GLM-Legal

Ce que c’est

GLM-Legal est un modèle spécialisé dans le domaine juridique, développé par Z.ai, le laboratoire chinois coté à Hong Kong anciennement appelé Zhipu AI. Z.ai l’a annoncé le 12 octobre 2026 sous la forme d’un billet de recherche. Il repose sur GLM-5.3-Flash, a reçu un mid-training supplémentaire sur des corpus juridiques, puis a été entraîné par reinforcement learning sur ce que Z.ai décrit comme des dizaines de milliers d’environnements juridiques simulés : revue de contrats, analyse de preuves, recherche en conformité.

C’est un modèle, pas un produit. Il n’existe ni application destinée aux avocats, ni connecteur de gestion documentaire, ni citator. Au 21 octobre 2026, le seul accès passe par une bêta fermée : vous demandez un accès API via un formulaire de consultation sur z.ai/consultation/legal. Z.ai indique que GLM-Legal arrive « bientôt » dans AutoClaw, son agent desktop, où les modifications de contrats apparaissent dans Word sous forme de modifications suivies et de commentaires. Cette intégration est annoncée, pas livrée. La model card de Vals indique des poids ouverts, mais le billet de lancement ne mentionne aucune licence, et nous n’avons trouvé aucun dépôt GLM-Legal sur Hugging Face le 21 octobre 2026. Traitez-le comme un modèle fermé et hébergé tant que les poids ne sont pas réellement publiés.

Pourquoi il apparaît dans les évaluations Legal Ops

Un seul chiffre : le coût par tâche menée à terme. Vals AI a fait passer GLM-Legal sur le Legal Agent Benchmark (LAB) de Harvey au lancement et lui a attribué 19,17 %, 7e sur 79 modèles, à 0,15 $ par tâche, le modèle le moins cher de ce top 10. Vals lui a aussi attribué 86,24 % sur LegalBench et 41,83 % sur Legal Research Bench. Son modèle de base obtenait environ 6,7 % sur LAB : l’entraînement juridique fait donc un vrai travail.

Lisez correctement ces 19 %. LAB ne compte une tâche que si chaque critère de la grille est validé, donc environ quatre tâches sur cinq ont encore échoué quelque part. Vals a depuis renouvelé LAB avec un jeu held-out de 120 tâches (HLAB-Vals-1.1, mis à jour le 21 octobre 2026), et GLM-Legal ne figure pas encore sur ce classement. Le meilleur score y revient à Gemini 4 Argon, à 27,08 % pour 10,55 $ par tâche. GLM 5.3 standard se situe à 14,58 %, et Claude Opus 5.5 à 9,17 %. Les deux campagnes ne sont pas directement comparables : ne classez donc pas GLM-Legal par rapport au leaderboard actuel. Pour comprendre comment ces benchmarks sont construits, voir benchmarks d’IA juridique.

La réalité des prix

Z.ai n’a publié aucun prix pour GLM-Legal. Vals l’a fait tourner à 0,075 $ par million de tokens en entrée et 0,25 $ par million de tokens en sortie. Cela correspond à un tarif promotionnel de GLM-5.3-Flash, pas à un contrat GLM-Legal chiffré. Des routeurs tiers affichent GLM-5.3-Flash de base à 0,15 $ en entrée et 0,50 $ en sortie. Prévoyez 0,15 à 0,30 $ par tâche agentique tant que Z.ai ne vous a pas fait de devis. À 500 tâches par mois, cela représente 75 à 150 $, contre environ 5 275 $ pour le même volume sur Gemini 4 Argon au coût par tâche relevé par Vals. La contrepartie, c’est la vitesse : la fiche de Vals indique une latence moyenne proche de 20 minutes par tâche de benchmark juridique.

Idéal pour

Un responsable legal engineering chez un éditeur legal tech ou dans une grande équipe juridique interne qui construit une pipeline à fort volume et faible confidentialité : première revue de documents publics déposés, recherche réglementaire couvrant Singapour, la Malaisie et l’Indonésie, travail en droit chinois (Z.ai annonce aussi une parité avec les modèles frontier sur PLawBench, un benchmark de droit chinois), ou un modèle d’exécution bon marché placé sous un relecteur plus solide. L’argument ROI, c’est le volume : des milliers de tâches par mois, où un écart de coût par tâche de 35x à 70x finance une vérification humaine de chaque output.

Pas pour un cabinet qui envoie des documents clients couverts par le secret professionnel à une API hébergée sans accord de traitement des données signé, ni pour un cabinet américain dont la politique de risque fournisseurs exclut les entités inscrites sur l’Entity List du Département du Commerce des États-Unis, où figure Zhipu depuis janvier 2025.

Face aux alternatives

Harvey est le leader du segment en chiffre d’affaires et en nombre de cabinets. Choisissez-le quand vous avez besoin d’un fournisseur responsable du résultat juridique, de l’onboarding des avocats et de la vérification des citations. Il serait facturé environ 1 200 $ par siège et par mois, avec un minimum de 20 sièges, et c’est cette responsabilité que paie le prix.

Legora est le nouvel entrant à la croissance la plus rapide. Choisissez-le quand les collaborateurs ont besoin d’une interface de revue et de rédaction qu’ils ouvriront d’eux-mêmes, pas d’une API.

Claude for Legal et OpenAI Astra for Law sont les options des laboratoires frontier. Choisissez-les quand le facteur décisif est une entité contractante américaine, des conditions enterprise de conservation des données ou des connecteurs vers les systèmes documentaires que vos avocats utilisent déjà. Préférez GLM-Legal à ces deux options uniquement quand le coût par tâche prime et que les documents ne sont pas confidentiels.

Points de vigilance

• La juridiction des données n’est pas tranchée. La politique de confidentialité de Z.ai désigne une entité à Singapour et indique que les données sont en général traitées à Singapour, mais les clients API relèvent d’un avenant distinct de traitement des données, et la politique autorise des transferts vers des sociétés affiliées du groupe. Garde-fou : obtenez l’avenant par écrit, confirmez les conditions de conservation et d’entraînement pour le trafic bêta de GLM-Legal, et n’acheminez que des documents publics ou synthétiques tant que votre directeur juridique n’a pas donné son accord.
• Les conditions de Z.ai restreignent les données réglementées américaines. Les utilisateurs américains ne peuvent pas traiter de données de santé HIPAA, de données financières GLBA ni de contenus soumis au contrôle des exportations via le service. Garde-fou : étiquetez les dossiers par classe de données avant l’acheminement et bloquez ces classes au niveau du gateway, pas par note de politique interne.
• Le benchmark n’est pas le métier. Un taux de réussite complète de 19 % signifie que la plupart des outputs passent à côté de quelque chose, et des praticiens dans le fil HN du lancement (plus de 650 points) ont publié des exemples d’outils contractuels IA ayant manqué des clauses importantes. Garde-fou : faites passer 30 à 50 dossiers clos dans GLM-Legal et dans votre outil actuel, notez-les à la main, et conservez une étape de relecture par un avocat sur chaque output.
• Un accès bêta n’est pas un contrat. Pas de prix, pas de SLA, pas d’identifiant de modèle publié. Garde-fou : construisez derrière un gateway agnostique comme OpenRouter afin de pouvoir changer de modèle sans réécrire la pipeline.