Avertissement d’Arun Subramanian sur l’IA juridique : l’efficacité peut affaiblir les avocats chargés de la vérifier

Arun Subramanian a lancé un avertissement sur l’IA juridique après l’apparition de citations inexactes dans un dépôt fédéral, malgré les politiques et la formation du cabinet d’avocats. Le juge de Manhattan a refusé de sanctionner les avocats concernés. Sa décision a toutefois présenté cet épisode comme davantage qu’une défaillance isolée dans la rédaction.

Le problème immédiat concernait des résultats non vérifiés provenant d’un outil d’intelligence artificielle. Le problème plus vaste est de savoir qui sera qualifié pour vérifier ces résultats à l’avenir. Si l’IA effectue les recherches et la rédaction qui formaient traditionnellement les jeunes avocats, les cabinets risquent d’affaiblir leur propre système de vérification.

Cette tension rend la décision importante au-delà d’une seule action en justice pour violation du droit d’auteur. L’IA juridique promet des recherches plus rapides, des cycles de rédaction plus courts et des coûts réduits. Ces gains deviennent des risques lorsque les cabinets éliminent le travail qui apprend aux avocats à reconnaître une autorité inexistante, un raisonnement fragile ou un contexte manquant.

L’avertissement de Subramanian remet aussi en cause une hypothèse courante concernant la supervision humaine. Un cabinet ne peut pas simplement placer un avocat après le modèle et déclarer le processus sûr. La personne chargée de la relecture doit disposer de suffisamment d’expérience, de temps et d’indépendance pour mettre le travail de la machine à l’épreuve.

Le conflit central n’oppose donc pas les avocats à l’IA. Il oppose l’efficacité immédiate à l’apprentissage plus lent qui forme des avocats compétents. Les clients peuvent recevoir un travail plus rapide aujourd’hui tout en héritant demain d’une profession moins fiable.

Ce que l’avertissement d’Arun Subramanian sur l’IA juridique a réellement changé

Le tribunal a traité l’échec d’une citation produite par l’IA comme le signe d’un problème plus profond de formation et de supervision, même sans infliger de sanctions.

Le litige est né dans Hill v. Foundation Media LLC, une affaire de droit d’auteur devant le district sud de New York. Lawand Hill, qui se représentait elle-même, accusait Foundation Media d’avoir enfreint des droits d’auteur liés à des œuvres musicales distribuées.

Subramanian a rejeté l’affaire après avoir adopté la recommandation d’un juge magistrat. Toutefois, dans son ordonnance du 22 septembre, il a séparément mis en question des citations et une référence figurant dans la réponse de Foundation Media aux objections de Hill.

Le juge a ordonné à l’avocat principal de déclarer si l’IA avait contribué à préparer cette réponse. Il a également demandé si l’utilisation non vérifiée de l’IA avait produit les éléments contestables. L’ordonnance du tribunal accessible au public identifie les références contestées et énonce cette obligation de divulgation.

Ce détail procédural est important. Foundation Media a gagné sur le fond, mais le tribunal a tout de même examiné la fiabilité de son dépôt victorieux. Une issue favorable n’a pas effacé la responsabilité de l’avocat quant à la manière dont le document avait été produit.

Cynthia Arato, avocate de Foundation Media, s’est excusée et a attribué les erreurs à un autre avocat de Shapiro Arato Bach. Selon la déclaration du cabinet, cet avocat a préparé la première version et finalisé le document avant son dépôt.

La déclaration indiquait que l’avocat avait agi à l’encontre des politiques et de la formation du cabinet. Elle décrivait le défaut de vérification des citations générées par l’IA comme isolé et non destiné à induire le tribunal en erreur.

Un dépôt ultérieur a identifié des outils de l’entreprise d’IA juridique Harvey comme ayant participé au processus de rédaction, selon le récit de l’affaire rapporté. Harvey et Foundation Media n’ont pas immédiatement répondu aux demandes de commentaires rapportées par Reuters.

Les éléments disponibles n’établissent pas que Harvey a, à lui seul, causé les erreurs. Ils établissent qu’un travail assisté par l’IA est parvenu au dépôt sans vérification humaine adéquate. Cette distinction maintient la responsabilité là où les règles professionnelles la placent : auprès des avocats qui soumettent le document.

Subramanian a refusé d’imposer des sanctions après avoir examiné l’explication. Sa retenue ne doit pas être confondue avec une approbation. Il a décrit l’incident comme un avertissement et a souligné que le travail juridique généré par l’IA exige des contrôles rigoureux de l’exactitude.

