Un juriste apprend à un agent IA à apporter des retouches ciblées dans Word en mode Track Changes
Las de recopier à la main dans ses contrats les corrections issues d'un chat avec une IA, un juriste a renoncé à un jeu de commandes figées et donné au modèle un bac à sable Python. L'agent analyse lui-même le XML contenu dans le .docx et applique des retouches ciblées en mode Track Changes : il remplace « 30 » par « 45 » sans réécrire le paragraphe. Pour des fichiers à la structure imprévisible, cette souplesse s'est révélée plus pratique que des opérations prêtes à l'emploi. Le serveur Veqtor Workspace expose au modèle quatre outils MCP et un environnement Python sans accès réseau. Il fonctionne avec Claude et avec les modèles d'OpenAI ; le serveur n'embarque aucun modèle.
Traité par IA depuis Habr AI ; édité par Hamidun News
Quiconque a travaillé sur des contrats connaît cette routine : on discute avec une IA d'une formulation réussie, puis on cherche à la main la clause dans Word, on remplace le texte, on relit les dispositions voisines et on ajoute un commentaire. Le juriste auteur de cette histoire a voulu supprimer précisément cette étape. Il y est parvenu, mais pas du premier coup, et le chemin parcouru est plus instructif que le résultat : il montre où passe la frontière entre des opérations écrites à l'avance et du code que l'agent écrit à la volée.
Pourquoi la première version a buté sur le format
L'auteur a d'abord opté pour un contrôle strict. Il a conçu un serveur MCP doté d'un ensemble d'opérations prédéfinies sur le document. Le MCP sert ici à permettre au modèle connecté d'appeler les outils du serveur. Le modèle décide quoi modifier, tandis qu'un code classique exécute le remplacement avec soin : il retrouve le texte, vérifie l'état initial, applique la correction et veille à ne toucher à rien d'autre.
Le problème est que le .docx est une archive ZIP contenant des parties XML. Une phrase qui apparaît comme une seule ligne dans Word est souvent découpée en plusieurs fragments en interne. Un commentaire peut se trouver à côté, une partie du texte être marquée comme insérée, une autre comme supprimée, et le tout peut se situer dans une cellule de tableau. Pour un juriste, c'est un contrat ordinaire après plusieurs tours de négociation. Pour un programme censé remplacer deux mots sans casser les corrections des autres, c'est un amas de cas particuliers.
Chaque nouveau document obligeait à étendre les règles et les contrôles. À un moment, l'auteur a compris qu'il était en train d'écrire un éditeur Word de plus en plus complexe, alors que sa tâche était plus modeste : ne plus reporter les corrections à la main.
Deuxième version : le serveur fournit l'environnement, le modèle écrit le code
Il a alors inversé le schéma. Les modèles actuels écrivent bien du code, y compris pour analyser un fichier précis ; pourquoi les enfermer dans la liste d'opérations qu'un humain a eu le temps d'implémenter ? Veqtor Workspace est né de cette idée. Le serveur donne accès aux documents choisis et à un environnement Python, tandis que l'agent examine le fichier, analyse le XML si nécessaire et écrit le code adapté à la modification demandée. Si le code plante, l'agent reçoit l'erreur et le corrige.
Le serveur propose quatre outils MCP :
- workspace_info explique comment l'environnement de travail est organisé ;
- document_task crée une tâche avec une copie de travail du document et enregistre le résultat ;
- run_python exécute le code écrit par le modèle ;
- check_docx compare l'original au résultat et, au besoin, génère un aperçu.
Les garde-fous restent côté serveur. Python s'exécute en local, sans réseau, uniquement sur les fichiers choisis et dans un dossier de travail distinct. La version d'origine est conservée et, avant d'écrire le résultat, le serveur vérifie que l'original n'a pas changé pendant le travail. Le serveur ne contient pas de modèle de langage : c'est celui auquel il est connecté qui raisonne, que ce soit Claude ou un modèle d'OpenAI.
Ce que ça donne et où sont les pièges
Selon l'auteur, lors de ses tests avec Claude et des modèles d'OpenAI, l'agent a lu les documents, trouvé le passage voulu et préparé un fichier avec des corrections en mode Track Changes. Pour un juriste, l'essentiel est l'apparence exacte des modifications. Si un délai passe de 30 à 45 jours, il faut voir le remplacement du nombre, et non un paragraphe supprimé puis réinséré : sinon, l'autre partie devra comparer l'intégralité du texte. Le nouveau schéma produit des retouches ciblées, que l'on peut examiner, accepter ou rejeter dans Word.
