E-discovery, knowledge management et lateral analytics à grande échelle

Un seul contentieux peut déverser un million de documents sur votre bureau. E-mails, contrats, tableurs, exports Slack, PDF scannés. Tout relire à la main, disons à 50 documents par heure, représenterait environ 20 000 heures pour un avocat. Soit dix ans de travail à temps plein pour une seule affaire.

C'est pourquoi l'outillage data a cessé d'être optionnel dans les cabinets d'avocats. Le même corpus qui doit être revu en vue d'une production peut aussi être exploité pour constituer une base de précédents et pour évaluer le book of business d'un associé lateral. Mêmes données, trois missions très différentes. Cette leçon passe les trois en revue.

Trois missions, un seul corpus

Imaginez l'ensemble documentaire d'un grand litige commercial. Voici ce qu'un cabinet en fait :

1. E-discovery : identifier les documents pertinents et non couverts par le privilege que vous devez transmettre. Défensif et piloté par les délais.
2. Knowledge management (KM) : extraire le work product réutilisable (formulations de clauses, mémoires, rapports d'experts) pour que le cabinet ne le réinvente pas la prochaine fois.
3. Lateral analytics : exploiter les données clients et dossiers pour déterminer si un associé venant d'un autre cabinet apporte un chiffre d'affaires réel et transférable.

Chaque mission obéit à des règles différentes sur qui peut voir quoi. C'est cette contrainte, et non la technologie, qui constitue généralement la vraie difficulté.

Mission 1 : la revue documentaire à grande échelle avec la TAR

L'e-discovery est le processus d'identification des informations stockées électroniquement (ESI) pertinentes pour une affaire. Dans le contentieux américain, les parties doivent produire les documents répondant aux demandes adverses, à l'exception de ceux couverts par le privilege (communications avocat-client protégées et work product).

La TAR (Technology Assisted Review), parfois appelée predictive coding, utilise le machine learning pour prioriser ou classer les documents afin que les humains n'aient pas à tous les lire. Elle est admise par les tribunaux américains depuis la décision de 2012 dans *Da Silva Moore v. Publicis Groupe*.

Voici le workflow, en termes simples :

• Un avocat senior examine un seed set (un échantillon de documents) et code chacun comme pertinent ou non.
• Le modèle apprend de ces décisions.
• Il attribue à chaque document restant un score de probabilité de pertinence.
• Les reviewers se concentrent sur le lot à score élevé et valident le lot à score faible par échantillonnage statistique.

Les deux variantes dont on vous parlera :

• TAR 1.0 : on entraîne le modèle une fois sur un seed set figé, puis on l'applique. Plus simple, mais le seed set doit être représentatif.
• TAR 2.0 (Continuous Active Learning, ou CAL) : le modèle se réentraîne au fil du travail des reviewers, en faisant remonter en permanence les documents les plus susceptibles d'être pertinents. La plupart des plateformes modernes fonctionnent ainsi.

Le résultat se mesure avec deux métriques empruntées à la recherche d'information :

• Recall : sur l'ensemble des documents réellement pertinents, quelle fraction avez-vous trouvée ? C'est ce qui importe le plus aux tribunaux. Manquer des documents pertinents est un risque juridique.
• Precision : parmi les documents que vous avez signalés, quelle fraction était réellement pertinente ? C'est ce qui pilote le coût. Une precision faible signifie que des humains perdent du temps sur du bruit.

Une revue défendable vise souvent un recall de l'ordre de 75 à 80 %, même si le bon chiffre se négocie et dépend de l'affaire. Pour une introduction en langage clair, voir les publications de The Sedona Conference, que les tribunaux citent fréquemment sur les standards ESI.

🎬 [VIDEO: "What is Technology Assisted Review (TAR)?" — youtube.com — une courte explication du predictive coding en e-discovery]

Pourquoi la revue a toujours besoin d'humains

La TAR gère mal la question du privilege. Un modèle peut signaler qu'un document mentionne un avocat, mais déterminer si une communication est réellement couverte par le privilege exige un jugement juridique. Les cabinets utilisent la TAR pour réduire le volume, puis lancent une revue humaine ciblée et le privilege logging sur ce qui reste.

