Pourquoi l'IA juridique doit être fondée sur la confiance, et pas seulement sur la technologie.

Dans le domaine juridique, la responsabilité est un pilier fondamental qui dépasse la simple production de réponses. Les juristes, comme les avocats, engagent leur responsabilité professionnelle et personnelle sur les conseils qu'ils fournissent. Cela signifie qu'ils doivent pouvoir défendre leurs analyses devant des clients, des tribunaux ou des organismes de réglementation, parfois des années après avoir donné leur avis. Contrairement à d'autres professions, les juristes ne peuvent pas se contenter de résultats : ils doivent aussi justifier leur raisonnement juridique, c'est-à-dire la logique et les sources qui étayent leurs conclusions. Cette exigence explique pourquoi la confiance dans l'outil utilisé, comme une intelligence artificielle (IA), est cruciale. Si l'IA génère des réponses rapides mais non vérifiables ou défendables, elle devient inutilisable pour les juristes, car elle ne répond pas à leur obligation légale et éthique.

Les outils d'IA génériques, comme les modèles de langage, excellent dans la production rapide de textes qui semblent juridiquement valides. Cependant, leur utilité dans le domaine juridique est limitée car ils ne répondent pas aux exigences de traçabilité, de fiabilité et de solidité juridique requises. Par exemple, une réponse bien formulée mais sans sources claires, sans contexte juridique précis ou sans explication sur la manière dont la conclusion a été atteinte ne peut pas être utilisée par un juriste. Celui-ci serait alors contraint de vérifier et de reconstruire entièrement le raisonnement, ce qui annule les gains de productivité escomptés. L'IA doit donc aller au-delà de la simple génération de texte pour offrir un raisonnement structuré et défendable.

Les clients ne paient pas pour de l'information juridique brute, mais pour l'expertise d'un juriste. Celui-ci apporte une valeur ajoutée en contextualisant l'information, en identifiant les risques, en interprétant les textes de loi et en proposant des solutions adaptées à une situation spécifique. Par exemple, un juriste ne se contente pas de dire ce que dit la loi : il évalue si cette loi s'applique à un cas précis, quels sont les précédents judiciaires pertinents, et quels sont les risques associés. Cette capacité à penser hors du cadre et à peser différentes positions reste inaccessible à une IA, même avancée. Le juriste agit comme un preneur de risque calculé, en assumant personnellement les conseils qu'il donne.

Dans le travail juridique, la traçabilité du raisonnement est essentielle, notamment dans les procédures de recours où les arguments sont examinés en détail. Un juriste doit pouvoir justifier chaque étape de son analyse en s'appuyant sur la jurisprudence (décisions de justice passées) et la doctrine (commentaires d'experts sur le droit). Par exemple, si un avocat défend un client devant un tribunal, il doit pouvoir citer des arrêts similaires pour étayer son argumentation. Une IA qui ne fournit pas ces références ou ne permet pas de retracer le raisonnement est inutilisable, car elle expose le juriste à des risques juridiques. La confiance dans l'outil repose donc sur sa capacité à offrir cette solidité argumentative.

Pour Anne Nørvang Hansen, Group Chief Product Officer chez Norstedts Juridik et Karnov Group, la confiance ne doit pas être un simple ajout aux outils d'IA juridique, mais un principe de conception fondamental. Cela signifie que chaque décision de développement doit prendre en compte son impact sur la chaîne de confiance qui sous-tend le conseil juridique. Par exemple, automatiser un flux de travail sans assurer la transparence ou en augmentant la charge de vérification pour l'utilisateur affaiblit cette confiance. Les outils d'IA doivent être conçus pour renforcer la responsabilité professionnelle, pas pour la remplacer. Ils doivent réduire l'incertitude, pas introduire de nouveaux risques. Cette approche éthique et structurelle est cruciale pour garantir que l'IA reste un outil fiable dans un environnement où la marge d'erreur est faible.