Les outils d’IA juridique sont généralement vendus comme si les avocats étaient interchangeables. Même interface. Mêmes invites. Mêmes sorties. L’hypothèse est que si la technologie fonctionne, tout le monde en bénéficiera de manière égale.

Cette hypothèse est fausse et c’est l’une des principales raisons pour lesquelles l’adoption légale de l’IA continue de stagner au sein des entreprises.

Cela est devenu particulièrement clair lors d’une série de projets pilotes empiriques en classe menés via Product Law Hub à l’aide d’un coach juridique basé sur l’IA appelé Frankie. Les projets pilotes ont été conçus pour observer comment les utilisateurs de différents niveaux d’expérience interagissent avec l’IA lors de l’apprentissage de compétences juridiques basées sur le jugement. Les résultats étaient basés sur une combinaison de données d’engagement quantitatives et d’entretiens qualitatifs.

Il en est résulté une profonde division. Les utilisateurs juniors voulaient de la structure et du réconfort. Les utilisateurs plus avancés voulaient du défi et de l’ambiguïté. Un système ne pouvait pas satisfaire les deux, et lorsqu’il essayait, il frustrait tout le monde.

L’IA juridique suppose un avocat uniforme qui n’existe pas

La plupart des outils d’IA juridiques sont construits autour d’un modèle utilisateur implicite. Cet utilisateur est compétent mais incertain, veut des conseils et privilégie l’efficacité à l’exploration. Ce modèle correspond vaguement à un jeune avocat. Il ne correspond pas à un associé principal, un avocat ou un associé.

Dans le cadre du projet pilote en classe, cette inadéquation est rapidement apparue. Les utilisateurs débutants ont bien répondu aux invites structurées, aux listes de contrôle et au raisonnement par étapes. Ils voulaient savoir ce qui comptait, ce qu’il fallait ensuite considérer et s’il leur manquait quelque chose d’évident. La structure les a aidés à s’orienter et à réduire leur anxiété.

Les utilisateurs plus expérimentés ont réagi de manière très différente. Ils ont décrit la même structure comme contraignante. Ils voulaient que le système repousse, fasse apparaître des cas extrêmes et remette en question les hypothèses. Lorsque l’IA se comportait comme un tuteur, elle se désengageait.

Le problème n’était pas l’intelligence de l’IA. L’hypothèse était qu’un seul mode d’interaction pouvait servir tout le monde.

Un comportement divergent est apparu dans les données

Cette fracture n’était pas anecdotique. Les modèles d’utilisation quantitatifs divergent fortement selon le niveau d’expérience. Les utilisateurs moins expérimentés passaient plus de temps dans des modes structurés et suivaient les invites de manière séquentielle. Les utilisateurs plus avancés ont quitté les sessions plus tôt lorsque les interactions semblaient trop guidées.

Les commentaires des entretiens ont renforcé les données. Les utilisateurs juniors ont décrit l’IA comme étant utile lorsqu’elle réduit l’incertitude. Les utilisateurs seniors ont décrit le même comportement comme inutile lorsqu’il supprimait toute ambiguïté. Un groupe voulait des garde-corps. L’autre voulait du combat.

Ce ne sont pas des préférences que vous pouvez moyenner.

L’IA à taille unique échoue discrètement dans les entreprises

Dans les cabinets d’avocats, ce problème d’ancienneté reste souvent ignoré car l’échec est subtil. Les jeunes avocats peuvent continuer à utiliser l’outil même si cela limite leur croissance, car ils sont reconnaissants d’être guidés. Les avocats chevronnés pourraient cesser de l’utiliser en silence, en le rejetant comme « pas pour moi ».

De l’extérieur, l’adoption semble mitigée mais acceptable. En réalité, l’outil dessert les deux groupes. Les juniors ne développent pas leur jugement aussi rapidement qu’ils le devraient. Les aînés n’en tirent aucune valeur.

Le contexte de la classe a rendu cela visible car le désengagement était immédiat et explicite. Dans la pratique, cela se manifeste des mois plus tard par une utilisation bloquée et un abandon silencieux.