Mission 2 : le knowledge management, transformertransformerUn Transformer est une architecture de réseau de neurones qui utilise le self-attention pour traiter des séquences en parallèle. Elle est au cœur de la plupart des modèles de langage et d'IA générative actuels.Voir la définition complète → les dossiers en actifs réutilisables

Le même million de documents contient de l'or qui n'a rien à voir avec l'affaire en cours. Chaque mémoire déposé par votre cabinet, chaque clause d'indemnisation négociée, chaque trame de déposition est un actif réutilisable. Le knowledge management est la pratique consistant à capturer et retrouver ce work product pour que les avocats cessent de rédiger à partir de zéro.

La version moderne s'appuie sur la retrieval-augmented generation (RAG) : un système qui recherche dans les documents propres au cabinet et transmet les passages pertinents à un large language modellarge language modelUn Large Language Model est un système d'IA entraîné sur d'énormes volumes de texte pour prédire et générer du langage, ce qui permet de rédiger, résumer ou répondre à des questions.Voir la définition complète → pour rédiger ou répondre. Point essentiel, le modèle répond à partir de votre corpus validé, pas depuis l'internet ouvert, ce qui réduit le risque de citations fabriquées (un problème réel et déjà sanctionné lorsque des avocats ont utilisé des chatbots grand public).

Un flux de retrieval simplifié ressemble à ceci :

# Pseudocode: retrieve firm precedents relevant to a drafting task
query = "limitation of liability clause, SaaS, mutual cap"

# 1. Convertir la requête et les documents en vecteurs (embeddings)
q_vec = embed(query)

# 2. Ne chercher que dans les documents auxquels cet utilisateur a accès
results = vector_db.search(
    q_vec,
    top_k=5,
    filter={"ethical_wall": {"$not_in": user.blocked_matters}}
)

# 3. Fournir les clauses retrouvées au modèle comme contexte d'ancrage
draft = llm.generate(prompt=task, context=results)

Notez la ligne 2 : ethical_wall. Une ethical wall (ou barrière à l'information) est une restriction interne obligatoire qui empêche certains avocats d'accéder à certains dossiers, généralement pour prévenir les conflits d'intérêts. Votre système de KM doit les respecter au niveau de la couche de retrieval. Une base de précédents qui exposerait au mauvais associé les termes confidentiels d'une transaction sous cloison est un manquement déontologique grave.

Le retour sur investissementretour sur investissementReturn on Investment : le rapport entre le profit net et le coût d'un investissement. Un ROI de 300 % signifie que chaque dollar investi en rapporte 3.Voir la définition complète → du KM

Gains concrets d'une base de précédents opérationnelle :

• Un collaborateur junior retrouve trois versions antérieures d'un avenant de traitement des données en quelques minutes plutôt qu'en écrivant aux associés.
• Les équipes de pitch extraient des descriptions de dossiers pertinentes sans dévoiler l'identité de clients confidentiels.
• Le cabinet identifie ses propres arguments les plus solides à travers ses affaires passées avant une audience.

L'obstacle est rarement technique. Il consiste à obtenir des avocats qu'ils taguent et versent leur work product alors qu'ils facturent à l'heure et n'ont pas le temps de classer.

Mission 3 : lateral analytics et scoring du pipelinepipelineL'ensemble des opportunités commerciales actives réparties selon les étapes du processus de vente, avec leur valeur potentielle cumulée et leur probabilité de conclusion.Voir la définition complète →

Les cabinets d'avocats croissent en grande partie en recrutant des associés lateraux (des associés venant d'un autre cabinet), en pariant qu'ils amèneront leurs clients avec eux. Le pari est souvent perdu. Le book of business déclaré d'un associé (le chiffre d'affaires attribué à ses relations clients) n'est pas nécessairement transférable.

