Quand les réseaux neuronaux plaident : comment les systèmes multi-agents transforment l'AI juridique

L'un des problèmes les plus persistants des modèles de langage dans les tâches professionnelles est leur tendance aux mensonges assurés. En jurisprudence, où chaque référence à la loi doit être précise et la logique de l'argumentation irréprochable, cette faiblesse devient critique. Des chercheurs de l'Université Tsinghua et de la société russe AiJurist ont trouvé indépendamment la même réponse : pour empêcher un réseau de neurones d'halluciner, il faut lui donner un adversaire.

À la fin de 2025, une équipe de Tsinghua a publié une prépublication intitulée « Chinese Court Simulation with LLM-Based Agent System », qui a analysé systématiquement une faiblesse fondamentale de l'approche conventionnelle de l'IA juridique. Le schéma classique — l'utilisateur pose une question, le système recherche des documents pertinents dans une base de données, le modèle génère une réponse — semble logique, mais en pratique il s'effondre en raison du biais de confirmation. Le réseau de neurones trouve le premier argument convenable et construit toute sa logique autour, en ignorant les faits contradictoires. Il n'a pas de critique interne pour dire : « Attends, cet article de loi dit exactement le contraire. »

La solution s'avéra élégante et, si on y réfléchit bien, évidente. Les chercheurs chinois ont appliqué le principe de l'adversarialité — le même principe sur lequel repose tout le système judiciaire. Ils ont créé deux agents IA : un procureur et un avocat, chacun basé sur un grand modèle de langage. Les agents ne se contentaient pas de générer des arguments — ils attaquaient activement la position de l'adversaire. Quand l'avocat citait une réglementation inexistante, le procureur la réfutait immédiatement. Le résultat fut impressionnant : le nombre d'hallucinations a chuté drastiquement et la qualité de l'argumentation juridique s'est améliorée. La vérité, comme dans un vrai tribunal, naissait du débat.

Cependant, entre une expérience académique et un produit fonctionnel existe un abîme que les praticiens comprennent bien. La société russe AiJurist, qui construisait simultanément un système multi-agents pour les tribunaux arbitraux basé sur son propre modèle open source Ken1.0, a tenté de transposer les découvertes de ses collègues chinois dans un environnement commercial réel — et s'est heurtée au problème que l'architecture s'effondrait complètement au contact de la réalité. L'approche académique, qui fonctionnait remarquablement bien sur des jeux de données contrôlés, ne pouvait pas supporter le choc du chaos des vrais dossiers judiciaires, où les documents arrivent dans des formats différents, les normes légales se contredisent mutuellement et le contexte du dossier peut changer radicalement d'un paragraphe à l'autre.

L'équipe d'AiJurist est allée plus loin et a construit ce qu'ils appellent le premier système russe de simulations judiciaires. Au lieu de deux agents — dix, chacun avec son propre rôle et sa zone de responsabilité. Cette architecture se rapproche davantage de la façon dont un vrai processus judiciaire est structuré : ici, il n'y a pas seulement les parties adverses, mais aussi un juge, des experts, des analystes qui vérifient les faits et évaluent les preuves. L'augmentation du nombre d'agents résout un autre problème important — elle empêche le système de rester bloqué dans l'opposition entre deux positions et crée de l'espace pour une analyse nuancée.

Il est important de comprendre le contexte dans lequel émergent de tels systèmes. La profession juridique est l'une des plus conservatrices et, en même temps, l'une des plus surchargée par la routine. Les juristes d'entreprise passent des dizaines d'heures à analyser la jurisprudence, prévoir les résultats et préparer les arguments. Les simulations multi-agents ne remplacent pas les avocats — elles leur donnent un outil pour tester leur propre position avant de déposer une plainte. C'est un niveau fondamentalement différent de préparation du dossier.

Ce cas est également indicatif au sens plus large. Il démontre une tendance générale dans le développement des systèmes d'IA : la transition des modèles monolithiques résolvant une tâche en une seule passe vers des ensembles orchestrés d'agents spécialisés. Le même principe fonctionne déjà en programmation, où un examinateur IA vérifie le code écrit par un développeur IA, et en médecine, où les modèles diagnostiques se vérifient mutuellement. La jurisprudence est la prochaine frontière, et les enjeux y sont particulièrement élevés : une erreur dans le code produit un bug, une erreur au tribunal produit de vraies pertes financières.

La conclusion principale de l'histoire de Tsinghua et AiJurist est simple mais importante. Le multi-agentisme n'est pas un jouet académique mais un pattern architecturel qui définira la prochaine génération d'outils professionnels d'IA. Mais le chemin d'une prépublication de recherche à un produit pour lequel les clients d'entreprise paient exige non seulement une mise à l'échelle — il exige de repenser l'architecture elle-même à la lumière des conditions réelles d'un système juridique spécifique.