Z.ai lance GLM-Legal, un modèle d'IA pour le travail juridique

Z.ai, l'entreprise à l'origine de la famille de modèles d'IA GLM, a annoncé GLM-Legal le 12 octobre 2026. Il s'agit d'une version de son modèle GLM-5.3-Flash entraînée pour le travail juridique, comme la revue de contrats, l'analyse de preuves et la recherche en conformité. Selon Z.ai, il obtient 19,2 % sur Harvey's Legal Agent Benchmark, contre 6,7 % pour le modèle de base. Pour l'instant, l'accès est limité à une bêta à laquelle les entreprises doivent postuler.

Ce qu'est GLM-Legal

L'annonce de Z.ai indique que GLM-Legal est « construit sur la base légère de GLM-5.3-Flash ». Z.ai a publié GLM-5.3-Flash avec des poids ouverts en août. AlphaSignal présente le modèle de base comme une architecture mixture-of-experts, qui n'utilise qu'une partie du modèle pour chaque mot traité. Il compte 320 milliards de paramètres au total, dont 18 milliards actifs à la fois, et une fenêtre de contexte annoncée de 1 million de tokens.

La page de Z.ai ne donne aucune taille pour GLM-Legal lui-même. Elle indique seulement que le modèle fonctionne avec une « empreinte en paramètres nettement plus légère » que les modèles de pointe fermés.

L'entraînement s'est fait en deux étapes. D'abord, Z.ai a poursuivi l'entraînement du modèle sur un plus grand ensemble de textes juridiques. Ensuite, il a utilisé l'apprentissage par renforcement, qui récompense un modèle pour de bons résultats, sur « des dizaines de milliers d'environnements juridiques réalistes ». Z.ai a construit le modèle en même temps que son « Harness », le logiciel qui fait tourner l'agent et ses outils. « L'architecture du Harness et l'entraînement du modèle évoluent de concert », indique le billet. Unite.AI ajoute qu'une étape transforme les retours de professionnels du droit en signaux d'entraînement.

Z.ai explique pourquoi il a choisi le droit : « Le travail juridique concentre ces défis, ce qui en fait un test de résistance idéal pour entraîner des modèles à opérer dans des environnements professionnels à fort enjeu. »

Les scores de GLM-Legal aux benchmarks

Z.ai a publié un graphique qui compare GLM-Legal à son modèle de base et à trois modèles concurrents. Tous les chiffres ci-dessous proviennent de ce graphique.

Benchmark	GLM-Legal	GLM-5.3-Flash	Kimi K3	Claude Fable 5	GPT-6 Astra
Harvey's Legal Agent Benchmark	19.2	6.7	12.9	11.3	5.4
LegalBench	86.2	83.9	86.2	88.6	87.1
PLawBench	77.3	73.8	76.2	77.7	69.1

Selon AlphaSignal, le benchmark de Harvey teste des workflows juridiques en plusieurs étapes qui exigent de la planification et l'usage d'outils. Z.ai indique qu'il couvre 24 domaines de pratique. Son score est un taux de réussite totale : une tâche ne compte que si la réponse satisfait chaque critère de notation. LegalBench teste des tâches isolées de raisonnement juridique. PLawBench, selon Z.ai, couvre la pratique juridique chinoise : consultation, analyse de cas et rédaction de documents.

GLM-Legal arrive en tête du graphique sur le benchmark de Harvey. Sur LegalBench, il est à égalité avec Kimi K3 et derrière Claude Fable 5 et GPT-6 Astra. Sur PLawBench, il se place 0,4 point derrière Claude Fable 5. Z.ai présente ces résultats comme « à la hauteur des modèles fermés de pointe ».

Les chiffres du modèle de base concordent avec des tests externes. AlphaSignal a publié des scores de Vals AI, une société d'évaluation, pour GLM-5.3-Flash : 83,93 % sur LegalBench et 6,7 % sur le benchmark de Harvey.

Comment y accéder

GLM-Legal est en bêta. L'accès à l'API nécessite un formulaire de candidature sur le site de Z.ai. Z.ai invite les cabinets d'avocats, les entreprises de legal tech, les services juridiques internes et les praticiens indépendants. Z.ai et Unite.AI affirment tous deux que le modèle arrivera « bientôt » sur AutoClaw, l'application d'agent de bureau de Z.ai. Selon AlphaSignal, les nouveaux utilisateurs d'AutoClaw reçoivent 200 millions de tokens promotionnels, que Z.ai valorise à $24.

Plusieurs éléments ne sont pas communiqués. Parmi eux figurent le prix, la licence de GLM-Legal, la publication éventuelle de ses poids, les régions, les limites de débit et la conservation des données. Le modèle de base utilise la licence MIT, selon AlphaSignal.

Ce que montrent les démos

Le billet de Z.ai présente trois démos qui comparent GLM-Legal à son modèle de base :

• Revue de contrats : le modèle révise les clauses de résiliation et de transfert d'un contrat de services logiciels. AutoClaw inscrit les modifications dans Word « avec suivi des modifications et commentaires ».
• Analyse de preuves : il repère des contradictions dans les rapports d'avancement d'un prestataire, à travers 40 documents issus d'un litige. Chaque constat cite le numéro Bates du document, l'identifiant que les avocats apposent sur les fichiers échangés dans un procès.
• Recherche en conformité : il rédige un plan de confidentialité pour un site web lancé à Singapour, en Malaisie et en Indonésie, en citant des sections de la loi sur la protection des données de chaque pays.

Ce que cela signifie pour les développeurs

• Considérez les scores comme des affirmations du fournisseur. Z.ai a choisi les benchmarks et mené la comparaison. Testez GLM-Legal sur vos propres documents avant de bâtir dessus.
• Prévoyez une relecture humaine. Un taux de réussite totale de 19,2 % signifie qu'environ quatre tâches en plusieurs étapes sur cinq ont échoué à au moins un contrôle. Les outils juridiques construits dessus ont toujours besoin d'un avocat dans la boucle.
• Renseignez-vous sur les données avant d'envoyer des dossiers clients. La conservation et les régions ne sont pas publiées. Obtenez les deux par écrit pendant la bêta.
• Vérifiez la juridiction. PLawBench couvre la pratique chinoise et les démos couvrent l'Asie du Sud-Est. Les résultats peuvent ne pas se transposer au droit sous lequel travaillent vos utilisateurs.
• L'auto-hébergement commence par le modèle de base. GLM-5.3-Flash a des poids ouverts sous licence MIT. GLM-Legal n'est proposé pour l'instant que via une API à accès restreint, donc les équipes qui doivent exécuter les modèles en interne ne peuvent pas encore l'utiliser.