La décision a donc modifié le cadre dans lequel sont envisagées les erreurs d’IA juridique. Les tribunaux se sont souvent concentrés sur les affaires inventées, les sanctions pécuniaires ou la discipline des avocats. Subramanian a relié l’erreur immédiate à la capacité de la profession à former les futurs relecteurs.

Il a suggéré que les cabinets envisagent d’exiger des premières versions sans assistance de l’IA. La proposition est délibérément contraignante, car une partie importante de l’apprentissage se produit dans le travail que l’IA est conçue pour éliminer.

Cette idée transforme un incident de citation en question organisationnelle. Si une politique existe mais qu’un dépôt non vérifié atteint malgré tout le tribunal, les cabinets doivent examiner la conception des flux de travail, la supervision et les incitations. Une règle écrite ne peut pas, à elle seule, assumer cette charge.

L’avertissement d’Arun Subramanian sur l’IA juridique porte, au fond, sur la mémoire institutionnelle. Les cabinets ont besoin de professionnels qui comprennent pourquoi un argument fonctionne, et pas seulement si un logiciel l’a mis en forme de manière convaincante.

Une erreur de citation a révélé la faille de supervision

La relecture humaine échoue lorsque la responsabilité est attribuée de manière générale, mais que la vérification n’est pas intégrée à chaque étape du flux de travail.

L’IA générative produit du texte en prédisant des suites probables à partir de schémas présents dans les données. Elle ne restitue pas la vérité par défaut, même lorsque sa réponse comprend des citations soignées, des noms d’affaires et des références formelles.

Une hallucination est un résultat affirmatif qui ne repose pas sur un fondement factuel fiable. Dans la pratique juridique, elle peut prendre la forme d’une affaire inexistante, d’une citation modifiée ou d’une décision réelle invoquée à l’appui de la mauvaise proposition.

Ces erreurs sont dangereuses parce qu’elles ressemblent à un travail professionnel. Une citation fabriquée peut comporter un nom de tribunal plausible, une date, une référence de recueil et un principe juridique. Sa qualité apparente peut donner l’impression qu’une relecture superficielle suffit.

L’épisode Foundation Media illustre comment la supervision peut se fragmenter. Un avocat utilise l’outil, un autre peut relire la version préliminaire, et l’avocat principal signe ou dépose le résultat. Chacun peut supposer que quelqu’un d’autre a effectué le contrôle des sources.

Cette structure crée une faille de vérification. Les politiques peuvent exiger l’exactitude, mais personne ne prend en charge un processus documenté consistant à ouvrir chaque autorité citée et à comparer chaque citation à sa source.

L’American Bar Association a traité ce problème avant la décision de Subramanian. Son avis déontologique sur l’IA indique que les avocats doivent tenir compte de la compétence, de la confidentialité, de la communication, de la supervision, de la franchise et d’honoraires raisonnables.

Ces obligations ne disparaissent pas lorsqu’un logiciel crée la première version. Un avocat demeure responsable des déclarations faites au tribunal et des conseils fournis à un client.

La vérification exige également plus que de confirmer l’existence d’une affaire. Le relecteur doit déterminer si la décision demeure valable, si elle s’applique dans la juridiction concernée et si elle étaye l’affirmation précise avancée.

Le processus devient plus difficile lorsqu’un modèle mêle des éléments exacts à des inventions subtiles. Un mémoire comportant des recherches majoritairement correctes peut réduire la vigilance du relecteur. Les quelques éléments faux peuvent se dissimuler dans un travail par ailleurs crédible.

Les produits juridiques d’entreprise peuvent réduire certains risques grâce à des sources de données contrôlées, des liens vers les autorités, des paramètres de sécurité ou des systèmes de recherche intégrés. Toutefois, la conception du produit ne peut pas transférer la responsabilité professionnelle de l’avocat à un fournisseur.

La question pertinente n’est pas de savoir si un outil porte l’étiquette du secteur juridique. Il s’agit de savoir si le flux de travail permet à un avocat compétent de reproduire, d’examiner et de défendre l’analyse obtenue.

Les avocats expérimentés doivent aussi résister au biais d’automatisation, c’est-à-dire la tendance à faire confiance à un système parce qu’il paraît sophistiqué ou constamment utile. Des résultats régulièrement bons peuvent rendre l’erreur exceptionnelle plus difficile à détecter.

