modèles sans financer un programme complet d’entraînement. Elle peut aussi préserver les citations et limiter les réponses aux informations approuvées.

Toutefois, la dépendance à l’égard de modèles tiers introduit des limites stratégiques. Un fournisseur ne contrôle pas pleinement les changements de modèle, les prix d’inférence, la disponibilité, la latence ou les futures conditions d’accès. Il doit également différencier son produit lorsque ses concurrents peuvent acheter l’accès à une intelligence sous-jacente similaire.

Thomson Reuters travaille déjà avec des modèles externes et ne présente pas Thomson comme un substitut universel immédiat. L’entreprise affirme que son avantage vient de la sélection de fondations open source et de leur adaptation à l’aide de contenus professionnels soigneusement sélectionnés.

La direction soutient que la qualité des données peut compenser un budget d’entraînement plus limité. Hasker a déclaré que l’entreprise avait obtenu des résultats internes compétitifs avec environ 40 millions de dollars d’investissement et moins d’un dixième de son contenu juridique.

Cette affirmation est plausible comme stratégie, mais elle n’est pas encore établie comme règle générale. Un modèle spécialisé n’a pas besoin de mieux répondre à toutes les questions qu’un modèle de pointe. Il doit exécuter certaines tâches professionnelles avec une précision, une rapidité et un coût suffisants pour améliorer l’application dans son ensemble.

Pour Thomson Reuters, cette application comprend une récupération faisant autorité, une logique de flux de travail, des citations juridiques, des autorisations utilisateurs, le traitement des documents et la traçabilité. Le modèle n’est qu’une couche parmi d’autres.

C’est ici que la position de l’entreprise diffère de celle d’une nouvelle startup d’IA juridique. Thomson Reuters contrôle déjà Westlaw, Practical Law et un vaste réseau de rédacteurs et de spécialistes du domaine. Elle bénéficie également d’une distribution via des produits intégrés dans les cabinets d’avocats, les services juridiques d’entreprise, les équipes fiscales et les cabinets comptables.

Cela ne rend pas l’entreprise insensible à la concurrence. L’expansion d’Anthropic dans Claude for Legal montre que les développeurs de modèles de pointe peuvent se rapprocher des clients professionnels. Des entreprises d’IA juridique comme Harvey et Legora développent également des interfaces, des flux de travail et des intégrations avec les cabinets autour de modèles externes.

LexisNexis dispose de ses propres contenus juridiques, de sa distribution professionnelle et de produits d’IA. Les grands cabinets d’avocats peuvent également assembler des systèmes internes combinant des modèles commerciaux avec leurs travaux privés.

La menace vient donc de plusieurs directions, mais elles exercent toutes la même pression. Thomson Reuters doit montrer que posséder une plus grande part de la couche des modèles procure un avantage perceptible pour les clients. Une baisse des coûts internes ne suffira pas à convaincre un avocat de changer d’outils.

L’entreprise s’attend à ce que Thomson réduise la latence, c’est-à-dire le délai entre une demande et une réponse. Cet avantage compte lorsqu’un agent effectue de nombreuses opérations séquentielles. Un faible délai répété sur 20 ou 30 étapes peut rendre un flux de travail frustrant.

Le contrôle des coûts d’inférence pourrait également devenir important à mesure que l’usage augmente. Un assistant IA utilisé occasionnellement pour la recherche n’a pas le même profil de coûts qu’un agent examinant des milliers de documents ou réalisant des tâches de conformité répétées.

CoCounsel a déjà dépassé le million d’utilisateurs, selon Thomson Reuters. La direction indique que les interactions et la durée des sessions continuent d’augmenter, sans toutefois avoir communiqué les taux d’utilisateurs actifs ni les données économiques au niveau des modèles.

Un engagement accru fait du coût des modèles une question stratégique. Chaque tâche supplémentaire génère des dépenses de calcul. Un modèle détenu en propre et capable d’effectuer des tâches adaptées à moindre coût pourrait protéger les marges tout en permettant un usage plus large.

La contrepartie est la maintenance. Thomson Reuters doit continuer à améliorer le modèle, à évaluer de nouvelles fondations open source, à sécuriser les pipelines de données et à répondre aux avancées rapides réalisées ailleurs. La propriété du modèle remplace une forme de dépendance par une obligation d’ingénierie continue.

Ce que les benchmarks de Thomson Reuters ne montrent pas

Les résultats d’évaluations internes constituent des éléments encourageants, mais ils ne remplacent pas des mesures transparentes en production.

Thomson Reuters affirme que Thomson est au niveau des principaux modèles de pointe sur un large éventail de tâches générales. L’entreprise fait également état de solides performances juridiques, d’une latence plus faible et de coûts sensiblement réduits.

