IA juridique : la règle est exacte, mais s'applique-t-elle à l'entreprise ? Par Mehdi El Jamali, Avocat.

L’article souligne que les systèmes d’intelligence artificielle (IA) juridiques peuvent fournir des réponses exactes en citant correctement leurs sources, mais que cette exactitude ne garantit pas leur applicabilité à une entreprise spécifique. Par exemple, une IA peut identifier correctement le seuil de 50 salariés pour déclencher l’obligation de participation aux résultats en France, mais une filiale avec 54 salariés ne sera pas automatiquement concernée si son effectif n’a pas dépassé ce seuil pendant cinq années civiles consécutives. L’article cite aussi le Code du travail (articles L3322-1 et L3322-2) et le Code de la sécurité sociale (article L. 130-1) pour illustrer ce décalage entre la règle et son application. Les outils d’IA, bien que performants, ne tiennent pas compte des données historiques ou des réorganisations d’entreprise, qui sont pourtant essentielles pour une conclusion juridique fiable.

Les techniques comme le Retrieval-Augmented Generation (RAG) permettent à une IA de s’appuyer sur des documents vérifiés pour réduire les hallucinations (réponses inventées). Cependant, même avec cette méthode, l’IA ne peut pas toujours déterminer si une règle s’applique à une entreprise donnée. Par exemple, une base documentaire peut indiquer qu’un seuil de salariés déclenche une obligation, mais elle ne connaît pas l’effectif juridiquement pertinent de l’entreprise, qui dépend souvent de la moyenne des effectifs mensuels de l’année précédente. L’article mentionne aussi les travaux d’Eljas et Tuula Linna (2026) qui analysent les difficultés du raisonnement juridique par IA en utilisant la grille Issue, Rule, Application, Conclusion. Enfin, il évoque les projets Rules as Code et Law as Code, soutenus par l’OCDE et la DINUM (France), qui visent à représenter le droit sous une forme exécutable par des machines, tout en soulignant leurs limites pour les cas concrets.

Une entreprise est un système en constante évolution : ses effectifs changent, ses activités se développent ou se réduisent, et ses structures évoluent (acquisitions, cessions, ouvertures d’établissements). Parallèlement, les normes juridiques évoluent aussi (nouveaux textes, modifications de seuils, jurisprudence). Une conclusion juridique exacte à un moment donné peut donc devenir obsolète rapidement. Par exemple, une filiale avec 54 salariés peut être soumise à une obligation un jour et ne plus l’être le lendemain si son effectif baisse. L’article souligne que les systèmes d’IA, même avancés, peinent à suivre ces évolutions en temps réel. Il mentionne aussi les systèmes agentiques, capables de puiser des données dans les outils de l’entreprise, mais qui posent des défis supplémentaires en termes de traçabilité et de mise à jour des informations.

L’absence de données ne signifie pas qu’une règle ne s’applique pas. Par exemple, si un système d’information ne contient pas l’historique des effectifs d’une filiale, cela ne prouve pas que celle-ci est en dessous du seuil de 50 salariés. De même, une activité non enregistrée dans un système peut exister. L’article insiste sur la nécessité pour un outil d’IA juridique de distinguer trois situations : la règle s’applique, elle ne s’applique pas, ou les éléments manquent pour conclure. La troisième situation est souvent sous-estimée, alors qu’elle est cruciale pour un juriste. Il cite les travaux précités qui évoquent des chaînes de décision auditables et des mécanismes d’appréciation de l’incertitude, tout en reconnaissant leurs limites persistantes. Une réponse indiquant qu’aucune conclusion n’est possible sans données supplémentaires est souvent plus utile qu’une réponse rapide mais incertaine.