Un processus solide devrait conserver une piste d’audit. Celle-ci devrait indiquer quel outil a été utilisé, quelle tâche il a accomplie, qui a vérifié le résultat et quelles sources primaires étayaient le document final.

Les cabinets peuvent appliquer des contrôles différents selon les tâches. Résumer une réunion interne présente des risques différents de la rédaction d’une requête déterminante. Le niveau de relecture requis devrait augmenter avec les conséquences d’une erreur.

Les travaux à haut risque exigent des contrôles au niveau des sources, des attributions claires de relecteurs et suffisamment de temps pour remettre en question la version préliminaire. Ils peuvent également exiger qu’un avocat reconstruise le raisonnement sans s’appuyer sur le texte généré.

Cette dernière étape compte, car la vérification des citations ne peut à elle seule identifier toutes les défaillances. Un mémoire peut citer correctement des affaires réelles tout en omettant une autorité contraire, en comprenant mal le dossier ou en poursuivant une stratégie préjudiciable au client.

La réponse de Subramanian privilégie la supervision plutôt que la sanction. Le tribunal a accepté l’explication du cabinet et ses garanties supplémentaires, mais son avertissement demande si ces garanties fonctionneront lors du prochain dépôt précipité.

Le critère est opérationnel. Une politique n’a de valeur que si les avocats peuvent la suivre malgré les délais, la pression des clients et les exigences de réduction des coûts.

Le compromis d’efficacité menace l’apprentissage juridique

L’IA peut supprimer le travail des jeunes avocats plus vite que les cabinets ne peuvent remplacer le jugement que ce travail développait autrefois.

Les jeunes avocats apprennent traditionnellement par la répétition. Ils lisent des dossiers, suivent les autorités, comparent les versions, reçoivent des corrections et observent comment des avocats expérimentés transforment la doctrine juridique en conseils aux clients.

Une grande partie de ce travail est lente. Elle est aussi coûteuse dans le modèle traditionnel des cabinets d’avocats. L’IA générative cible précisément ces tâches de recherche, de relecture et de rédaction.

L’argument d’efficacité est facile à comprendre. Un système peut créer une chronologie, résumer des documents, comparer des clauses contractuelles ou produire une version préliminaire en quelques minutes. Les avocats peuvent alors consacrer davantage de temps à la stratégie et aux relations avec les clients.

Ce résultat est possible, mais il n’est pas automatique. Supprimer le travail courant ne garantit pas que les jeunes avocats reçoivent de meilleures missions. Les cabinets peuvent simplement réduire leurs heures, restreindre leurs rôles ou attendre d’eux qu’ils supervisent des résultats qu’ils n’ont pas l’expérience d’évaluer.

L’apprentissage juridique comporte ce que les pédagogues appellent parfois une friction cognitive. L’apprenant se confronte à l’incertitude, fait des choix, rencontre des impasses et reçoit des retours. Cet effort construit un modèle mental du problème.

L’IA compresse la difficulté en même temps que la tâche. Une version soignée arrive avant que le jeune avocat ait formé un point de vue indépendant. La révision remplace alors la construction comme activité d’apprentissage par défaut.

La révision peut enseigner des compétences précieuses, mais seulement lorsque la personne qui révise reconnaît ce qui manque ou ce qui est erroné. Un novice peut améliorer la formulation tout en passant à côté d’une prémisse défaillante, d’un précédent défavorable ou d’une concession stratégique.

C’est le paradoxe qui sous-tend les risques de formation des avocats liés à l’IA. Les cabinets veulent que les jeunes avocats vérifient les résultats de la machine, tandis que l’automatisation réduit les expériences qui enseignent cette vérification.

La suggestion de Subramanian selon laquelle les cabinets devraient exiger certaines premières versions sans IA répond directement à ce paradoxe. Elle crée un environnement de pratique protégé dans lequel les avocats doivent rechercher, organiser et raisonner avant de comparer leur travail aux résultats générés.

Cette approche a un coût. Les clients ne souhaiteront peut-être pas financer un travail manuel lorsqu’un logiciel peut produire une version préliminaire plus rapidement. Les associés peuvent également résister à une formation non facturable durant des dossiers exigeants.

Pourtant, ce coût existe déjà. L’apprentissage traditionnel intégrait la formation au travail client, souvent sans la qualifier d’éducation. L’IA rend cette subvention visible en séparant la production du développement professionnel.

Les cabinets doivent désormais prévoir des budgets de formation délibérés et des compétences mesurables. Ils ne peuvent pas supposer que les jeunes avocats acquerront leur jugement grâce à un travail qui n’arrive plus sur leur bureau.

