Dans un dossier contentieux complexe, le problème n’est pas seulement de « trouver un document ». Il faut comprendre ce qu’il prouve, à quelle procédure il appartient, qui l’a signé, quelles personnes il concerne, quelle règle de droit était applicable à la date pertinente et comment chaque pièce s’insère dans une argumentation qui évolue. À plusieurs centaines de fichiers, le classement manuel atteint vite ses limites. À plusieurs milliers de pages, une simple conversation avec un grand modèle de langage ne suffit plus.
La plateforme LegalAZ répond à ce problème par une combinaison de deux approches. La première est le RAG — Retrieval-Augmented Generation — qui retrouve les passages pertinents avant de demander au modèle de raisonner. La seconde reprend l’idée d’un « LLM Wiki » : au lieu de traiter chaque question comme une conversation isolée, le système entretient une représentation structurée et évolutive de l’affaire. Le RAG fournit la preuve locale ; le wiki conserve la compréhension globale.
FR — La chaîne associe extraction, analyse, recherche et mémoire structurée. EN — The pipeline combines extraction, retrieval and a persistent case memory.
Une chaîne d’ingestion qui commence par la qualité du texte
La première étape est volontairement pragmatique. Un fichier peut être un PDF natif, un scan de mauvaise qualité, un document Word, une page HTML ou un protocole issu d’un système de visioconférence judiciaire. Pour les scans et les PDF image, Mistral OCR réalise la reconnaissance primaire. Lorsque le texte est déjà exploitable, la plateforme peut éviter un OCR inutile et effectuer une extraction directe. Cette distinction réduit le coût, accélère le traitement et évite de dégrader un texte numérique de bonne qualité.
Le résultat n’est pas seulement une longue chaîne de caractères. Le système conserve les pages, les paragraphes et, lorsque le format le permet, des éléments de structure. Il calcule également une empreinte du fichier et recherche les doublons. Dans un dossier alimenté par plusieurs conseils, juridictions ou autorités, la même décision peut apparaître sous des noms différents, avec ou sans traduction. Détecter ces répétitions évite de multiplier artificiellement les preuves et de gaspiller des appels de modèles.
Analyse d’un document : OCR Mistral, métadonnées, signataires, participants, résumés, références juridiques et chunks. Capture de démonstration, données entièrement synthétiques.
Le document devient un objet juridique
Après l’OCR vient une étape d’analyse LLM distincte. Le modèle ne se contente pas de résumer. Il extrait et normalise le type de document, la juridiction, la date, la langue, le numéro de décision ou de procédure, le tribunal, les signataires, les participants, l’issue et les références normatives. Des mécanismes déterministes complètent l’analyse lorsqu’un numéro de procédure, une date ou une structure très codifiée peut être reconnu de manière plus fiable par une règle.
Deux niveaux de synthèse répondent à des usages différents. Le résumé court permet de parcourir rapidement une liste de plusieurs centaines de pièces. Le résumé étendu restitue le raisonnement, la portée probatoire, les prétentions et l’issue. Une analyse séparée identifie les bases juridiques citées. Les résultats sont versionnés : relancer l’analyse avec un nouveau modèle ou un meilleur prompt ne détruit pas silencieusement l’état précédent.
Cette métadonnée enrichie produit un bénéfice immédiat pour l’avocat. Les fichiers cessent d’être des noms opaques tels que scan-final-2.pdf. Ils deviennent, par exemple, une ordonnance d’un tribunal donné, rendue à une date donnée, dans une procédure donnée, avec une traduction française disponible. Le classement, le filtrage, la chronologie et la détection de lacunes deviennent alors des opérations naturelles.
Un RAG juridique, pas un simple moteur vectoriel
Le texte reconnu est découpé en chunks qui respectent autant que possible les paragraphes, articles et sections. Chaque fragment conserve son document d’origine, sa page, sa langue et des métadonnées structurelles. Des embeddings permettent la recherche sémantique, tandis qu’une recherche lexicale retrouve les éléments que les vecteurs diluent parfois : numéros d’affaire, noms d’institutions, dates ou formulations précises. Les deux résultats sont fusionnés et diversifiés pour éviter qu’un seul document occupe tout le contexte.
Cette approche est essentielle en matière juridique. Une réponse convaincante ne doit pas provenir de la « mémoire » générale du modèle, mais d’un ensemble identifiable de pièces et de sources. Le système attribue donc des références stables aux documents, rattache les extraits à leurs pages et produit des citations que l’utilisateur peut contrôler. Lorsqu’un bundle est attaché, l’agent réduit intelligemment le RAG général et privilégie le bordereau, le manifeste de pages et les documents inclus.
Le « wiki » de l’affaire : une mémoire qui ne se perd pas entre deux questions
Le RAG répond à la question « où se trouve l’information ? ». Il ne répond pas, à lui seul, à la question « où en sommes-nous dans cette affaire ? ». C’est le rôle de la couche LLM Wiki. Pour chaque dossier — et pour chaque document sortant ou bundle — la plateforme conserve une vue structurée : participants, procédures, chronologie, objectifs, exigences, décisions de travail, stratégie, questions ouvertes, retours de l’avocat et éléments à vérifier.