L’entreprise a publié des résultats indicatifs, mais les lecteurs devraient distinguer trois questions. Quel score Thomson a-t-il obtenu dans des évaluations contrôlées ? Avec quelle fiabilité fonctionne-t-il au sein de CoCounsel ? Les clients obtiennent-ils de meilleurs résultats qu’avec des systèmes concurrents ?

Seule la première question reçoit une réponse préliminaire de l’entreprise. La deuxième est testée par le biais de Tabular Analysis. La troisième exigera, au fil du temps, des données comparatives sur l’usage, la rétention, la précision et les décisions d’achat.

L’évaluation comparative de l’IA juridique est particulièrement difficile, car les tests publics courants reproduisent rarement le travail professionnel. Un modèle peut identifier correctement une règle de droit tout en omettant de prendre en compte la juridiction, la situation procédurale, une exception ou une autorité ultérieure.

Les documents longs posent un autre problème. Un modèle peut accepter un grand volume de texte tout en négligeant un passage décisif enfoui dans celui-ci. Thomson Reuters a déjà évoqué la difficulté d’évaluer les performances sur des contextes longs, notamment lorsque le travail juridique implique des dossiers volumineux.

Les tests propriétaires de l’entreprise peuvent mieux refléter le travail réel que les benchmarks publics. Pourtant, une évaluation propriétaire limite aussi l’examen externe. Les clients ne peuvent pas déterminer de manière indépendante si les tests sélectionnés favorisent les données d’entraînement ou la conception produit de Thomson.

L’entraînement sur le contenu de Thomson Reuters soulève d’autres questions. L’entreprise dispose d’immenses collections juridiques et professionnelles, mais davantage de contenu ne produit pas automatiquement une amélioration proportionnelle. Les données doivent être nettoyées, structurées, pondérées, mises à jour et reliées à des métadonnées propres à chaque juridiction.

Thomson Reuters a travaillé avec DatologyAI sur l’adaptation au domaine juridique et a fait état d’améliorations du raisonnement juridique, de la recherche d’informations et des tâches en aval. L’étude de cas sur la curation des données du partenaire décrit de meilleurs résultats avec un budget limité en données et en calcul. Toutefois, ce récit est également fourni par des entreprises impliquées dans le projet.

L’utilisation en production révélera des cas plus difficiles. Les avocats peuvent téléverser des accords incohérents, des dossiers incomplets, des documents numérisés ou des modèles privés. Un système doit distinguer le droit faisant autorité des documents clients et indiquer clairement quelle source étaye chaque conclusion.

L’interface agentique reconstruite de CoCounsel est conçue pour montrer son travail. L’IA agentique désigne un logiciel qui planifie et exécute une séquence d’actions vers un objectif, plutôt que de renvoyer une réponse à une seule requête.

Hasker a déclaré que les utilisateurs peuvent examiner les étapes, les citations et les références produites pendant une tâche CoCounsel. Cette transparence est précieuse, car un professionnel peut contester une décision intermédiaire avant de s’appuyer sur le résultat final.

Toutefois, des étapes de raisonnement visibles ne garantissent pas l’exactitude. Une chaîne bien organisée peut contenir une erreur de classification précoce qui façonne tout ce qui suit. Les citations peuvent être réelles sans étayer la proposition qui leur est associée.

La révision humaine reste donc une partie de la proposition de valeur du produit. Thomson Reuters qualifie son approche d’« IA de niveau fiduciaire », une norme définie par l’entreprise qui met l’accent sur l’autorité, l’auditabilité, la sécurité et un usage professionnel responsable.

Cette appellation ne doit pas être confondue avec une certification indépendante. Les acheteurs ont besoin d’éléments de preuve liés à leurs propres exigences de risque, notamment les taux d’erreur, la couverture des sources, les contrôles d’accès, la journalisation, les pratiques de conservation et les procédures d’escalade.

Les cabinets qui envisagent ces systèmes ont également besoin d’une couche de connaissances durable. Les dossiers d’affaires, les orientations internes et les travaux antérieurs doivent rester organisés avant qu’un modèle puisse les retrouver de manière fiable. Une base de connaissances consultable peut réduire l’écart entre des démonstrations de modèles impressionnantes et un travail quotidien fiable.

Le raisonnement sceptique est donc simple. Thomson Reuters possède des données d’une valeur inhabituelle et a communiqué des résultats prometteurs. L’entreprise doit encore prouver que ces actifs se traduisent par des résultats clients reproductibles en dehors de tests conçus par elle-même.

