Il s'agit du deuxième article de notre série consacrée à l'adoption de l'IA. Lisez le premier, intitulé « Pourquoi l'adoption de l'IA dans le secteur juridique s'enlise avant même d'avoir commencé », pour découvrir comment les organisations passent d'expérimentations dispersées en matière d'IA à une approche structurée.

Une meilleure façon d'identifier les problèmes juridiques qui méritent d'être résolus grâce à l'IA

Demandez à un groupe d'avocats, de spécialistes des technologies juridiques, de consultants ou de fournisseurs de vous citer des cas d'utilisation de l'IA, et vous ne manquerez certainement pas d'idées.

Révision de contrats. Résumés d'affaires. Recherche juridique. Rédaction. Due diligence. Recherche documentaire. Vérification de la facturation. Chronologies. Prise en charge des clients. Un outil d'IA pourrait en générer 50 autres avant même la fin de la réunion.

Le plus difficile n'est plus de trouver des choses que l'IA pourrait faire, mais de déterminer quels problèmes méritent réellement d'être résolus.

Les cas d'utilisation restent importants. Ils montrent ce qui est possible, suscitent des idées et aident les organisations à tirer des enseignements de ce que font les autres. L'erreur serait de considérer cette liste comme une source de découverte.

Commencez par vous demander « Où pouvons-nous utiliser l'IA ? » : presque tous les processus manuels peuvent alors devenir une opportunité pour l'IA. Identifiez les tâches qui créent des frictions, prennent du temps ou rendent des informations importantes inaccessibles, et la donne s'en trouve changée.

Commencez par identifier les tâches que les collaborateurs ne devraient plus avoir à accomplir. Recherchez ensuite les informations, les risques, les connaissances ou les relations que l'organisation devrait pouvoir appréhender, mais qu'elle ne peut raisonnablement pas cerner à l'heure actuelle. Demandez-vous ensuite de quel contexte, de quels droits d'accès et de quelles compétences une solution a besoin.

C'est un exercice bien plus difficile que la création de cas d'utilisation, et il a plus de chances de déboucher sur un projet qui vaut la peine d'être réalisé.

Commencez par le travail qui devrait disparaître

Certaines des meilleures opportunités se cachent dans des tâches que les gens ne remarquent plus. On s'en rend compte quand quelqu'un :

• Effectue des recherches dans plusieurs systèmes, car ils ne savent pas où se trouvent les informations
• Demande à un collègue quelque chose qui, techniquement, existe déjà ailleurs
• Copie des informations d'un système vers un autre
• Vérifie deux sources, car aucune des deux n'est totalement fiable
• Recrée un document, car retrouver l'original prendrait trop de temps
• Tient à jour un tableur personnel, car le système officiel ne propose pas la vue dont il a besoin

Aucune de ces activités ne semble particulièrement importante en soi. C'est en partie pour cette raison qu'elles perdurent.

Repérez les comportements récurrents : chercher, se déplacer, vérifier, se rassurer, refaire, demander, courir après. Puis demandez-vous pourquoi cette personne ressent le besoin de les adopter.

Si un avocat a régulièrement du mal à retrouver ses travaux antérieurs, la solution pourrait résider dans l’amélioration des méthodes de recherche, des métadonnées, des pratiques de classement ou de la gestion des connaissances. Si le personnel doit sans cesse ressaisir les mêmes informations, il suffit peut-être simplement que deux systèmes échangent leurs données. Si une personne rassemble manuellement des informations provenant de plusieurs sources parce que leur compréhension nécessite une comparaison, une synthèse ou un jugement, l’IA peut jouer un rôle important.

La question pertinente n'est pas « L'IA est-elle capable de faire cela ? », mais « Pourquoi faut-il que quelqu'un fasse cela, au fond ? »

Soyez prêt à admettre que l'IA n'est pas la bonne solution

Un bon processus de découverte de l'IA doit permettre non seulement de créer des cas d'utilisation, mais aussi d'en éliminer certains. Certains problèmes se résolvent mieux par la configuration. D'autres nécessitent une automatisation, une intégration, une refonte des processus, une meilleure formation ou le recours à des technologies dont l'organisation dispose déjà.

Prenons l'exemple d'un service juridique qui rassemble manuellement des informations provenant de plusieurs systèmes pour établir un rapport d'avancement régulier. Cela semble être une opportunité évidente pour l'IA.

C'est peut-être le cas.

Mais si le travail consiste principalement à regrouper des données structurées en un seul endroit, l'intégration ou la création de rapports pourraient apporter une solution plus fiable. En revanche, si quelqu'un doit lire des mises à jour sous forme narrative, résoudre des informations contradictoires, identifier ce qui a changé et expliquer ce qui est important, l'IA peut apporter une valeur ajoutée différente.

Cette distinction semble simple. Dans la pratique, on a tendance à la négliger, car dès qu'une organisation se lance dans une initiative d'IA, elle subit une pression pour trouver des projets liés à l'IA.

