Questions juridiques internes : comment l'IA peut y répondre sans se substituer au juriste

Le vrai problème : des questions juridiques qui n'arrivent jamais au service juridique

Une équipe juridique de trois personnes dans une entreprise de 400 salariés ne traite pas seulement des contentieux. Elle répond à un flux continu de questions opérationnelles : un commercial veut savoir si la clause de non-concurrence du contrat cadre est négociable, les achats demandent si la pénalité de retard de 5 % par semaine est acceptable, une responsable RH veut vérifier ce que prévoit l'accord d'entreprise sur le télétravail avant d'annoncer quoi que ce soit à une équipe. Ces questions arrivent par e-mail, par messagerie instantanée, en réunion, et souvent à la sortie de l'ascenseur.

Le coût n'est pas visible dans un budget. Il apparaît sous trois formes : des réponses différentes données à deux commerciaux pour la même clause, un juriste senior qui passe deux heures par jour à reformuler ce qui existe déjà dans une note interne de 2023, et un risque réel lorsqu'une réponse improvisée devient un engagement contractuel. Tant que le service juridique répond au cas par cas, il n'y a ni capitalisation, ni traçabilité, ni moyen de savoir quelles questions reviennent le plus souvent.

Un dispositif d'IA bien conçu ne remplace pas cette équipe. Il crée un point d'entrée unique où les questions reçoivent une première réponse construite à partir des documents validés par l'entreprise, avec la source affichée, et où tout ce qui dépasse le périmètre documenté est automatiquement transmis à un juriste.

La base de connaissances compte plus que le modèle

La qualité d'une réponse juridique interne dépend d'abord de ce que l'IA a sous les yeux. Les sources utiles sont souvent dispersées : politiques internes, conventions collectives et accords d'entreprise, conditions générales de vente et d'achat, contrats types, playbooks de négociation, mémos de position rédigés par l'équipe juridique, registre des délégations de pouvoirs, notes de jurisprudence interne. Un modèle performant sur des textes génériques ne produira rien d'utile si l'accord d'entreprise applicable n'a jamais été indexé dans sa version en vigueur.

Le point critique est la gouvernance documentaire, pas la technologie. Chaque source doit avoir un propriétaire identifié, une date d'entrée en vigueur, un statut (en vigueur, remplacé, projet) et un cycle de révision. Un fichier nommé « politique_achats_v3_final_final.docx » sans date est le principal risque du projet : l'IA le lira avec la même confiance qu'un texte validé et produira une réponse fausse avec une assurance parfaite. Avant de brancher le modèle, il faut donc décider quels documents sont admissibles, et surtout lesquels sont exclus tant qu'ils n'ont pas été revalidés.

Quelques critères d'admission, simples à appliquer :

Le document est signé ou validé par le responsable juridique ou un propriétaire désigné. / Sa date d'entrée en vigueur et sa version sont explicites dans le fichier lui-même. / Il ne contient pas de projet de négociation en cours avec un client identifié. / Son niveau de confidentialité est renseigné, pour piloter les droits d'accès. / Il est révisé à intervalle défini, avec une alerte en cas de dépassement.

Comment se construit une réponse sourcée, et pourquoi la citation n'est pas décorative

Le fonctionnement est moins mystérieux qu'il n'y paraît. Les documents validés sont découpés en passages cohérents, indexés, puis associés sémantiquement à la question posée. Le modèle ne rédige pas à partir de sa mémoire générale : il compose une réponse à partir des passages retrouvés, et il doit citer le document, la section et la date de la version utilisée. Cette citation n'est pas un ornement de mise en page — c'est le mécanisme de contrôle qui permet à l'utilisateur de vérifier en moins d'une minute si la réponse correspond bien à sa situation.

Deux propriétés font la différence entre un outil crédible et un gadget. D'abord le filtrage par les droits d'accès au moment de la recherche, et non seulement à l'affichage : un contrat client confidentiel ne doit pas pouvoir apparaître dans une réponse destinée à un autre service, même sous forme de fragment. Ensuite la capacité de refus. Lorsqu'aucun document interne ne couvre la question, l'IA doit dire clairement qu'elle ne trouve pas de source interne et proposer l'escalade, plutôt que de combler le vide avec une réponse plausible mais non fondée.

