PwC et AWS dévoilent une IA d'analyse de contrats qui réduit jusqu'à 90% le temps de revue

PwC et AWS ont présenté AIDA, un système d'analyse de contrats qui transforme de longs documents non structurés en données structurées et en réponses en langage naturel. La plateforme repose sur AWS et s'appuie sur Amazon Bedrock pour repérer les clauses clés, les échéances et les obligations, sans fouiller manuellement des dizaines de pages.

Comment fonctionne AIDA

AIDA cible les juristes, les équipes compliance et les achats, c'est-à-dire les services où le volume de contrats croît plus vite que le temps disponible pour les lire. Plutôt qu'une recherche classique par mots-clés, le système combine OCR, règles d'extraction personnalisées et LLM disponibles dans Amazon Bedrock. L'équipe obtient en sortie bien davantage que des phrases repérées : des champs structurés, chacun rattaché à un passage précis du contrat. Une partie de la charge manuelle disparaît ainsi pour des équipes qui compilent habituellement ces données à la main pour les validations, la comptabilité et le reporting.

Pour sa démonstration, PwC a chargé dans le système des échantillons tirés du jeu de données juridique ouvert CUAD. AIDA construit ensuite une représentation sémantique des documents, l'indexe et recourt au Retrieval-Augmented Generation pour répondre aux questions en s'appuyant sur le texte du contrat. C'est un point important dans un contexte juridique : la réponse peut être vérifiée grâce au lien vers le paragraphe source. Inutile de croire le modèle sur parole lorsqu'il est question d'échéances, de pénalités ou d'obligations des parties.

Trois modes clés

AIDA ne se résume pas à une interface de chat avec un PDF. Le système propose plusieurs modes adaptés aux différentes étapes de l'analyse contractuelle. AWS distingue trois scénarios de base, ceux qui font gagner le plus de temps : l'extraction massive de champs à partir de modèles, les questions ciblées sur un document et la recherche transversale dans tout un ensemble d'accords. Le service convient donc aussi bien à l'annotation initiale d'un corpus de contrats qu'aux vérifications rapides en cours de négociation ou d'audit.

• Extraction par modèles — l'équipe définit une fois pour toutes des champs comme le délai de résiliation, les conditions de renouvellement ou les droits d'utilisation. Elle applique ensuite les mêmes règles à des milliers de contrats.
• Chat sur un document — on peut interroger le système sur une date, une obligation ou une restriction précise, et obtenir une réponse rattachée au bon endroit du texte.
• Chat global sur un projet — AIDA compare plusieurs contrats à la fois, repère les clauses communes et les écarts d'obligations, puis synthétise ses conclusions en une seule réponse.
• Filtrage par métadonnées — les résultats peuvent être restreints par type de contrat, date, business unit ou juridiction, afin de ne pas mélanger des catégories de documents différentes.

Selon PwC, AIDA a réduit jusqu'à 90% le temps de revue manuelle des contrats lors de déploiements chez des clients. AWS cite également l'exemple d'un grand studio de cinéma et de télévision, où le système a de la même manière accéléré l'analyse des droits de licence. Il isole les droits broadcast, streaming, theatrical et derivative, ce qui permet de savoir plus vite ce qui peut être diffusé, reconditionné ou exploité sur de nouveaux marchés. Dans les médias et l'entertainment, l'enjeu est de taille : une erreur sur les droits coûte généralement plus cher que l'automatisation elle-même.

Sécurité et intégrations système

L'architecture d'AIDA est conçue comme un service d'entreprise, pas comme un prototype expérimental. En entrée se trouvent AWS WAF, un load balancer et NGINX. L'accès est géré via Amazon Cognito, connecté à Microsoft Entra ID ou à Okta, et les droits se configurent aussi bien au niveau de l'application qu'au niveau du projet. Les données sont chiffrées en transit et au repos : les documents et les extractions OCR sont stockés dans Amazon S3, les résultats structurés dans Amazon RDS.

Pour traiter de gros volumes, le système utilise Amazon ECS sur AWS Fargate ainsi qu'une file Amazon SQS. Le chargement de centaines ou de milliers de documents ne bloque donc pas l'interface. La recherche vectorielle repose sur Amazon Bedrock Knowledge Bases et Amazon OpenSearch Serverless, tandis que les Guardrails d'Amazon Bedrock assurent le filtrage du contenu, la protection des données personnelles et la sécurité des prompts. Avant l'envoi des résultats vers les systèmes downstream, AIDA peut intégrer une validation human-in-the-loop. Les données sont ensuite transmises aux outils de CLM, ERP, CRM et aux entrepôts de données via Lambda, EventBridge et SQS.

Ce que cela signifie

PwC et AWS montrent comment la GenAI quitte le stade des démonstrations pour s'attaquer à des processus ciblés et coûteux pour les entreprises. Si le système extrait réellement les champs de manière fiable, répond en citant ses sources et s'intègre aux outils de CLM ou d'ERP, l'IA juridique commence à se rentabiliser sur des résultats économiques concrets plutôt que sur des promesses : cycles de revue raccourcis, moins de travail manuel, détection plus rapide des risques, des échéances et des obligations contractuelles.