C'est l'inverse.

C'est le problème qui devrait justifier la technologie.

Tenez compte des limites qui existent déjà

Il existe un autre indicateur utile pour évaluer une opportunité : à partir de quel moment l'organisation commence-t-elle à se sentir mal à l'aise ?

De nombreux cabinets d'avocats sont déjà plus à l'aise avec certaines activités liées à l'IA qu'avec d'autres, même s'ils n'ont jamais vraiment expliqué pourquoi. Résumer un document qu'un avocat a déjà ouvert ne donne pas la même impression que d'effectuer une recherche parmi des milliers de dossiers. Rédiger un projet interne ne donne pas la même impression que de communiquer avec un client. Suggérer une prochaine étape ne donne pas la même impression que de la mettre en œuvre. Lire des informations provenant d'un système ne donne pas la même impression que de modifier ces informations.

Ces différences sont révélatrices. Les préoccupations peuvent porter sur la sensibilité des informations, le public visé, les conséquences d'une erreur, la possibilité de comprendre ce qui s'est passé a posteriori, la possibilité d'annuler une action ou encore le degré d'autonomie accordé par l'organisation.

Ce ne sont pas là des raisons de cesser d'intégrer l'IA au travail juridique. Ce sont des éléments à prendre en compte dans la conception.

Du contexte aux conséquences

Le contexte crée de la valeur. L'accès crée des capacités. L'autorité crée des conséquences. Cette distinction prend tout son sens à mesure que l'IA juridique dépasse le stade d'un simple outil qui attend qu'on lui donne une consigne.

Le protocole MCP (Model Context Protocol), les API, les intégrations et les systèmes agentiques peuvent permettre à l'IA d'exploiter les informations présentes dans l'ensemble de l'environnement des technologies juridiques et, de plus en plus, d'en tirer parti.

Le contexte prime. De quoi l’IA a-t-elle besoin pour comprendre correctement le travail ? Un contrat dépourvu des exigences du client, un document sans contexte, ou un élément isolé d’un travail sans historique peuvent être mis à la disposition du système tout en restant insuffisants pour qu’il puisse s’en servir utilement.

Vient ensuite la question de l'accès. À quels systèmes et sources d'informations la solution doit-elle réellement avoir accès ? La connectivité permet d'éliminer une grande partie du travail manuel superflu. Un avocat ne devrait pas avoir à télécharger à plusieurs reprises des informations soumises à des règles de gouvernance, à les transférer dans une autre application, à effectuer son travail, puis à reconstituer le contexte, simplement parce que les systèmes ne sont pas interconnectés.

Demandez-vous ce qu'exige le cas d'utilisation.

L'autorité, c'est encore autre chose. Récupérer des informations n'est pas la même chose que modifier un enregistrement. Recommander une action n'est pas la même chose que l'exécuter. Rédiger un message n'est pas la même chose que l'envoyer. À mesure que les flux de travail basés sur l'IA acquièrent davantage de capacités d'action, la vérification humaine, la surveillance et la possibilité d'annuler une action prennent de plus en plus d'importance.

Donnez à la solution le contexte dont elle a besoin, les droits d'accès nécessaires à l'exécution de sa tâche et les pouvoirs adaptés aux conséquences.

Deuxième piste de découverte : que devrions-nous pouvoir voir ?

Supprimer les tâches superflues ne représente que la moitié du potentiel.

L'autre moitié est plus difficile à repérer, car personne n'effectue la tâche manquante. L'information n'est tout simplement pas visible.

Les cabinets d'avocats accumulent d'énormes quantités d'informations issues de dossiers, de contrats, de correspondance, de documents de travail, de négociations, de conseils et d'échanges avec les clients. Pourtant, les décisions importantes ne reposent toujours que sur la partie de ces informations qu'une personne parvient à trouver ou dont elle connaît l'existence par hasard.

Un avocat peut se souvenir que le cabinet a traité un dossier similaire il y a plusieurs années, sans pour autant savoir de quel dossier il s'agissait ni qui s'en était chargé. Une équipe juridique d'entreprise a peut-être négocié la même clause des centaines de fois, mais ne dispose d'aucun moyen concret de dégager des tendances à partir de ces négociations. Un responsable de pratique peut savoir que le cabinet possède une grande expérience dans un domaine émergent, sans pour autant être en mesure d'identifier rapidement les dossiers, les personnes et les travaux qui en témoignent.

Il ne s'agit pas là de processus inefficaces au sens habituel du terme. Personne n'a nécessairement besoin d'un bouton plus rapide. Le problème réside dans une vision incomplète.

Quelles informations l'organisation devrait-elle pouvoir obtenir qu'elle ne peut raisonnablement pas obtenir aujourd'hui ?

L'IA peut aider à mettre en évidence des relations, des tendances, des connaissances ou des risques qu'il serait difficile pour une personne d'identifier dans un vaste ensemble d'informations. Son intérêt réside dans le fait qu'elle offre une meilleure vision de la situation à la personne chargée de prendre la décision.