La structure et l’ambiguïté ne sont pas opposées. Ils sont spécifiques à une étape.

L’une des conclusions les plus importantes du projet pilote était que la structure et l’ambiguïté ne sont pas des valeurs concurrentes. Ils conviennent à différents stades de développement.

Les jeunes avocats bénéficient dès le début d’un accompagnement structuré, en particulier lorsqu’ils apprennent à repérer les problèmes et à encadrer les risques. Mais cette structure doit disparaître. Si ce n’est pas le cas, cela devient un plafond plutôt qu’un échafaudage.

Les avocats chevronnés ont besoin d’ambiguïté pour affiner leur jugement. Ils veulent des outils qui mettent en évidence des considérations concurrentes, et non des outils qui leur disent quoi faire. Lorsque l’IA élimine l’incertitude trop tôt, elle supprime le terrain même sur lequel opère le jugement des supérieurs.

L’IA juridique qui ignore cette progression se sentira toujours mal alignée.

Les vendeurs ne sont pas les seuls responsables

Il est facile de blâmer les vendeurs pour ce problème, mais les acheteurs jouent également un rôle. Les entreprises demandent souvent un système unique qui « fonctionne pour tout le monde » car il est plus facile à acquérir, à former et à gérer. Cette commodité a un coût.

En insistant sur l’uniformité, les cabinets renforcent la fiction selon laquelle les avocats, à différents stades, ont besoin du même type de soutien. Le résultat est une technologie largement déployée et étroitement utile.

Le projet pilote Product Law Hub suggère une approche différente. Les systèmes d’IA doivent s’adapter au niveau d’expérience de l’utilisateur et aux préférences de l’agence, et non les aplatir. C’est plus difficile à construire et à acheter, mais c’est la seule voie qui respecte la manière dont les avocats travaillent réellement.

Pourquoi cela est plus important à mesure que l’IA devient intégrée

À mesure que l’IA passe d’un outil facultatif à une infrastructure intégrée, le problème de l’ancienneté devient plus important. Les outils sur lesquels s’appuient les jeunes avocats façonnent leur façon d’apprendre à penser. Les outils que les juristes chevronnés rejettent déterminent si les connaissances institutionnelles sont renforcées ou perdues.

Ignorer les différences de niveau d’expérience n’affecte pas seulement l’adoption. Cela affecte le développement des talents.

Le plat à emporter inconfortable

La leçon inconfortable que l’on peut tirer des données recueillies en classe est que l’IA juridique n’échoue pas parce qu’elle n’est pas assez intelligente. Elle échoue parce qu’elle n’est pas suffisamment différenciée.

Les avocats ne sont pas des utilisateurs interchangeables. Ils ne l’ont jamais été. Les systèmes qui prétendent le contraire continueront de décevoir, quelle que soit la sophistication des modèles sous-jacents.

Jusqu’à ce que l’IA juridique reconnaisse le problème d’ancienneté et le conçoive explicitement, les entreprises continueront d’acheter des outils qui semblent prometteurs, déployés à grande échelle et échoueront discrètement là où cela compte le plus.

Olga V. Mack est la PDG de TermScout, où elle construit des systèmes juridiques qui rendent les contrats plus rapides à comprendre, plus faciles à utiliser et plus fiables dans des conditions commerciales réelles. Son travail se concentre sur la manière dont les règles juridiques répartissent le pouvoir, gèrent les risques et façonnent les décisions dans un contexte d’incertitude. PDG en série et ancienne avocate générale, Olga a auparavant dirigé une société de technologie juridique lors de son acquisition par LexisNexis. Elle enseigne à Berkeley Law et est membre du CodeX, le Stanford Center for Legal Informatics. Elle est l’auteur de plusieurs livres sur l’innovation juridique et la technologie, a donné six conférences TEDx et ses idées apparaissent régulièrement dans Forbes, Bloomberg Law, VentureBeat, TechCrunch et Above the Law. Son travail traite le droit comme une infrastructure essentielle, conçue pour le fonctionnement réel des organisations.