Pourquoi les cabinets d’avocats et les acheteurs d’entreprise devraient s’y intéresser

Thomson crée de nouvelles options d’achat, mais rend aussi l’architecture de l’IA plus importante dans l’évaluation des fournisseurs.

Les acheteurs professionnels comparaient autrefois la couverture de recherche, les fonctionnalités logicielles, le support et les conditions contractuelles. Ils doivent désormais se demander quels modèles exécutent chaque tâche, où ces modèles fonctionnent, comment les données clients sont traitées et ce qui se passe lorsqu’un fournisseur modifie l’architecture sous-jacente.

Thomson Reuters peut proposer une réponse hybride. CoCounsel peut orienter certaines tâches vers Thomson tout en continuant d’utiliser d’autres modèles là où ils sont plus performants. Cela peut rendre l’application plus adaptable qu’un système à modèle unique.

Une conception hybride peut aussi rendre l’évaluation plus difficile. Un client peut voir une seule interface produit sans savoir quel modèle a généré un résultat particulier. Les acheteurs devraient demander une documentation claire couvrant le routage des modèles, les mises à jour importantes, les normes de test et la réponse aux incidents.

Les grands cabinets disposent d’une autre option. Hasker a déclaré que certains cabinets souhaitent combiner Thomson avec leurs informations internes protégées dans un environnement contrôlé. Cet arrangement pourrait donner à un cabinet davantage de contrôle sur les données et le déploiement tout en préservant l’accès au contenu de Thomson Reuters et aux flux de travail de CoCounsel.

L’attrait est compréhensible. Les cabinets d’avocats détiennent des dossiers clients confidentiels, des historiques de négociation, des précédents internes et le produit du travail des avocats. Faire passer chaque tâche par un service externe largement partagé peut créer des préoccupations de gouvernance, même lorsque des protections contractuelles existent.

Un environnement isolé ou dédié ne résout pas tous les problèmes. Les cabinets ont toujours besoin de contrôles d’accès, de classification des données, de règles de conservation, d’examens de sécurité et d’une répartition claire des responsabilités entre le fournisseur et le client.

Les petites organisations sont confrontées à un calcul différent. Elles sont moins susceptibles d’exploiter une infrastructure IA dédiée ou de maintenir d’importantes équipes d’évaluation. Elles ont besoin d’un service clé en main avec des contrôles compréhensibles et un comportement prévisible.

Pour ces acheteurs, la propriété du modèle ne compte que si elle améliore le produit final. Une revue documentaire plus rapide, des citations plus claires, moins de conclusions non étayées et une disponibilité constante sont importants. Le nom du modèle ne l’est pas.

Les travailleurs du savoir doivent également s’attendre à une évolution de l’interface. Un agent qui effectue des recherches, examine des documents et rédige un résultat fait passer le rôle de l’utilisateur de l’assemblage de chaque étape à la supervision d’un processus.

Cela peut faire gagner du temps, mais concentre aussi le risque. Un utilisateur qui mène lui-même ses recherches rencontre des éléments de preuve tout au long de la tâche. Un utilisateur qui supervise un agent peut ne voir que des sources sélectionnées et une trace résumée.

La formation doit donc privilégier la vérification plutôt que les astuces de prompting. Les professionnels doivent savoir comment contester le périmètre, vérifier l’autorité, identifier les documents manquants et examiner la séquence d’actions du système.

Le cap du million d’utilisateurs suggère que CoCounsel dispose déjà d’une distribution significative. Cependant, Thomson Reuters n’a pas indiqué combien de ces utilisateurs sont actifs chaque jour, comment l’activité varie selon les professions ni quelle part utilise la version agentique la plus récente.

L’adoption en entreprise ne peut pas être mesurée par le seul accès aux comptes. Une valeur durable apparaît lorsque les utilisateurs reviennent, réalisent un travail substantiel et renouvellent sans créer de charges de révision inacceptables.

Cette distinction se perd facilement lorsqu’on suit les actualités de l’IA via Google News. L’accès à un produit génère une annonce, tandis qu’une adoption fiable se développe lentement au sein des organisations.

Les résultats trimestriels de l’entreprise offrent un premier signal commercial, car Westlaw et CoCounsel ont contribué à la croissance des revenus récurrents de l’activité juridique. Ils ne distinguent pas encore l’expansion de la tarification, du regroupement d’offres, des nouveaux clients ou de la migration entre produits existants.

Les acheteurs devraient considérer Thomson comme un changement architectural significatif, et non comme la preuve qu’un gagnant est déjà établi. Il donne à Thomson Reuters davantage de contrôle sur les coûts et le développement produit. Les clients doivent déterminer si ce contrôle améliore leur propre travail.