À quoi peut ressembler une meilleure visibilité ?

La sécurité en est un exemple. Les systèmes de sécurité existants définissent et contrôlent les accès, surveillent l'activité et appliquent les contrôles mis en place. L'IA ne devrait pas se substituer à ces fonctions.

Mais imaginez une situation où la politique autorise techniquement une action, mais où les circonstances qui l'entourent restent inhabituelles. La question ne sera peut-être plus simplement : « Était-ce autorisé ? », mais plutôt : « Le contexte est-il suffisamment particulier pour qu'on y jette un œil de plus près ? »

Cela pourrait constituer un problème de visibilité utile, traité à l'aide de l'IA, la décision en matière de sécurité revenant à une personne.

L'intelligence relationnelle en est un autre exemple. Les cabinets d'avocats disposent déjà de technologies de CRM et d'intelligence relationnelle. Appeler cela « CRM IA » n'apporte rien de nouveau.

La question la plus intéressante est de savoir ce que l'organisation sait et que le dossier structuré ne révèle pas. L'historique du dossier, la correspondance, les travaux antérieurs et d'autres éléments institutionnels peuvent mettre en lumière une expérience, une expertise ou des relations difficiles à cerner à partir des seules données de contact.

L'IA juridique génère également des informations

C'est cet aspect de la conception de l'IA qui, selon moi, mérite qu'on s'y intéresse davantage.

Nous passons beaucoup de temps à réfléchir aux informations que l'IA utilise. Nous passons beaucoup moins de temps à nous demander ce qu'il advient de ce que l'IA crée.

Imaginons qu’un processus de travail basé sur l’IA génère une chronologie utile du dossier, une analyse d’une négociation, un briefing client ou un résumé des travaux antérieurs. Où ces documents sont-ils stockés ? Un autre avocat pourra-t-il les retrouver six mois plus tard ? Restent-ils associés au dossier et aux documents sources sur lesquels ils s’appuient ?

Quelqu'un peut-il préciser ce qui a été généré par l'IA, ce qui a été révisé par une personne et ce qui a constitué le produit final ? Ce résultat fait-il partie du savoir institutionnel de l'organisation, ou disparaît-il dans l'espace de travail individuel dédié à l'IA ?

Les flux de travail basés sur l'IA deviennent une source supplémentaire de résultats concrets. La suite donnée à ces résultats doit être prise en compte dès la conception des cas d'utilisation.

Le système de gestion documentaire (DMS) joue ici un rôle important, car les équipes juridiques l’utilisent déjà pour relier le travail à un dossier et conserver le contexte dans lequel ce travail s’inscrit. Les résultats pertinents générés par l’IA soulèvent la même question : comment rester en lien avec le travail juridique dont ils sont issus ?

Sinon, une organisation peut utiliser l'IA avec succès pour extraire des connaissances de son contenu institutionnel, tout en créant un nouveau corpus que personne d'autre ne peut trouver ou réutiliser de manière fiable.

Il ne faut pas créer un nouveau problème de gestion de l'information pour résoudre un problème lié à l'IA.

Changer le cours de la conversation de découverte

Les listes de cas d'utilisation sont utiles. Il suffit de s'en servir plus tard.

La conversation de découverte peut se résumer à trois questions :

• Quelles tâches devraient disparaître ? Intéressez-vous aux activités consistant à rechercher, déplacer, vérifier, rapprocher, recréer, demander et courir après, que les gens ont appris à accepter comme faisant partie intégrante de leur travail.
• Que devrions-nous pouvoir observer que nous ne pouvons pas observer aujourd'hui ? Il s'agit de repérer les décisions que les individus prennent sans disposer des connaissances, des schémas, des risques, des relations ou du contexte dont dispose déjà l'organisation.
• De quel contexte, de quelles autorisations d'accès et de quelles prérogatives la solution a-t-elle réellement besoin ? Déterminez ce que le système doit comprendre, à quelles données il doit pouvoir accéder et quelles actions il est autorisé à effectuer.

Pour mettre ces questions en pratique, utilisez la fiche de travail « Découverte des opportunités d'IA » pour identifier les opportunités potentielles, comprendre les sources de friction et déterminer si l'IA constitue réellement la solution appropriée.

Parfois, ce sera le cas. Parfois, une solution plus simple sera préférable. Les deux réponses sont utiles, car l'objectif de cette phase d'exploration n'est pas de multiplier les projets d'IA, mais d'identifier les problèmes qui méritent d'être résolus.

Cela répond à une question : avons-nous identifié le bon problème ?

Vient ensuite la question suivante : est-ce que résoudre ce problème de cette manière vaut vraiment l'investissement ?

Dans le prochain article, nous verrons comment mener une analyse de la valeur de l'IA afin de répondre à cette question avant de passer d'une idée prometteuse à un investissement dans l'IA.