Qu’est-ce que Thomson ?
Thomson est un modèle de fondation spécialisé dans le travail professionnel, particulièrement dans les domaines :
- - juridique
- -fiscalité
- -réglementation
- -information professionnelle
Contrairement à un modèle généraliste conçu pour répondre à tout le monde, Thomson Reuters l'a conçu pour exploiter des décennies de contenus propriétaires : jurisprudence, contrats, contenus fiscaux, réglementaires et contenus Reuters.
Et c'est justement là que l'annonce devient intéressante.
Thomson Reuters explique avoir construit Thomson à une fraction du coût et de la taille des grands modèles frontier. Le modèle part d'une base open source, puis est entraîné avec les données propriétaires et l'expertise métier de Thomson Reuters.
Des sources spécialisées rapportent un investissement d'environ 40 millions de dollars pour son développement.
Une entreprise spécialisée n'a peut-être pas besoin de construire le plus gros modèle du monde pour construire un modèle extrêmement performant dans son domaine.
Thomson Reuters affirme que Thomson est compétitif avec certains des meilleurs modèles frontier sur ses évaluations et qu'il dépasse certains modèles généralistes sur plusieurs tâches juridiques.
Sur PrBench Legal Hard, Thomson aurait obtenu un score de 0,352, présenté par Thomson Reuters comme le meilleur résultat parmi les modèles testés sur ce benchmark.
L'entreprise indique également que Thomson a été évalué sur plus de 100 benchmarks juridiques et des milliers de cas d'utilisation spécifiques au droit.
Ce sont les résultats communiqués par Thomson Reuters ; les évaluations académiques indépendantes sont encore en cours.
Thomson Reuters ne vend actuellement pas Thomson comme un chatbot autonome que n'importe qui peut utiliser.
Le modèle est une couche d'IA intégrée aux produits Thomson Reuters. Sa première utilisation annoncée est Tabular Analysis dans CoCounsel Legal, où il peut analyser jusqu'à 10 000 documents et 100 questions simultanément, avec des réponses traçables jusqu'à leurs sources.
Thomson Reuters précise également que les données clients ne servent pas à entraîner Thomson.
Faraday : l’agent IA qui apprend à faire de la recherche
Le projet vient d’Inherent, un laboratoire londonien fondé par d’anciens chercheurs de Google DeepMind. Leur agent, baptisé Faraday, est présenté comme un « AI Scientist ».
L'idée est assez différente d'un chatbot classique.
Au lieu de lui demander :
« Résume-moi cet article scientifique. »
on lui donne un article scientifique et une tâche de réplication.
Faraday doit alors essayer de retrouver expérimentalement un résultat présenté dans le papier.
Inherent a créé un benchmark appelé Replica, constitué de 310 tâches provenant de 100 publications en machine learning et en « AI for Science ».
Pour chaque tâche, une partie importante du résultat scientifique est cachée.
Faraday doit alors :
- comprendre le papier ;
- déterminer quelle expérience réaliser ;
- écrire ou faire écrire le code nécessaire ;
- exécuter l'expérience ;
- analyser les résultats ;
- ajuster son approche si nécessaire ;
- essayer de retrouver la figure ou le résultat manquant.
Le système dispose d'un environnement de programmation et peut utiliser des agents de codage comme outils.
Et c'est là que l'approche devient particulièrement intéressante : Faraday n'est pas simplement entraîné à produire une réponse correcte. Il est entraîné à prendre de bonnes décisions expérimentales.
Inherent appelle cela le « research taste » : savoir quelles expériences valent la peine d'être réalisées et comment les concevoir.
Faraday utilise un modèle de 27 milliards de paramètres, beaucoup plus petit que les modèles frontier auxquels il a été comparé.
Inherent affirme que Faraday a obtenu de meilleurs résultats sur les tâches de réplication retenues que Claude Opus 4.8 et GPT-5.5. Ces résultats figurent dans leur étude publiée sur arXiv.
Ce sont les résultats rapportés par Inherent. Ils n'ont pas encore été confirmés par une évaluation indépendante.
Le benchmark est également une réplication d'une figure ou d'un résultat, pas la reproduction complète d'un article ni la découverte autonome d'une nouvelle théorie scientifique.
Faraday est le « cerveau » qui décide quoi faire, mais il peut utiliser GPT-5.5 Codex comme outil pour certaines tâches de programmation.
On a donc une architecture assez intéressante :
Faraday → raisonne comme un chercheur → donne des instructions → agent de code → expérience → résultats → Faraday analyse → nouvelle expérience.
C'est beaucoup plus proche d'un collaborateur scientifique IA que d'un simple chatbot.