IA & Droit - FAQ
FAQ
Cette partie répond aux questions les plus fréquentes posées par les juristes qui se forment à l'IA appliquée au droit. Les réponses sont volontairement concises et directes. Pour chaque question, un renvoi est proposé vers le chapitre concerné du livre quand un approfondissement est utile.
Choix d'outils (5 questions)
Q1 - Quel LLM choisir pour un usage juridique professionnel ?
Aucun LLM n'est parfait pour tous les usages. En 2026, quatre solutions sont régulièrement citées : ChatGPT (OpenAI), Claude (Anthropic), Mistral (français) et Gemini (Google). Chacune a ses forces. Claude est souvent jugé excellent en rédaction et en raisonnement structuré. ChatGPT est largement diffusé et dispose de l'écosystème le plus mûr (Custom GPTs, Projects). Mistral est privilégié pour la souveraineté européenne. Gemini est intégré dans Google Workspace et bénéficie de cette intégration.
La recommandation pratique : choisir un LLM principal et le maîtriser en profondeur, puis tester ponctuellement les autres pour identifier leurs forces respectives. Selon l'étude OpinionWay/Lamy Liaisons publiée en janvier 2026, ChatGPT domine en parts de marché chez les avocats et juristes français. Cela ne signifie pas qu'il est nécessairement le meilleur, mais qu'il dispose de l'écosystème et des ressources de formation les plus accessibles. Voir chapitre 1 du livre.
Q2 - Faut-il privilégier un LLM généraliste ou une legaltech spécialisée ?
Les 2 ont leur place. Un LLM généraliste est polyvalent, accessible, peu coûteux et permet une grande latitude d'usage. Une legaltech spécialisée (Doctrine, Predictice, Lexis Plus, Dalloz IA, etc.) est calibrée pour le juridique, intègre des bases de données vérifiées, et présente moins de risques d'hallucinations sur les références jurisprudentielles.
La combinaison gagnante en 2026 : un LLM généraliste pour la rédaction, l'analyse et la synthèse, complété par une legaltech pour la recherche jurisprudentielle vérifiée. Voir chapitres 1 et 6 du livre.
Q3 - Comment choisir entre version gratuite et version professionnelle ?
Sans hésitation : pour un usage professionnel, opter pour une version professionnelle.
3 raisons.
Première raison, les conditions générales d'utilisation sont différentes : les versions professionnelles offrent des garanties contractuelles compatibles avec le secret professionnel (non réutilisation des données pour l'entraînement, garanties de confidentialité).
Deuxième raison, les capacités sont supérieures (modèles plus performants, fenêtres de contexte plus larges, fonctionnalités avancées comme les bases documentaires).
Troisième raison, les coûts restent raisonnables : entre 20 et 30 € mensuels pour les versions individuelles, ce qui se compare favorablement à n'importe quel outil professionnel.
Q4 - Quel matériel acquérir pour démarrer ?
Pour un démarrage par les LLM en ligne, aucun investissement matériel particulier n'est nécessaire : un ordinateur récent suffit. Pour aller vers une architecture dual UC (chapitre 12 du livre, projet 3 du présent compagnon), prévoir un budget compris entre 1500 et 5000 € selon la configuration choisie.
Le tableau 12.1 du livre détaille les trois configurations possibles.
Q5 - Comment choisir entre solutions cloud et solutions "on premise" ?
Les solutions cloud sont plus simples à mettre en place, plus économiques au démarrage, et permettent un usage immédiat. Les solutions "on premise" (LLM en local, dual UC) offrent un meilleur contrôle des données et répondent plus fortement aux exigences déontologiques de confidentialité, mais supposent une infrastructure matérielle et des compétences techniques.
La recommandation pratique : pour les usages courants ne portant pas sur des données sensibles, le cloud est suffisant. Pour le traitement de données couvertes par le secret professionnel, l'architecture dual UC ou un déploiement on-premise est fortement recommandé. Voir chapitre 12 du livre.
Coût et budget (4 questions)
Q6 - Quel budget total prévoir pour démarrer une démarche IA en cabinet ?
Pour un cabinet individuel ou de petite taille, le budget de démarrage minimal est de l'ordre de 500 euros par an : abonnement à un LLM professionnel (300 €), formation initiale (gratuite via Skilia pour les avocats), temps de formation auto-imputé.
Pour aller vers une démarche structurée incluant une architecture dual UC, prévoir un investissement initial de 2000 à 5000 € (matériel) plus 500 à 1000 € annuels (abonnements, maintenance, formation continue).
Pour des structures plus grandes, les budgets augmentent en fonction du nombre d'utilisateurs et de la sophistication des usages.
Q7 - La formation continue représente quel coût annuel ?
Pour les avocats, l'essentiel des ressources institutionnelles est gratuit : Skilia jusqu'au 31 décembre 2027, guides du CNB, ressources d'autoformation.
Pour les autres professions, les ressources institutionnelles sont également majoritairement gratuites ou peu coûteuses.
