Introduction
Quatre ans. C'est le temps qu'il aura fallu à Harvey pour équiper 80 % des cent plus grands cabinets d'avocats américains et boucler une levée de 550 millions de dollars à une valorisation de 15,5 milliards. Le tour, co-mené par Diffusion — nouveau fonds fondé par l'ex-Coatue Kris Fredrickson — et Lightspeed Venture Partners, avec Sequoia, Kleiner Perkins et Goldman Sachs en appui, confirme que le SaaS juridique est devenu l'un des segments les plus disputés de la tech B2B.
La plateforme fondée en 2022 ne se contente plus d'automatiser la rédaction ou la revue de contrats. Elle franchit désormais un seuil stratégique : celui de l'éditeur qui construit son propre modèle de langage plutôt que de louer la puissance des grands modèles généralistes.
Une pénétration marché hors norme
Les métriques avancées par Harvey sont inhabituelles pour une société de quatre ans. La moitié des entreprises du Fortune 10 utilisent ses outils en interne pour leurs équipes juridiques. Quelque 20 % du Fortune 500 y ont recours, et la base clients dépasse les 3 000 organisations. L'ARR a franchi les 400 millions de dollars.
Cette adoption dans les grandes structures témoigne d'un alignement réel entre les besoins du secteur — confidentialité des données, exactitude juridique, gestion de volumes documentaires massifs — et les capacités de la plateforme. Harvey propose notamment Vault, un référentiel documentaire capable d'indexer jusqu'à 100 000 documents par client, conçu pour rester dans l'environnement sécurisé de la firme.
Tenet : l'éditeur reprend la main sur son modèle
Le véritable marqueur de cette levée n'est peut-être pas son montant, mais ce qu'elle finance. Harvey a présenté Tenet, son premier LLM post-entraîné, développé en partenariat avec Fireworks Research. Le modèle s'appuie sur Kimi K3, le modèle open-weight de Moonshot AI sorti en juillet 2026 : une architecture Mixture of Experts qui mobilise 104 milliards de paramètres actifs par inférence sur une masse totale de 2,8 trillions. Post-entraîné via reinforcement learning asynchrone sur des tâches juridiques longues, Tenet affiche 20 % de gain par rapport à son modèle de base sur le traitement de contrats, et surpasse plusieurs modèles généralistes de premier rang sur les évaluations internes de Harvey.
Ce choix s'accompagne du lancement de Harvey LAB, un benchmark légal maison couvrant environ 1 200 tâches, destiné à évaluer la capacité des LLMs à conduire du travail juridique réel — et non de simples exercices de raisonnement générique.
Ce que cette trajectoire dit du SaaS vertical
La dynamique de Harvey illustre une évolution plus large dans le SaaS B2B : les éditeurs qui ont atteint une masse critique sur un segment réglementé tendent à internaliser leur couche IA pour trois raisons. D'abord, la confidentialité : dans le droit, exposer des documents clients à une API tierce reste un risque réglementaire difficile à assumer. Ensuite, la performance : un modèle entraîné sur des corpus juridiques surpasse systématiquement un modèle généraliste sur des tâches métier précises. Enfin, la différenciation : contrôler le LLM, c'est contrôler la valeur ajoutée que concurrents et hyperscalers ne peuvent pas répliquer facilement.
Pour les directions juridiques et les DSI qui accompagnent leur transformation numérique, la question n'est plus de savoir si ces outils méritent leur place dans la chaîne documentaire. Elle porte sur le choix de l'éditeur — et sur les implications de s'adosser à une plateforme dont le modèle propriétaire deviendra, à terme, le cœur opérationnel de toute une pratique.