Quand les IA plaident : comment les systèmes multi-agents transforment l'IA juridique

L'un des problèmes les plus tenaces des modèles de langage dans les usages professionnels reste leur propension à affirmer des contre-vérités avec aplomb. En droit, où chaque référence législative doit être exacte et chaque raisonnement irréprochable, cette faiblesse devient critique. Des chercheurs de l'université Tsinghua et l'entreprise russe AïYourist sont parvenus, chacun de leur côté, à la même réponse : pour qu'un réseau de neurones cesse d'halluciner, il lui faut un contradicteur.

Fin 2025, l'équipe de Tsinghua a publié le preprint « Chinese Court Simulation with LLM-Based Agent System », qui dissèque méthodiquement la faiblesse fondamentale de l'approche habituelle de l'IA juridique. Le schéma classique — l'utilisateur pose une question, le système cherche les documents pertinents dans une base, le modèle génère une réponse — paraît logique, mais il cède en pratique sous l'effet du biais de confirmation. Le modèle trouve un premier argument plausible et bâtit tout son raisonnement autour, en ignorant les faits contraires. Il lui manque un critique interne capable de lui dire : « Attends, cet article de loi affirme exactement l'inverse. »

La solution s'est révélée élégante et, à la réflexion, évidente. Les chercheurs chinois ont appliqué le principe du contradictoire, celui-là même sur lequel repose tout le système judiciaire. Ils ont créé deux agents IA, un procureur et un avocat, chacun s'appuyant sur un grand modèle de langage. Les agents ne se contentaient pas de produire des arguments : ils attaquaient activement la position adverse. Dès que l'avocat invoquait une norme inexistante, le procureur la réfutait immédiatement. Le résultat s'est avéré impressionnant : le nombre d'hallucinations a fortement baissé et la qualité de l'argumentation juridique a progressé. Comme dans un vrai tribunal, la vérité naissait du débat.

Entre une expérience académique et un produit opérationnel s'ouvre toutefois un gouffre que les praticiens connaissent bien. L'entreprise russe AïYourist développait en parallèle un système multi-agents pour les tribunaux de commerce, fondé sur son propre modèle ouvert Ken1.0. Elle a tenté de transposer les travaux de ses homologues chinois dans un environnement professionnel réel, et a constaté que l'architecture s'effondrait entièrement au contact de la réalité. Très performante sur des jeux de données contrôlés, l'approche académique ne résistait pas au chaos des affaires judiciaires réelles : les documents arrivent dans des formats hétérogènes, les normes juridiques se contredisent et le contexte d'un dossier peut changer radicalement d'un paragraphe à l'autre.

L'équipe d'AïYourist est allée plus loin et a construit ce qu'elle présente comme le premier système de simulation judiciaire en Russie. Non plus deux agents, mais dix, chacun doté de son rôle et de son périmètre de responsabilité. Cette architecture se rapproche davantage du fonctionnement d'un vrai procès : on n'y trouve pas seulement les parties au litige, mais aussi un juge, des experts et des analystes qui vérifient les faits et évaluent les preuves. Multiplier les agents règle aussi un autre problème important : le système ne s'enferme plus dans l'affrontement de deux positions, ce qui ouvre la voie à une analyse plus nuancée.

Il faut comprendre le contexte dans lequel émergent ces systèmes. Le secteur juridique est l'un des plus conservateurs, et en même temps l'un des plus écrasés par les tâches répétitives. Les juristes d'entreprise consacrent des dizaines d'heures à analyser la jurisprudence, anticiper l'issue des affaires et préparer leur argumentation. Les simulations multi-agents ne remplacent pas le juriste : elles lui fournissent un outil pour soumettre sa propre position à un stress test avant même d'engager une action en justice. C'est un niveau de préparation au procès d'une tout autre nature.

Ce cas est également révélateur à plus grande échelle. Il illustre une tendance de fond dans l'évolution des systèmes d'IA : le passage de modèles monolithiques, qui traitent une tâche en une seule passe, à des ensembles orchestrés d'agents spécialisés. Le même principe fonctionne déjà en programmation, où un relecteur IA vérifie le code d'un développeur IA, et en médecine, où des modèles de diagnostic se vérifient mutuellement. Le droit est le prochain terrain d'expérimentation, et les enjeux y sont particulièrement élevés : une erreur dans le code produit un bug, une erreur au tribunal entraîne de vraies pertes financières.

La principale leçon des travaux de Tsinghua et d'AïYourist est simple, mais importante. L'approche multi-agents n'est pas un jouet académique : c'est un pattern architectural qui façonnera la prochaine génération d'outils d'IA professionnels. Mais passer d'un preprint de recherche à un produit que des clients professionnels acceptent de payer ne se résume pas à un changement d'échelle : cela impose de repenser l'architecture elle-même en fonction des conditions réelles d'un système juridique donné.