Old-Timer

Content d'avoir des nouvelles ! On avait déjà échangé il y a un ou deux mois, je suis avec curiosité tes avancées. Après ton projet de simulation météo, tu avais évoqué ce nouveau projet. À te lire, c’est effectivement loin d’être gagné, mais pas forcément pour les raisons que j’imaginais au départ. J’en ai longuement discuté avec un pénaliste et un juriste : chacun a essayé, avec des moyens conséquents, de s’attaquer au problème. L’accès aux textes et à la jurisprudence ne résout rien. On a identifié deux problèmes majeurs (en plus du tien, qui n’en est peut-être pas vraiment un). Le fait que chaque juge puisse rendre un jugement différent fait partie du jeu, et c’est même un principe constitutif de la justice, au même titre que chaque décision est individualisée. Le premier est le risque d’hallucination, couplé au risque de passer à côté. Les études Stanford (RegLab) ont montré des taux très élevés sur des requêtes juridiques vérifiables : 58 à 88 % pour les modèles généralistes, et encore 17 % pour Lexis+ AI ou environ 33 % pour Westlaw AI-Assisted Research, même avec du retrieval. Une erreur de date, un titre d’article faux ou une JP inventée peut avoir des conséquences lourdes. Cela s’est déjà matérialisé devant les tribunaux (Mata v. Avianca aux États-Unis, et des centaines de cas recensés depuis, y compris en France devant le tribunal de Périgueux ou le TA d’Orléans). Résultat : même avec des outils spécialisés, on est souvent contraint de tout vérifier à la virgule près. L’IA accélère la recherche et le premier jet, mais elle n’élimine pas le travail de contrôle. Le second problème, plus structurel, est qu’il manquera peut-être toujours à l’IA une partie importante du boulot d’un avocat, d’un juriste ou d’un juge : le raisonnement juridique proprement dit. Dans certaines matières, les textes sont presque accessoires. Les échanges avec les clients, les discussions entre confrères, les audiences, les stratégies, les arbitrages de risque ou les réflexions qui ne quittent jamais la tête des professionnels ne peuvent pas constituer des données d’entraînement. Accéder massivement aux sources écrites ne suffit pas. À l’inverse de la médecine, où l’essentiel de la base des raisonnements (littérature, guidelines, essais, cas cliniques) peut nourrir les datasets, le droit repose énormément sur des éléments inaccessibles à l’IA. Les modèles excellent davantage sur la synthèse, l’extraction ou le premier jet que sur le cœur du raisonnement analogique, de balancing ou stratégique. Des outils comme Harvey ou CoCounsel apportent une vraie valeur sur des tâches mécaniques et sont utilisés dans de grands cabinets, mais même les meilleurs restent des assistants : la signature, la responsabilité et le jugement final restent humains. En résumé, l’accès aux textes et à la JP est nécessaire mais très loin d’être suffisant. Ces deux problèmes expliquent pourquoi une automatisation profonde reste hors de portée, même si l’assistance sur des tâches bien délimitées progresse. L’approche réaliste reste hybride, avec un contrôle humain strict.