Le format de la requête est lui aussi révélateur : « remplace 30 jours par 45, conserve les autres formulations, la mise en forme, les corrections et commentaires existants, apporte la modification en mode suivi des modifications ». Il ne suffit pas d'avoir le chiffre 45 dans le texte final : il faut un document sur lequel des humains pourront continuer à travailler.
L'auteur énumère lui-même les limites :
- le modèle peut choisir une mauvaise méthode de correction, toucher du texte superflu ou mal interpréter d'anciennes corrections ;
- la vérification du XML ne remplace pas un contrôle dans Word lui-même ;
- le serveur travaille sur le fichier enregistré et ne voit pas les modifications non enregistrées dans une fenêtre ouverte ;
- le code s'exécute en local, mais avec un modèle cloud, le texte lu lui parvient via les résultats des appels d'outils, ce qui compte pour les contrats confidentiels ;
- la souplesse coûte du temps et des tokens : l'agent doit comprendre le fichier, écrire le code et parfois se corriger, alors qu'une fonction toute prête pour un cas connu est plus rapide et plus prévisible.
Enseignement pratique
L'auteur répartit les responsabilités ainsi : l'accès aux fichiers, la conservation des originaux et l'écriture du résultat restent sous le contrôle du serveur, le modèle choisit la manière de lire et d'éditer, et un humain examine le résultat final. Pour les développeurs, c'est un modèle exploitable pour tous les formats à la structure interne « sale » : Excel, PowerPoint, PDF. Lorsque les entrées sont trop variées pour décrire chaque scénario à l'avance, il revient moins cher de donner à l'agent un bac à sable et des limites d'accès strictes, en réservant les fonctions déterministes aux cas fréquents et bien connus.
L'auteur se présente lui-même comme un « vibe coder » et demande aux professionnels de l'aider à déterminer où placer la frontière entre la liberté du modèle et les opérations implémentées à l'avance.
- 19 nov. 2026RSAC 2026, avec le recul : les assistants IA ont inventé 19,7% des paquets recommandés
- 19 nov. 2026Un agent IA a écrit un test de remboursement au vert, mais il ne vérifie que 2 des 6 exigences
- 19 nov. 2026Une carte de site pour agent IA réduit le texte téléchargé de 58%, mais les tokens augmentent de 3,5%
- 19 nov. 2026Les agents Codex ont mené 1700 enquêtes sur les ralentissements de ChatGPT et identifié la cause dans 600 cas
Questions clés sur cet article
Pourquoi la première version a buté sur le format?
L'auteur a d'abord opté pour un contrôle strict. Il a conçu un serveur MCP doté d'un ensemble d'opérations prédéfinies sur le document. Le MCP sert ici à permettre au modèle connecté d'appeler les outils du serveur. Le modèle décide quoi modifier, tandis qu'un code classique exécute le remplacement avec soin : il retrouve le texte, vérifie l'état initial, applique la correction et veille à ne toucher à rien d'autre. Le problème est que le .docx est une archive ZIP contenant des parties XML.
Que sait-on sur Deuxième version : le serveur fournit l'environnement, le modèle écrit le code ?
Il a alors inversé le schéma. Les modèles actuels écrivent bien du code, y compris pour analyser un fichier précis ; pourquoi les enfermer dans la liste d'opérations qu'un humain a eu le temps d'implémenter ? Veqtor Workspace est né de cette idée. Le serveur donne accès aux documents choisis et à un environnement Python, tandis que l'agent examine le fichier, analyse le XML si nécessaire et écrit le code adapté à la modification demandée. Si le code plante, l'agent reçoit l'erreur et le corrige.
Que sait-on sur Ce que ça donne et où sont les pièges ?
Selon l'auteur, lors de ses tests avec Claude et des modèles d'OpenAI, l'agent a lu les documents, trouvé le passage voulu et préparé un fichier avec des corrections en mode Track Changes. Pour un juriste, l'essentiel est l'apparence exacte des modifications. Si un délai passe de 30 à 45 jours, il faut voir le remplacement du nombre, et non un paragraphe supprimé puis réinséré : sinon, l'autre partie devra comparer l'intégralité du texte.
Build & Ship Production AI Agents Without Boilerplate Code
Start your free 72-hour trial at Hamidun Academy (academy.hamidun.com) — interactive lessons on Claude Code & Cursor, live Tech Radar, and production agent templates.
L'essentiel de l'IA — une fois par semaine
Sept actus qui ont vraiment compté, choisies à la main. Sans bruit ni communiqués.
C'est fait ! Vérifiez votre boîte mail pour la confirmation.