Thomson Reuters investit 40 millions de dollars pour développer sa propre IA plutôt que dépendre d'OpenAI ou Anthropic
Thomson Reuters a annoncé le lancement de "Thomson", un modèle de langage développé en interne et construit sur la base du modèle Qwen d'Alibaba, pour un investissement d'environ 40 millions de dollars étalé sur deux ans. Selon les données communiquées par l'entreprise, ce modèle n'obtient ses meilleurs résultats aux tests de performance que lorsqu'il peut s'appuyer sur les contenus propriétaires du groupe, notamment sa base juridique Westlaw. Le directeur technique de Thomson Reuters, Joel Hron, résume la logique du projet en expliquant que l'enjeu n'est pas de disposer de l'intelligence artificielle la plus performante dans l'absolu, mais de déterminer précisément quelle brique d'intelligence l'entreprise a intérêt à posséder plutôt qu'à louer.
Résumé et traduction réalisés par Le Fil IA à partir de The Decoder. Lire l'article original →
Cette décision marque une rupture avec la pratique dominante consistant à s'appuyer sur des modèles loués à des fournisseurs comme OpenAI ou Anthropic. Pour un groupe comme Thomson Reuters, dont la valeur repose largement sur des bases de données juridiques et financières exclusives, garder la main sur le modèle qui exploite ces données permet de mieux contrôler les coûts à long terme, de limiter la dépendance à des acteurs tiers et de protéger un avantage concurrentiel construit sur des décennies d'accumulation de contenus spécialisés.
Cette stratégie s'inscrit dans une tendance plus large où de grandes entreprises disposant de données propriétaires de valeur choisissent de construire leurs propres modèles à partir de bases open source, comme Qwen d'Alibaba, plutôt que de dépendre entièrement des grands fournisseurs commerciaux américains. Le pari de Thomson Reuters illustre un arbitrage désormais central pour l'industrie : la performance brute d'un modèle générique compte moins que sa capacité à être associé aux données spécifiques d'une organisation, ce qui pourrait inciter d'autres entreprises détentrices de contenus propriétaires à suivre une voie similaire.
Aucune entreprise française n'est directement concernée, mais cette stratégie de souveraineté sur les données pourrait inspirer des entreprises européennes détentrices de contenus propriétaires à réduire leur dépendance aux fournisseurs américains d'IA.