Un troisième élément compte dans la pratique : la restitution du contexte. Une clause de pénalité ne se lit pas sans le plafond global d'un contrat, et une règle de télétravail ne se comprend pas sans la convention collective applicable. Un système utile affiche les passages liés, signale les éventuelles contradictions entre deux documents internes et indique lequel prime — au lieu de fusionner silencieusement des textes incompatibles en une réponse unique et fausse.

Les frontières : les questions que l'IA ne doit pas trancher

Il existe une différence nette entre informer sur une règle interne documentée et donner un avis juridique. La première opération consiste à restituer un texte validé et à le situer dans son contexte : « l'accord d'entreprise du 12 mars prévoit trois jours de télétravail par semaine pour les fonctions éligibles ». La seconde engage l'entreprise : qualifier une situation, arbitrer entre deux interprétations, décider d'une position en contentieux. C'est cette seconde catégorie qui doit rester hors du périmètre du libre-service.

Les cas à router systématiquement vers un juriste ne sont pas difficiles à formaliser, et ils gagnent à être écrits noir sur blanc dans une politique d'usage plutôt que laissés à l'appréciation de chacun :

Qualification d'un cas individuel sensible (harcèlement, rupture, sanction, situation de handicap). / Interprétation d'une clause ambiguë ou contradiction entre deux contrats. / Toute situation où la réponse pourrait devenir un engagement opposable à un client ou à un salarié. / Questions impliquant des données personnelles de salariés ou de clients identifiables. / Droit étranger ou réglementation récente absente de la base documentaire.

Un point souvent négligé : ces frontières bougent. Une question d'abord traitée en escalade devient, une fois la position rédigée par le juriste, une fiche de connaissance réutilisable par le libre-service. Le dispositif doit donc prévoir ce chemin de retour, sinon la base se fige et l'IA finit par ne plus couvrir les questions réellement posées.

Le circuit d'escalade : du libre-service au juriste, en trois niveaux

Un fonctionnement à trois niveaux évite les deux écueils : un chatbot qui répond à tout et un système qui renvoie tout vers le juriste, auquel cas le problème de départ reste intact. Au niveau 1, l'employé pose sa question dans ses propres termes et reçoit une réponse sourcée, avec les documents cités et la date de version. Au niveau 2, la question est transmise à un juriste avec tout le contexte déjà rassemblé : documents pertinents, réponse proposée, historique de la conversation. Au niveau 3, le juriste rend un avis, et sa réponse documentée alimente la base pour les questions similaires suivantes.

Le niveau 2 est celui qui produit le gain de temps réel, parce qu'un juriste n'a plus à reconstituer le contexte depuis zéro. Un signal utile à surveiller : la proportion de questions escaladées qui se révèlent en fait couvertes par un document existant. Si elle est élevée, c'est souvent un problème de formulation des questions ou d'indexation, pas un manque de connaissances juridiques.

Une séquence de démarrage en quatre semaines, réaliste pour une première équipe :

Semaine 1 — lister les 30 questions les plus fréquentes du service juridique et identifier le document de référence de chacune. / Semaine 2 — valider ou réécrire ces documents, fixer propriétaire, date et niveau de confidentialité. / Semaine 3 — connecter les sources et tester sur des cas réels, y compris des cas où la réponse attendue est « pas de source interne ». / Semaine 4 — ouvrir à un seul service (les achats ou les ventes), avec une règle d'escalade explicite et un retour hebdomadaire des juristes.

C'est le type de configuration que permet un espace de travail comme celui de Pilardin, où la recherche documentaire, les connecteurs vers les systèmes existants et les modules spécialisés cohabitent : la base juridique interne peut être interrogée seule, puis reliée plus tard au référentiel de contrats ou aux processus achats. Une équipe qui veut tester ce montage sur un périmètre restreint peut démarrer par /signup et n'ouvrir que les documents validés du pilote.

Gouvernance, données et mesure : ce qui fait tenir le dispositif dans le temps

Les premières semaines sont faciles ; ce sont les six mois suivants qui déterminent la valeur. Trois sujets reviennent systématiquement en revue avec les directions juridiques. Le premier est la résidence et la confidentialité des données : selon les sites concernés, l'hébergement sur site ou dans une zone géographique déterminée n'est pas négociable, notamment pour les contrats clients, les dossiers du personnel et les documents de contentieux. La question à poser au fournisseur n'est pas « où sont stockées les données » mais « quelles données sont envoyées au modèle, et sous quel régime de rétention ».