Le coût principal de la formation continue est le temps : compter entre 130 et 150 heures annuelles pour une formation soutenue (chapitre 16, encadré sur la routine 30 minutes par jour).
En budget direct, comptez moins de 500 euros annuels pour des ressources complémentaires (livres techniques, conférences ponctuelles).
Q8 - L'investissement en IA est-il rentable ?
Les gains de productivité documentés sont importants. L'étude Microsoft Office of the Chief Economist sur Microsoft 365 Copilot montre une réduction de 32% du temps sur les tâches juridiques courantes et une amélioration de 20% de la précision.
ContractMatrix chez A et O Shearman fait gagner jusqu'à 7 heures par contrat (gain d'environ 30%). Kivia chez les notaires fait gagner 21 minutes par dossier.
Ces gains se traduisent par une amélioration mesurable de la productivité, qui amortit largement les investissements en quelques mois pour les structures qui font une démarche structurée. Voir chapitre 1 du livre.
Q9 - Comment justifier l'investissement à mes associés ou à ma direction ?
3 axes argumentent l'investissement.
Premier axe, la productivité directe (chiffres ci-dessus).
Deuxième axe, la prévention du risque déontologique : le coût d'une procédure disciplinaire et de ses conséquences (suspension, atteinte à la réputation) dépasse de très loin l'investissement préventif.
Troisième axe, le positionnement concurrentiel : les structures équipées et formées creusent un écart durable avec les autres, et ce phénomène s'accentue (chapitre 15 du livre).
Pour les directions juridiques d'entreprise, ajouter le quatrième axe de la conformité au règlement IA en cours de déploiement.
Confidentialité et secret professionnel (5 questions)
Q10 - Puis-je soumettre un dossier client identifiant à un LLM grand public ?
Non, sauf à utiliser une version professionnelle dont les conditions générales d'utilisation sont compatibles avec le secret professionnel.
Les versions grand public (ChatGPT gratuit, Claude gratuit, etc.) prévoient typiquement la possibilité d'utiliser les données soumises pour l'amélioration des modèles, ce qui est incompatible avec le secret professionnel.
Les versions professionnelles (ChatGPT Team, Claude Pro, Mistral Pro) offrent généralement des garanties de non-réutilisation, ce qui change la donne. Voir chapitres 12 et 14 du livre.
Q11 - Comment articuler IA et secret professionnel dans un dossier sensible ?
3 mesures structurantes.
Première mesure, anonymiser les données avant soumission : remplacer les noms par M. X, Mme Y, supprimer les références identifiantes.
Deuxième mesure, utiliser une architecture dual UC pour le traitement des dossiers les plus sensibles (chapitre 12 du livre, projet 3 du présent compagnon).
Troisième mesure, formaliser les règles internes : charte interne d'usage, procédures de validation, traçabilité (chapitre 11 du livre).
Q12 - Que dit la loi du 23 février 2026 sur la confidentialité des consultations des juristes d'entreprise ?
Cette loi, validée par le Conseil constitutionnel le 18 février 2026, reconnaît la confidentialité des consultations rendues par les juristes d'entreprise. Elle aligne partiellement la situation des juristes d'entreprise sur celle des avocats.
Pour l'usage de l'IA, elle renforce l'exigence de protection des données traitées et conforte la nécessité d'architectures appropriées. Cette loi est citée dans plusieurs chapitres du livre, notamment 12 et 15.
Q13 - L'utilisation d'un agent IA pose-t-elle des questions de confidentialité spécifiques ?
Oui. Un agent IA, qui poursuit un objectif en autonomie, manipule des données pendant des durées plus longues qu'une simple requête, et peut interagir avec plusieurs outils externes. Cette configuration accroît les risques de fuite ou de compromission.
Pour les agents qui manipulent des données sensibles, l'architecture dual UC est encore plus pertinente que pour les usages classiques. Voir chapitres 12, 14 et 15 du livre.
Q14 - Que faire si je suspecte une fuite ou une compromission de données ?
3 étapes.
Première étape, suspendre immédiatement l'usage de l'outil suspect.
Deuxième étape, identifier l'étendue de la fuite : quelles données, quel volume, depuis quand.
Troisième étape, prendre les mesures appropriées selon la nature : information du client si pertinent, déclaration à la CNIL si données personnelles concernées, signalement à l'ordre professionnel selon la gravité.
Documenter chaque étape de la réponse, ce qui sera utile en cas de mise en cause ultérieure.
Formation des collaborateurs (3 questions)
Q15 - Comment former rapidement un collaborateur à l'IA ?
3 étapes structurées.
Première étape, formation initiale : modules institutionnels (Skilia pour les avocats, équivalents pour les autres professions) plus lecture du livre. Comptez 20 à 30 heures sur le premier mois.
Deuxième étape, accompagnement à la pratique : pendant trois à six mois, point hebdomadaire avec un référent IA dans la structure pour valider les pratiques et corriger les approximations.
