Harvey lance Tenet, modèle juridique entraîné sur Kimi K3

Les ingénieurs de la société américaine d’intelligence artificielle juridique Harvey ont intégré Kimi K3 à un nouveau modèle juridique baptisé Tenet. Tenet ne vise pas les « questions-réponses sur les connaissances juridiques », mais les processus longs que les avocats traitent au quotidien : trouver des indices dans un ensemble de documents clients, effectuer des recherches successives et appeler des outils, repérer les risques et compléter les références, puis remettre une version modifiée d’un contrat ou une note juridique.

Harvey a été fondée il y a quatre ans et affiche une valorisation de 11 milliards de dollars. Elle sert actuellement plus de 1 300 organisations et 100 000 avocats. Tenet est son premier modèle post-entraîné à partir d’un modèle à poids ouverts, spécialement conçu pour les tâches juridiques nécessitant une exécution prolongée et des appels d’outils successifs. Les premiers résultats de la société sur le benchmark d’agents juridiques LAB montrent que Tenet a réussi près de deux fois plus de tâches que le modèle de base.

L’enjeu n’est pas simplement de donner un autre nom à Kimi. Un modèle généraliste peut connaître le droit sans forcément savoir par quelle étape commencer dans un travail réel, à quel moment consulter un document supplémentaire ou en quoi un livrable présente des lacunes. Harvey doit utiliser ses propres données, ses capacités de calcul et son expérience des activités juridiques pour continuer à entraîner le modèle ouvert afin de l’adapter davantage au travail des avocats.

Une démarche similaire de « retraitement d’un modèle de base » apparaît dans les outils de programmation. Il a été confirmé que Composer 2 de Cursor avait été entraîné à partir de Kimi K2.5, et Composer 2.5 a continué de reposer sur cette même base. La société britannique Cosine a entraîné Lumen Outpost, destiné à la maintenance d’ancien code, avec Kimi K2.6, tandis que SWE-1.7 de Devin utilise lui aussi publiquement Kimi K2.7. En l’espace de six mois à peine, différentes versions de Kimi ont ainsi successivement intégré ces produits développés à l’étranger.

Concrètement, cela offre aux entreprises d’intelligence artificielle de taille moyenne une voie commerciale viable supplémentaire : elles n’ont pas besoin d’entraîner un modèle de base de zéro, ni de dépendre durablement, à mesure que leurs produits prennent de l’ampleur, de services propriétaires comme OpenAI ou Anthropic facturés à l’appel. Les clients obtiennent des produits davantage intégrés aux flux de travail, dans le droit ou la programmation, plutôt qu’un modèle généraliste qui ne sait que discuter ; les fournisseurs de modèles peuvent, eux, devenir les producteurs de matière première et les briques en amont d’autres produits.

Pour l’heure, les résultats confirmés restent toutefois ceux publiés par les entreprises. Le résultat « près de deux fois plus » de Tenet provient des premiers tests menés sur le benchmark d’agents juridiques LAB de Harvey ; l’intégration de modèles chinois à des produits développés à l’étranger ne signifie pas non plus que ces produits peuvent se passer de données sectorielles, de capacités de calcul et de validations en conditions réelles. Les poids ouverts réduisent le coût d’entrée, mais les véritables capacités du produit doivent encore être développées dans des tâches concrètes.