Z.ai ouvre l’accès à GLM-Legal sur candidature

EElias

Alors, Z.ai a annoncé GLM-Legal lundi, un modèle agentique spécialisé dans les workflows juridiques et construit sur GLM-5.3-Flash, d’après Unite.AI. Il vise notamment l’examen de contrats, l’analyse de preuves et les contrôles de conformité pour les cabinets d’avocats et les équipes juridiques internes. Le mot agentique renvoie ici à un modèle destiné à intervenir dans des workflows, autrement dit des suites de tâches organisées autour d’un objectif professionnel. L’annonce ne décrit pas en détail la manière dont ces étapes seraient exécutées, ni ne fournit de démonstration permettant d’évaluer chacune d’elles. Z.ai présente le travail juridique comme un test exigeant pour entraîner des modèles à agir dans des environnements professionnels à forts enjeux. C’est donc une annonce de spécialisation et de ciblage métier, pas encore une démonstration complète de la qualité du produit. La distinction est importante : l’entreprise décrit les tâches visées, mais les résultats publiés ne permettent pas de conclure que GLM-Legal peut les mener de bout en bout dans toutes les situations.

EElias

Les usages annoncés sont assez concrets : examiner des contrats, analyser des preuves et effectuer des contrôles de conformité. Pour un contrat, cela pourrait servir à repérer les clauses pertinentes ou à comparer des documents, mais les éléments publiés ne détaillent pas précisément les fonctions proposées. Pour l’analyse de preuves, l’objectif annoncé est de travailler sur les éléments d’un dossier ; la manière dont le modèle les organiserait ou présenterait ses conclusions n’est pas précisée. Les contrôles de conformité correspondent à l’examen de pratiques au regard de règles et d’exigences applicables, sans que l’annonce fournisse un protocole détaillé pour ces vérifications. Ces trois domaines ont en commun de mobiliser des documents et des informations qu’il faut relier à une tâche donnée. Z.ai présente justement le droit comme un terrain exigeant, parce que le modèle doit agir dans un environnement professionnel à forts enjeux. Mais cette présentation ne vaut pas validation des réponses : pour l’instant, elle indique les objectifs du produit, pas la précision obtenue sur chaque opération. Il faut donc séparer l’ambition fonctionnelle de ce qui a été effectivement mesuré.

EElias

GLM-Legal vise les cabinets d’avocats et les équipes juridiques internes, avec des usages annoncés autour des contrats, des preuves et de la conformité. L’accès à son interface de programmation, souvent appelée API, passe par une candidature destinée aux partenaires de conception et aux collaborateurs, d’après AlphaSignal. Cela correspond à un accès encadré, plutôt qu’à une ouverture générale de l’API à tous les utilisateurs. La source décrit donc une démarche de collaboration avec des partenaires, sans préciser le nombre de personnes qui pourraient être admises, les critères de sélection ni les conditions commerciales. AlphaSignal indique également que GLM-Legal serait proposé dans AutoClaw, l’agent de bureau de Z.ai, avec 24 dollars de crédits gratuits à l’inscription. Cette disponibilité et ces crédits sont rapportés par AlphaSignal et ne sont pas confirmés indépendamment. Il faut donc les présenter comme des modalités annoncées par cette source, et non comme une offre dont tous les détails seraient établis. À ce stade, l’information la plus nette concerne la candidature pour l’API ; elle ne signifie pas que toute équipe juridique peut déjà utiliser le service librement.

EElias

GLM-Legal repose sur GLM-5.3-Flash, un modèle présenté comme une architecture à mélange d’experts : une partie de ses paramètres est activée pour chaque jeton traité. Cette base compte 320 milliards de paramètres au total, dont 18 milliards activés par jeton, avec une fenêtre de contexte annoncée d’un million de jetons. Sur Harvey LAB, Vals AI classe GLM-Legal au 7e rang sur 79 modèles, avec 19,17 % de réussite intégrale, contre 6,67 % pour GLM-5.3-Flash ; MarkTechPost indique qu’un évaluateur indépendant a reproduit ce résultat. MarkTechPost rapporte aussi un coût de 0,15 dollar par test sur ce benchmark. Ces chiffres décrivent des résultats sur Harvey LAB et ne permettent pas, à eux seuls, de comparer toutes les tâches juridiques visées par le modèle.

EElias

La réserve, c’est que les résultats varient selon le benchmark. Sur Harvey LAB, Vals AI classe GLM-Legal au 7e rang sur 79 modèles, avec 19,17 % de réussite intégrale, contre 6,67 % pour son modèle de base GLM-5.3-Flash ; MarkTechPost indique qu’un évaluateur indépendant a reproduit ce résultat. Le tableau est moins favorable sur le Legal Research Bench : GLM-Legal obtient 41,83 %, sous les 45,19 % de GLM-5.3-Flash. Ces résultats donnent donc deux indications distinctes : un score plus élevé que le modèle de base sur Harvey LAB, et un score inférieur sur le Legal Research Bench. Ils ne permettent pas de conclure à une supériorité de GLM-Legal dans toutes les tâches juridiques. MarkTechPost rapporte également que le modèle devance Claude Fable 5 et Kimi K3 sur Harvey LAB, mais ces comparaisons reposent sur les résultats de Vals AI et ne sont pas confirmées indépendamment ici. L’article indique aussi que GLM-Legal passe 92,5 % des critères individuels de Harvey LAB ; ce chiffre n’est pas confirmé indépendamment ici. Il faut donc distinguer les scores rapportés pour ces évaluations des comparaisons et mesures supplémentaires rapportées par l’article.

EElias

Il faut retenir que Z.ai a annoncé GLM-Legal, un modèle fondé sur GLM-5.3-Flash et destiné à des tâches juridiques précises : examiner des contrats, analyser des preuves et effectuer des contrôles de conformité. Le modèle de base est présenté avec 320 milliards de paramètres, dont 18 milliards activés par jeton, et une fenêtre de contexte annoncée d’un million de jetons. Sur Harvey LAB, Vals AI classe GLM-Legal au 7e rang sur 79, avec 19,17 % de réussite intégrale, contre 6,67 % pour le modèle de base ; MarkTechPost indique qu’un évaluateur indépendant a reproduit ce résultat. MarkTechPost rapporte aussi un coût de 0,15 dollar par test sur ce benchmark. Sur le Legal Research Bench, GLM-Legal obtient toutefois 41,83 %, sous les 45,19 % de GLM-5.3-Flash. L’accès à l’API se fait sur candidature, dans un dispositif destiné aux partenaires de conception et aux collaborateurs. Ces résultats sont différents selon l’évaluation : GLM-Legal dépasse son modèle de base sur Harvey LAB, mais obtient un score inférieur sur le Legal Research Bench. Ils ne permettent pas d’établir une supériorité générale dans toutes les tâches juridiques.