Le deuxième sujet est le journal d'audit : qui a posé la question, à quelle date, quelle version de document a servi de source, quelle réponse a été produite, et vers quel juriste la question a été escaladée. Ce journal sert autant à la conformité qu'à l'amélioration continue, car il révèle les zones documentaires vides. Le troisième est le coût d'intégration lui-même : connecter une GED, un SharePoint ou un ERP demande plus d'efforts qu'on ne l'imagine, et il vaut mieux commencer par deux sources bien maîtrisées que par dix sources partiellement connectées.

Côté mesure, les indicateurs utiles sont peu nombreux. La part de questions résolues sans escalade, le délai médian de première réponse, le taux de réponses accompagnées d'une source en vigueur, et le nombre de fiches de connaissance créées à partir d'escalades. Un indicateur à éviter : le volume de questions posées, qui récompense l'usage intensif sans dire si les réponses sont justes. Enfin, la conduite du changement ne se limite pas à former les juristes : ce sont les commerciaux, les acheteurs et les équipes RH qui doivent savoir ce que l'outil peut traiter, et ce qu'il faut continuer à envoyer directement au service juridique.

Le point de départ le plus honnête reste un pilote chiffré : un périmètre, deux sources documentaires, un service utilisateur, quatre semaines. Les formules et le cadrage disponibles sur /pricing permettent de dimensionner ce pilote avant d'envisager une ouverture à toute l'entreprise.

Ce qu'il faut retenir au final : l'IA ne devient pas un juriste interne. Elle devient une mémoire juridique interrogeable, à condition que quelqu'un possède les documents, que les réponses citent leurs sources, que l'outil sache dire « je ne sais pas » et que les cas sensibles rejoignent un humain identifié. Ces quatre conditions sont organisationnelles autant que techniques — et c'est précisément pour cela qu'elles tiennent dans la durée.

FAQ

Peut-on laisser un salarié interroger l'IA sur sa situation personnelle (congés, arrêt, sanction) ?

Oui pour la partie documentaire : l'IA peut restituer ce que prévoient l'accord d'entreprise et la convention collective, avec la source. Non pour la qualification du cas individuel, qui doit être traitée par un juriste ou un responsable RH identifié. La règle à écrire est simple : l'IA explique la règle, l'humain applique la règle à une personne.

Quelle différence entre un chatbot généraliste et une IA branchée sur nos documents ?

Un chatbot généraliste répond à partir de connaissances publiques, sans accès à vos accords d'entreprise, à vos contrats types ni à vos positions internes, et sans citer de source vérifiable. Une IA branchée sur vos documents retrouve les passages pertinents et les cite, ce qui rend la réponse contrôlable. C'est la différence entre un avis général et une réponse située dans le contexte de l'entreprise.

Comment éviter que l'IA invente une réponse ?

Par trois moyens combinés : restreindre la génération aux passages retrouvés, exiger l'affichage de la source et de sa date de version, et traiter le refus comme une fonctionnalité normale. Les tests de recette doivent inclure des questions volontairement hors périmètre : si l'outil produit une réponse assurée alors qu'aucun document ne la couvre, le dispositif n'est pas prêt.

Faut-il donner accès à tous les contrats clients pour répondre correctement ?

Pas nécessairement, et rarement en une seule fois. Il est plus sain de commencer par les contrats types et les conditions générales, qui couvrent la majorité des questions, puis d'ouvrir des périmètres par service avec un filtrage des droits d'accès à la recherche. Un commercial n'a pas besoin de voir les contrats d'un autre secteur pour obtenir une réponse juste sur sa clause de pénalité.

Combien de temps faut-il prévoir avant un premier résultat utile ?

Un pilote restreint — un service, deux sources documentaires validées, une politique d'escalade claire — peut produire des réponses utilisables en quelques semaines. Ce qui prend plus de temps, c'est la mise à jour des documents et l'adoption par les équipes opérationnelles. Mieux vaut un périmètre étroit avec des sources propres qu'un déploiement large sur des documents non versionnés.