Cette mémoire change la nature de l’assistance. L’agent peut comprendre qu’une pièce a été exclue pour une raison précise, qu’un argument doit être étayé avant la prochaine version ou qu’une question demeure non résolue. Il ne repart pas de zéro à chaque nouveau chat. Les notes d’avocat et mémorandums sont traités comme une couche d’analyse, non comme des preuves : leurs affirmations doivent être validées contre les documents primaires. Cette séparation est une protection méthodologique importante.
Le wiki relie chronologie, participants, sources et analyse temporelle du droit. Capture de démonstration, données entièrement synthétiques.
Une base légale temporelle et augmentée par l’avocat
Une règle de droit n’est pas un texte immobile. Pour apprécier un acte de 2019, la version actuelle d’un code peut être trompeuse. La base de connaissances distingue lois, règlements, jurisprudence et guides procéduraux. Elle peut mettre en cache la version officielle d’un texte à une date déterminée et construire un historique juridique temporel pertinent pour l’affaire.
À ce corpus s’ajoute l’analyse du cabinet : mémos, recherches, stratégie et terminologie validée. La plateforme ne mélange pas ces couches. Le texte officiel reste une source ; l’analyse est un produit intellectuel à confirmer ; la pièce du dossier reste une preuve. Le modèle reçoit ainsi un contexte riche sans effacer la hiérarchie des autorités.
De l’analyse à la requête et au bundle CEDH
La finalité n’est pas une belle réponse dans une fenêtre de chat. Le système est conçu pour produire des livrables : projets de requête, mémorandums, traductions, listes de pièces et bundles destinés à la Cour européenne des droits de l’homme. Les documents sortants utilisent un contenu Markdown comme source de vérité, avec un historique de versions, des notes de modification et une vue comparative.
Le bundle est un objet structuré, pas une simple fusion de PDF. Il contient des groupes, des documents, des fragments, un ordre, des descriptions multilingues et un objectif probatoire. Lors de l’assemblage, la plateforme génère une page de garde, une table des matières, une pagination continue, des plages de pages et un manifeste reliant chaque page du bundle à la page du document source. Après une nouvelle génération, les références peuvent être recalculées.
Le système a déjà traité environ 20 000 pages et préparé plusieurs bundles, dont le plus important dépasse 1 900 pages. Le dossier le plus volumineux réunit plus de 2 000 documents, longs de 1 à 600 pages, en trois langues. Ces volumes ne prouvent pas, à eux seuls, la qualité juridique ; ils démontrent en revanche que l’architecture supporte une charge que l’on ne peut raisonnablement traiter par copier-coller. Le contrôle humain demeure décisif pour la sélection des pièces, la qualification des violations, l’épuisement des voies de recours et la formulation finale.
La structure, la pagination continue et le manifeste relient chaque page du bundle à sa source. Capture de démonstration, données entièrement synthétiques.
Confidentialité, secret professionnel et anonymisation
Une telle plateforme manipule des données particulièrement sensibles. Le principe d’architecture est donc celui de la séparation : données par affaire, stockage objet distinct, droits d’accès, journal d’audit, versions et traçabilité des traitements. Les analyses d’avocat sont identifiées comme telles et ne deviennent pas automatiquement des preuves. Le déploiement peut en outre imposer chiffrement, rétention limitée, localisation choisie, modèles privés ou locaux et absence d’apprentissage sur les données du cabinet.
Il faut toutefois être exact sur l’état actuel : l’anonymisation automatique n’est pas activée dans cette version de test, car elle ne faisait pas partie du cahier des charges initial. Les captures publiques doivent donc être relues et masquées manuellement. Un module de production peut ajouter détection d’entités, pseudonymisation cohérente, table de correspondance chiffrée, profils d’export et contrôle « quatre yeux ». L’enjeu n’est pas seulement de cacher un nom : il faut traiter signatures, numéros, métadonnées, visages, adresses et recoupements possibles tout en conservant la cohérence juridique du dossier.
Un outil d’augmentation, pas un juge automatique
La force de cette architecture vient de la complémentarité de ses couches. Mistral OCR rend les pièces lisibles. L’analyse LLM transforme les fichiers en objets juridiques. Le RAG retrouve les passages vérifiables. Le wiki conserve la compréhension de l’affaire. La base temporelle replace le droit à la bonne date. Enfin, le moteur de production transforme cette matière en requêtes et bundles versionnés.
Le résultat est un environnement de travail plus rapide, mais surtout plus explicable. Chaque étape laisse des traces, chaque citation peut revenir à une page et chaque décision éditoriale peut être discutée. C’est cette combinaison — intelligence générative, mémoire structurée et discipline documentaire — qui permet de passer d’un répertoire de fichiers à un dossier vivant, sans retirer à l’avocat la responsabilité de l’analyse et de la décision.
AI7 conçoit ce type de système documentaire spécialisé à partir du corpus, du niveau de preuve attendu et des contraintes de confidentialité. Si votre équipe travaille avec des dossiers trop volumineux pour les outils généralistes, vous pouvez décrire le cas d’usage.