L'IA générative est devenue particulièrement performante pour répondre aux questions. ChatGPT et Claude peuvent expliquer des sujets complexes, synthétiser des documents et rédiger en quelques secondes des textes à la formulation juridique convaincante.
Mais une distinction fondamentale s'impose :
S'exprimer comme un juriste ne garantit en rien l'exactitude d'une réponse juridique.
Cela devient particulièrement crucial lorsque l'IA est utilisée à des fins professionnelles dans des domaines tels que le droit du travail, le droit des contrats, le droit des sociétés ou la fiscalité.
Le problème fondamental : les hallucinations
Les grands modèles de langage génèrent des réponses basées sur des corrélations statistiques. Ils ne disposent d'aucun mécanisme intrinsèque pour vérifier si une conclusion juridique est correcte.
Il en résulte un problème bien connu : les hallucinations.
Une réponse peut sembler parfaitement plausible tout en contenant une interprétation erronée, une règle obsolète ou même une source qui ne soutient pas la conclusion avancée.
Pour des questions informelles, cela peut être acceptable.
Pour des décisions juridiques professionnelles, cela ne l'est pas.
L'intégration du RAG ne résout pas automatiquement ce problème
Une approche courante consiste à connecter ChatGPT, Claude ou un autre modèle généraliste à une base de données contenant des lois, des décisions de justice ou d'autres documents juridiques.
Cette technique est communément appelée génération augmentée par récupération (RAG, pour Retrieval-Augmented Generation).
La RAG est utile. Elle permet de fournir au modèle des documents pertinents et d'améliorer substantiellement la qualité de ses réponses.
Mais il existe une idée reçue tenace :
La RAG seule ne transforme pas un LLM généraliste en un système de raisonnement juridique fiable.
Récupérer un document pertinent n'est que la première étape.
Le système doit encore déterminer quelles dispositions s'appliquent réellement, comprendre leurs interactions, distinguer le droit écrit de la jurisprudence et des autres sources, gérer les exceptions et les informations contradictoires, et vérifier que la conclusion finale est effectivement étayée par les documents récupérés.
Une interface de chatbot + un LLM + une base de données vectorielle peuvent ainsi donner l'illusion d'un système d'IA juridique, sans pour autant avoir résolu la partie la plus complexe de l'ingénierie juridique.
La recherche documentaire n'est pas du raisonnement
Prenons un exemple relativement simple en droit du travail.
Un employé tombe malade pendant son délai de congé. Qu'advient-il de la date de fin des rapports de travail ?
Trouver la disposition légale suisse pertinente n'est pas particulièrement difficile.
Pourtant, répondre précisément à la question exige de déterminer la période de protection applicable, sa date de début, si et pendant combien de temps le délai de congé est suspendu, comment calculer le solde de ce délai et si la date de fin des rapports de travail doit être reportée à la fin d'un mois.
Le véritable défi n'est donc pas simplement :
« L'IA peut-elle trouver le texte de loi ? »
Mais plutôt :
« Le système est-il capable de raisonner de manière fiable à partir de la loi applicable pour formuler la bonne réponse ? »
Cette nuance devient cruciale à mesure que la complexité des questions augmente.
C'est précisément pour cela que Jurilo a été conçu
Jurilo n'a pas été développé en greffant simplement une interface de chatbot sur un LLM généraliste.
Il a été conçu spécifiquement pour répondre aux questions juridiques suisses.
Le système combine des sources juridiques suisses rigoureusement sélectionnées avec le Legal Graph™ de Jurilo et une architecture de raisonnement multi-étapes. Une seule question peut déclencher plus de 25 opérations d'agents autonomes avant de produire la réponse finale.
L'objectif n'est pas seulement de générer une réponse.
Il s'agit d'identifier le cadre juridique applicable, de récupérer les sources faisant foi, de confronter ces sources et de proposer une conclusion dont le raisonnement peut être compris et vérifié étape par étape.
Jurilo se concentre actuellement sur le droit suisse et s'appuie sur des sources officielles, notamment la législation suisse et les arrêts du Tribunal fédéral.
Le critère d'évaluation doit être l'exactitude, non l'éloquence
C'est sans doute le point le plus important lors de l'évaluation d'une IA juridique.
Presque tous les LLM modernes peuvent produire une réponse juridique à l'apparence impressionnante.
Ce n'est plus une prouesse technologique aujourd'hui.
Les questions pertinentes sont les suivantes :
Le droit applicable est-il correctement identifié ?
Les sources sont-elles officielles et pertinentes ?
La source citée soutient-elle réellement l'affirmation formulée ?
Les exceptions et les interdépendances sont-elles prises en compte ?
Le raisonnement est-il cohérent sur le plan interne ?
L'utilisateur peut-il comprendre comment la conclusion a été obtenue ?
Le système sait-il identifier quand les éléments disponibles sont insuffisants ?
C'est sur ces critères que les systèmes d'IA juridique doivent être comparés.
Et non sur la fluidité du style de tel ou tel chatbot.
Même les fournisseurs d'IA généralistes reconnaissent le risque
Les concepteurs de systèmes d'IA généralistes imposent eux-mêmes des limites et des avertissements concernant les usages professionnels à fort enjeu.
Les conditions d'utilisation d'OpenAI restreignent certaines décisions clés dans le domaine juridique et d'autres secteurs sensibles lorsqu'elles sont prises sans supervision humaine adéquate. Anthropic applique également des restrictions d'utilisation et fournit des recommandations pour les applications à haut risque.
Cela ne signifie pas que ChatGPT ou Claude soient de mauvais produits. Bien au contraire : ce sont des systèmes d'IA généralistes d'une puissance extraordinaire.
Mais la polyvalence généraliste et la fiabilité juridique spécialisée sont deux objectifs d'ingénierie distincts.
Créer une énième interface utilisateur autour de ces modèles ne fait pas disparaître cette différence fondamentale.
L'IA juridique doit être conçue pour inspirer la confiance
La prochaine génération d'applications professionnelles de l'IA ne se définira pas simplement par le modèle de fondation utilisé.
Les modèles de fondation deviendront de plus en plus des infrastructures de base.
La différence se fera sur l'ensemble de l'écosystème construit autour : l'architecture métier, l'accès à des données de référence, le raisonnement, la vérification, la traçabilité et les tests continus.
Pour l'IA juridique, cet enjeu est capital.
La question n'est plus de savoir si l'IA peut répondre à une question juridique.
Elle le peut de toute évidence.
La question est de savoir si vous pouvez faire confiance à la réponse lorsque la décision est cruciale.
C'est précisément le problème que Jurilo a été développé pour résoudre.