Les données permettent de tester ce pari. Les cabinets analysent :

• Origination vs. crédit d'avocat traitant : l'associé a-t-il initié la relation client, ou s'est-il contenté de traiter les dossiers ? Seules les relations originées ont tendance à suivre.
• Concentration du chiffre d'affaires : 80 % du book provient-il d'un seul client ? C'est fragile.
• Recoupement de clients et conflits : les clients entrants entreraient-ils en conflit avec les clients existants, obligeant le cabinet à refuser des dossiers ?
• Taux de réalisation : le pourcentage des honoraires facturés effectivement encaissés. Un gros book avec une faible réalisation vaut moins qu'il n'y paraît.

Un score de pipelinepipelineL'ensemble des opportunités commerciales actives réparties selon les étapes du processus de vente, avec leur valeur potentielle cumulée et leur probabilité de conclusion.Voir la définition complète → simple pourrait pondérer le chiffre d'affaires transférable, diversifié et à forte réalisation, et décoter le chiffre d'affaires concentré ou non originé. L'objectif est de remplacer le chiffre auto-déclaré par l'associé par une fourchette fondée sur des éléments probants.

Le piège de la confidentialité

C'est là que cela devient délicat. Un associé candidat ne peut pas vous remettre les données clients confidentielles de son cabinet actuel pendant le recrutement. Une bonne partie de l'analyse repose sur les déclarations de l'associé et sur des sources publiques (rôles judiciaires, bases de données de deals, dossiers rendus publics). Le cabinet construit une estimation, pas un registre vérifié, et documente ses hypothèses.

La contrainte qui relie le tout : le reporting imposé par les clients

Les grands clients dictent de plus en plus la manière dont leurs données sont traitées via les outside counsel guidelines (OCG) : des règles contractuelles qu'un client impose à ses cabinets. Elles exigent couramment :

• Des calendriers précis de conservation et de destruction des documents des dossiers.
• Des restrictions sur l'utilisation des données du client pour entraîner des modèles d'IA.
• Un reporting sur les budgets, la composition des équipes et la diversité, dans un format imposé.
• La ségrégation des données du client par rapport à celles des autres clients.

Cela reconfigure chacune des missions ci-dessus. Votre plateforme de TAR doit pouvoir purger le corpus d'un client à échéance. Votre système de KM doit exclure les clients qui interdisent la réutilisation de leurs documents, même anonymisés. Vos lateral analytics ne peuvent pas ingérer discrètement les tarifs confidentiels d'un client.

La bonne pratique consiste à encoder les règles des OCG sous forme de politiques lisibles par machine (flags de conservation, flags no-train, flags de réutilisation autorisée) attachées à chaque dossier, de sorte que les contraintes s'appliquent automatiquement au lieu de reposer sur la mémoire d'un collaborateur surchargé.

Synthèse

L'insight stratégique : le coût marginal d'un second usage des données juridiques est faible, mais le risque juridique et déontologique marginal peut être élevé. Un cabinet qui exploite son corpus agressivement sans contrôles de politique finira par violer une obligation de confidentialité. Un cabinet qui verrouille tout ne capte aucun des bénéfices du KM ni des analytics. Les gagnants construisent la tuyauterie (contrôles d'accès, politiques de conservation, ethical walls) une fois, puis réutilisent les données sans risque, de nombreuses fois.

Points clés

• Un corpus, trois missions : les mêmes documents alimentent l'e-discovery, le knowledge management et les lateral analytics, mais chaque mission a des règles d'accès différentes.
• La TAR réduit la revue, les humains tranchent toujours : mesurez le succès avec le recall (trouver les documents pertinents) et la precision (éviter la revue inutile), et laissez les décisions de privilege aux avocats.
• La valeur du KM dépend de contrôles d'accès appliqués : la RAG sur vos propres précédents ne fonctionne que si les ethical walls et les autorisations de réutilisation sont appliquées au moment du retrieval.
• Le scoring lateral est une estimation, pas un registre : pondérez le chiffre d'affaires transférable, diversifié et à forte réalisation, et n'ingérez jamais les données clients confidentielles d'un candidat.
• Encodez les règles clients en politiques, pas en mémoire : les outside counsel guidelines sur la conservation, le no-train et la ségrégation doivent être appliquées par la machine dans chaque workflow.