Troisième étape, autonomisation : à partir du sixième mois, le collaborateur pratique en autonomie, avec revue trimestrielle dans le cadre du dispositif structurel de la structure. La méthode du chapitre 16 (4 principes : régularité, pratique active, projets concrets, validation par les pairs) s'applique.
Q16 - Quels indicateurs suivre pour évaluer la formation des collaborateurs ?
3 indicateurs simples.
Premier indicateur, le niveau de maîtrise sur la grille à 4 piliers et 5 niveaux (chapitre 16, section 16.2). Auto-évaluation et évaluation par le référent, comparées.
Deuxième indicateur, la qualité des productions intégrant l'IA : nombre d'incidents, qualité des vérifications, conformité à la charte interne.
Troisième indicateur, l'appropriation : volume du carnet de prompts personnel, nombre de projets menés à terme, contributions aux ressources collectives.
Q17 - Comment gérer un collaborateur réfractaire à l'IA ?
Distinguer plusieurs situations.
Si le refus est lié à une crainte (peur de perdre son poste, peur de l'erreur), la formation et la pédagogie peuvent lever l'obstacle. Si le refus est lié à une opposition de principe à l'IA, ce qui est respectable individuellement, il faut néanmoins poser que la maîtrise des outils essentiels devient une compétence professionnelle attendue.
Si le refus persiste, il devient un problème de gestion qui dépasse le cadre de la formation. La position franche défendue au chapitre 15 du livre s'applique : l'attentisme est en 2026 une stratégie risquée, et cette réalité doit être discutée explicitement.
Difficultés courantes et troubleshooting (5 questions)
Q18 - Le LLM produit des résultats décevants. Que faire ?
5 vérifications dans l'ordre.
Première vérification, la qualité du prompt : un prompt vague produit des réponses vagues. Reformuler avec plus de précision (objectif, contexte, format de sortie attendu, contraintes).
Deuxième vérification, le contexte fourni : le LLM a-t-il toutes les informations nécessaires ? Compléter avec les données manquantes.
Troisième vérification, la complexité de la tâche : si la tâche est complexe, la décomposer en plusieurs étapes plutôt que de la traiter en un seul prompt.
Quatrième vérification, le modèle utilisé : certaines tâches conviennent mieux à certains modèles. Tester avec un autre modèle.
Cinquième vérification, la version utilisée : les versions gratuites des LLM utilisent souvent des modèles moins performants que les versions professionnelles.
Q19 - Le LLM produit des hallucinations sur les références jurisprudentielles. Que faire ?
3 mesures.
Première mesure, ne jamais citer une référence proposée par un LLM sans l'avoir vérifiée dans Légifrance ou une base de données primaire. Cette règle est non négociable, indépendamment de la confiance dans le modèle.
Deuxième mesure, formuler les prompts pour limiter les hallucinations : demander explicitement de signaler les incertitudes, demander la vérification de cohérence interne, utiliser le mode citation des sources si disponible.
Troisième mesure, privilégier les legaltech spécialisées sur des bases vérifiées pour les recherches jurisprudentielles plutôt que les LLM généralistes.
Q20 - L'agent IA ne produit pas le rapport attendu. Que faire ?
4 vérifications.
Première vérification, l'objectif fourni à l'agent est-il suffisamment précis ? Reformuler en termes plus opérationnels.
Deuxième vérification, les sources surveillées sont-elles correctes et complètes ? Vérifier la liste et ajouter les sources manquantes.
Troisième vérification, le format de sortie attendu est-il clairement défini ? Préciser la structure exacte du rapport souhaité.
Quatrième vérification, les paramètres techniques (fréquence, périmètre temporel, profondeur) sont-ils correctement réglés ? Ajuster en fonction du livrable réel observé.
Q21 - Mon abonnement professionnel devient cher. Comment optimiser ?
3 leviers.
Premier levier, mutualiser : pour les structures de plusieurs personnes, les abonnements Team ou Enterprise sont souvent plus économiques que les abonnements individuels multipliés.
Deuxième levier, choisir les bons abonnements : tous les utilisateurs n'ont pas besoin du même niveau d'abonnement. Adapter par profil.
Troisième levier, intégrer l'open source : pour certains usages, les modèles open source en local (Mistral, Llama) peuvent compléter les solutions cloud, notamment dans une architecture dual UC.
Q22 - Comment se tenir à jour quand tout change si vite ?
La méthode de veille active présentée dans le chapitre 16 (section 16.7) répond à cette question. 3 principes.
Sélectionner trois ou quatre sources de référence et s'y tenir, plutôt que de chercher l'exhaustivité. Une revue hebdomadaire courte (15 à 20 minutes) plutôt qu'une lecture intégrale au fil de l'eau. Capitaliser dans un format structuré plutôt que de lire et oublier.
La discipline de la sélection est plus importante que l'exhaustivité, qui conduit à la saturation et à l'abandon.
Pour aller plus loin
Une formation digitale complète sur l'IA appliquée au monde juridique et professionnel est en préparation, pour un lancement prévu en novembre 2026. Inscrivez vous à la newsletter pour être averti de l'ouverture des inscriptions.