La profession dans son ensemble est parvenue à des conclusions similaires. Une analyse de 2026 sur le parcours de développement du jugement affirme que l’IA modifie les tâches existantes et la manière dont les futurs avocats développent le sens de la responsabilité fiduciaire, le jugement commercial et la confiance des clients.

L’analyse distingue la production procédurale du jugement contextuel. L’IA peut assembler des documents et reconnaître des schémas. Les avocats doivent déterminer quels faits sont pertinents, quels risques un client peut tolérer et qui assume la responsabilité du conseil fourni.

Le juge en chef de Singapour, Sundaresh Menon, a soulevé une préoccupation connexe en 2026. Il a averti que le remplacement de la recherche et de l’analyse fondamentales pourrait affaiblir la capacité des avocats à contrôler le travail généré par l’IA.

Son discours ultérieur sur la formation a décrit les tâches juridiques que l’IA peut considérablement accélérer, ainsi que la pression sur l’emploi des jeunes avocats. Il appelait également à accorder davantage d’importance au jugement, à l’éthique, à la responsabilité, au discernement et à l’intégrité.

Ces avertissements n’impliquent pas qu’il faille préserver toutes les pratiques inefficaces. La revue documentaire ne devrait pas rester lente au seul motif que les générations précédentes apprenaient par le volume.

Les cabinets doivent plutôt identifier ce que chaque mission enseignait et reconstruire cet apprentissage de manière intentionnelle. Les recherches apprenaient à évaluer les sources. La rédaction enseignait la structure. Le contact avec les clients enseignait le jugement face à des informations incomplètes.

Un apprentissage repensé pourrait associer premières versions rédigées de façon indépendante, comparaisons d’IA supervisées, simulations, exercices de vérification des sources et exposition directe aux clients. Chaque élément devrait viser une compétence professionnelle définie.

La révision par les avocats expérimentés doit aussi devenir plus visible. Un associé qui corrige silencieusement un projet assisté par IA peut protéger le client, mais n’enseigne rien au jeune avocat. Les retours devraient expliquer pourquoi le résultat a échoué et comment le relecteur a identifié le problème.

Les cabinets devraient mesurer le développement par des compétences démontrées, et non uniquement par les heures facturables ou l’usage des outils. Un jeune avocat devrait pouvoir effectuer des recherches de manière autonome, tester les résultats de l’IA, expliquer les incertitudes et défendre une recommandation.

Un système interne de connaissances consultable peut soutenir ce processus s’il préserve les précédents vérifiés, les notes de révision et le raisonnement à l’origine des décisions. L’objectif n’est pas un stockage passif, mais une base de connaissances consultable qui renforce l’apprentissage supervisé.

Le flux de travail juridique le plus solide avec l’IA inclut donc des périodes durant lesquelles l’outil reste fermé. Les avocats doivent avoir l’occasion de prouver qu’ils peuvent raisonner sans échafaudage généré avant d’être chargés de le superviser.

Les clients héritent des risques que les cabinets promettent de maîtriser

Les risques de l’IA juridique pour les clients dépassent les fausses citations : ils concernent la confidentialité, la stratégie, les coûts et la qualité de la représentation future.

Les clients ont souvent des raisons rationnelles de demander l’utilisation de l’IA. Ils veulent des délais plus courts, des factures moins élevées, des documents plus clairs et moins d’heures consacrées à des tâches répétitives.

Subramanian a reconnu cette pression. Il a également averti que les clients peuvent subir des conséquences défavorables lorsque les choses tournent mal. Un coût de rédaction plus faible apporte peu de réconfort si une soumission défectueuse affaiblit une demande ou nuit à la crédibilité.

Le risque visible est une citation inventée. Le risque moins visible est un conseil qui semble raisonnable tout en omettant un fait décisif, une question procédurale ou une conséquence commerciale.

La représentation juridique exige davantage que la production de texte. Les avocats doivent comprendre l’objectif du client, contester les hypothèses, protéger les informations confidentielles et parfois déconseiller l’action privilégiée par le client.

Un modèle ne peut pas assumer la responsabilité professionnelle de ces choix. L’avocat qui l’utilise reste responsable, même lorsqu’un client a demandé la technologie ou qu’un fournisseur a commercialisé le système pour le travail juridique.

