SimCourt : pourquoi une IA se trompe au tribunal, alors que trois rendent le bon verdict

L'époque des assistants IA simples, qui savent seulement chercher dans une base de documents ou résumer de longues assignations, touche à sa fin. Le marché de la LegalTech est saturé de « surcouches » au-dessus de l'API d'OpenAI, et cela ne suffit plus. Clients et juristes exigent une précision qu'un chatbot ordinaire est incapable de fournir. Le problème : lorsqu'on demande à un seul réseau de neurones de prédire l'issue d'une affaire, il joue en fait aux échecs contre lui-même. Il avance une hypothèse et se met aussitôt à réunir des arguments pour l'étayer, en ignorant les contradictions. C'est le piège classique du « biais de confirmation », et en droit, il coûte beaucoup trop cher.

En décembre 2025, des chercheurs de l'université Tsinghua ont dévoilé une solution susceptible de bouleverser le secteur. SimCourt n'est pas qu'un prompt astucieux, mais un véritable système multi-agents (MAS). Plutôt que de forcer un modèle à réfléchir seul à un dossier, les chercheurs ont construit une simulation numérique de salle d'audience. Plusieurs agents y travaillent : un procureur, un avocat et un juge. Chacun a son rôle, son objectif et son propre jeu d'outils. La vérité n'y naît pas de la génération de texte, mais d'un rude conflit d'intérêts, où chaque erreur de logique appelle une réaction immédiate de l'adversaire.

Pourquoi est-ce important maintenant ? Le centre de gravité du développement de l'IA appliquée se déplace vers la Chine et l'Inde. Pendant que l'Occident débat d'éthique et de droit d'auteur, les équipes asiatiques déploient des agentic workflows dans les secteurs les plus conservateurs.

SimCourt montre clairement que la single-shot inference (la réponse linéaire d'un modèle) est une impasse pour les tâches complexes. En droit, le diable se cache toujours dans les détails, et si le réseau de neurones n'a pas de « critique extérieur », il se met à halluciner des faits pour préserver la cohérence de son récit. L'environnement multi-agents brise ce schéma : quand l'agent procureur tente de manipuler les faits, l'agent avocat le signale aussitôt dans son objection.

L'architecture de SimCourt fonctionne en plusieurs étapes. D'abord, le système analyse les faits de l'affaire et récupère la jurisprudence pertinente via RAG (Retrieval-Augmented Generation). Mais au lieu de livrer immédiatement un résultat, il lance un cycle de débat. Les agents échangent des arguments, citent des articles du code et tentent de démolir la position adverse. Enfin, l'agent juge évalue la qualité de l'argumentation des deux camps et rend son verdict. Cette approche a permis de réduire nettement le taux d'erreurs logiques, qui étaient le fléau de la Legal AI.

Les résultats des expériences sont impressionnants : SimCourt prédit les décisions de justice plus précisément que des groupes de juristes expérimentés. La raison : l'IA peut garder en mémoire des milliers de précédents à la fois, et la structure du débat l'empêche de « s'endormir » sur une seule idée. Nous entrons dans une phase où l'IA cesse d'être un simple ouvrage de référence pour devenir un véritable outil d'analyse, capable de modéliser des interactions sociales complexes.

Que cela signifie-t-il pour le marché ? Les startups qui proposent du « chat avec vos documents » ont de quoi s'inquiéter. L'avenir appartient aux systèmes capables d'imiter un environnement d'experts, et pas seulement de répondre à des questions. Cela concerne non seulement le droit, mais aussi la médecine, le conseil en stratégie et même le développement logiciel. Si votre IA ne sait pas débattre avec elle-même, elle deviendra bientôt inutile face aux concurrents qui utilisent des MAS.

L'essentiel : les systèmes multi-agents sont le nouveau standard pour les tâches où l'erreur coûte cher. La LegalTech occidentale saura-t-elle proposer quelque chose de comparable, ou faudra-t-il s'habituer à l'idée que la justice de demain parle chinois ?