Trois signaux qui détermineront si Thomson fonctionne

La prochaine phase sera jugée sur les performances en production, le déploiement chez les clients et une contribution financière mesurable.

Le premier signal est la migration de Tabular Analysis en août. Thomson Reuters doit montrer que Thomson peut gérer la revue documentaire en masse avec une précision, une vitesse et une stabilité acceptables dans des charges de travail réelles.

Ce déploiement mettra à l’épreuve le mécanisme central de l’entreprise. Si la latence diminue et que les utilisateurs accomplissent davantage de tâches lourdes en documents sans perdre en fiabilité, l’argument en faveur du transfert de capacités supplémentaires de CoCounsel se renforcera.

Un retard discret, un déploiement limité ou un retour aux modèles tiers affaiblirait cet argument. Il en serait de même de l’absence de rapports de performance précis après que la direction a mis en avant les avantages du modèle en matière de coût et de vitesse.

La divulgation la plus utile comparerait Thomson à la configuration de production précédente sur l’achèvement des tâches, le volume de documents examinés, la latence, l’escalade des erreurs et le coût de calcul. Même des données opérationnelles partielles seraient plus instructives qu’une nouvelle affirmation générale sur les benchmarks.

Le deuxième signal est de savoir si Thomson Reuters annonce un déploiement souverain auprès d’un grand cabinet d’avocats. La direction affirme que des discussions sont en cours, mais aucun accord nommé ni aucune configuration de production n’ont été communiqués.

Un véritable déploiement chez un client étendrait Thomson au-delà d’un composant interne de CoCounsel. Il indiquerait que les cabinets voient une valeur à combiner un modèle professionnel, le contenu de Thomson Reuters et des connaissances institutionnelles privées dans un environnement contrôlé.

Les détails compteront. Un pilote impliquant un groupe de pratique restreint signalerait une expérimentation. Un déploiement plus large couvrant des documents protégés du cabinet et des flux de travail récurrents étayerait l’affirmation de l’entreprise selon laquelle la propriété du modèle crée une opportunité commerciale durable.

Le troisième signal est financier. Les investisseurs ont besoin d’éléments plus clairs montrant que CoCounsel et les autres produits d’IA génèrent des revenus récurrents sans éroder les marges par les coûts de calcul, de développement, de vente et de support.

Thomson Reuters a fait état d’une forte croissance globale et d’une marge d’EBITDA ajusté plus élevée au deuxième trimestre. Le groupe a également relevé ses prévisions de revenus. Ces résultats lui donnent une marge de manœuvre pour investir, mais ils n’isolent pas l’économie propre à Thomson.

Les prochaines conférences téléphoniques sur les résultats devront indiquer si l’IA accroît les dépenses des clients, redirige les budgets logiciels existants ou protège principalement les abonnements déjà en place. Chaque scénario a des implications différentes.

De nouvelles dépenses conforteraient la présentation de la direction, qui voit dans les assistants juridiques d’IA une opportunité encore largement inexploitée. La substitution de budgets rendrait Thomson plus défensif, en préservant les relations clients tout en modifiant la structure de coûts sous-jacente.

La réaction de la concurrence mérite également une attention particulière. Les laboratoires de pointe continueront d’améliorer leurs modèles, tandis que les produits juridiques spécialisés ajouteront des intégrations plus poussées. Les grands cabinets d’avocats poursuivront leurs expérimentations avec des systèmes privés et plusieurs fournisseurs.

Thomson Reuters n’a pas besoin que Thomson surpasse toutes les alternatives. Il doit rester suffisamment performant pour des tâches professionnelles définies, tout en offrant à CoCounsel une meilleure économie, davantage de contrôle et un accès aux connaissances propriétaires.

C’est un objectif exigeant, mais plus réaliste que de rivaliser avec les laboratoires de pointe sur l’ensemble des capacités. L’entreprise peut orienter d’autres tâches vers des modèles externes et réserver Thomson aux domaines où son contenu change le résultat.

Les lecteurs arrivant depuis Google News devraient donc regarder au-delà de l’apparent lancement de modèle. L’événement déterminant est un test en production visant à déterminer si un fournisseur d’information établi de longue date peut transformer un contenu de confiance en infrastructure d’IA propriétaire.

Surveillez d’abord la migration de Tabular Analysis. Puis suivez l’annonce d’un déploiement nommé dans un cabinet d’avocats et une meilleure visibilité sur l’économie des revenus liés à l’IA. Ces signaux montreront si Thomson devient un véritable avantage de plateforme ou reste une option intéressante au sein d’un portefeuille logiciel beaucoup plus vaste.