Les clients devraient donc demander comment l’IA sera utilisée, et pas seulement si un cabinet l’utilise. La recherche, la synthèse, la rédaction, l’examen des contrats et le conseil stratégique entraînent des conséquences différentes.

Ils devraient également demander quelles informations sont saisies dans le système. Les faits confidentiels, les communications couvertes par le privilège, les données personnelles et les documents commercialement sensibles exigent des garanties adaptées aux contrôles de conservation et d’accès du produit.

Les orientations de l’ABA indiquent que les avocats doivent comprendre les capacités et les limites d’un outil. Elles relient également l’utilisation de l’IA aux devoirs concernant la communication avec le client et la confidentialité.

Cette obligation complique les clauses de consentement génériques. Un client ne peut pas évaluer utilement l’utilisation de l’IA sans connaître la tâche, les données concernées, le bénéfice attendu et l’alternative disponible.

Les coûts créent une autre tension. Si l’IA réduit le temps nécessaire à une tâche, les clients s’attendront à en recevoir les économies. Les cabinets doivent néanmoins financer la révision, la formation, la sécurité et la gouvernance des fournisseurs.

Ces dépenses sont réelles, mais elles devraient être transparentes. Un client ne devrait pas payer des heures manuelles fictives pour une production automatisée. Un cabinet ne devrait pas non plus supprimer une révision essentielle afin de préserver ses marges.

Le modèle de facturation à l’heure peut pousser les cabinets dans les deux directions. Il peut décourager l’automatisation lorsque l’efficacité réduit les revenus. Il peut également encourager une automatisation excessive lorsque les clients imposent des budgets stricts.

Les structures tarifaires alternatives ne résolvent pas à elles seules le problème de qualité. Un forfait peut récompenser l’efficacité, mais aussi une révision minimale, à moins que la mission ne définisse les livrables et les contrôles.

Le meilleur contrat traite du processus. Il peut préciser les usages approuvés, les protections de confidentialité, les obligations de vérification, les attentes en matière de divulgation et la nécessité éventuelle d’obtenir le consentement du client pour certaines tâches.

Les clients devraient aussi savoir qui a effectué le travail. Un avocat senior ne devrait pas laisser entendre qu’un professionnel expérimenté a personnellement recherché une question lorsqu’un modèle a généré le fondement et qu’un jeune avocat n’a procédé qu’à une révision limitée.

Rien de tout cela ne signifie que les clients devraient rejeter l’IA juridique. Un usage responsable peut améliorer l’accès à la justice, accélérer le travail courant et aider les avocats à examiner de vastes dossiers qui, autrement, mettraient les budgets sous pression.

Le contrepoids est l’accès à la justice. Interdire strictement des outils utiles peut maintenir des processus coûteux que de nombreux particuliers et petites organisations ne peuvent pas se permettre.

Les débats judiciaires reconnaissent de plus en plus ce compromis. Le défi consiste à rendre les services assistés par IA plus accessibles sans présenter des résultats non vérifiés comme un jugement professionnel.

Le système des règles fédérales examine si les obligations existantes répondent adéquatement aux autorités fabriquées par l’IA. Un ordre du jour d’octobre 2026 du comité des règles examine si les normes actuelles de la Rule 11 couvrent déjà le problème ou exigent une réponse plus spécifique.

Ce débat est important, car des pratiques judiciaires incohérentes créent de l’incertitude. Certains juges exigent des divulgations ou des certifications relatives à l’IA. D’autres s’appuient sur les obligations existantes d’exactitude, de compétence et de diligence raisonnable.

Une règle nationale pourrait créer de la cohérence, mais la divulgation seule ne peut pas garantir la qualité. Un document signalé comme assisté par IA peut toujours être erroné, tandis qu’un document assisté par IA et soigneusement vérifié peut satisfaire pleinement aux obligations professionnelles.

La protection la plus utile pour le client demeure un jugement humain responsable. La divulgation, la sécurité et la vérification devraient soutenir ce jugement plutôt que s’y substituer.

Ce que les cabinets et les clients devraient surveiller ensuite

Le prochain test sera de savoir si la profession transforme les avertissements judiciaires en systèmes mesurables de formation et de vérification.

Le premier signal viendra des ordonnances judiciaires et des décisions en matière de sanctions. Les juges déterminent si les règles professionnelles existantes suffisent et quels manquements justifient des sanctions pécuniaires, des signalements ou des réprimandes publiques.

Une hausse des certifications spécifiques aux outils montrerait que les tribunaux privilégient la divulgation et la vérification documentée. Le maintien du recours aux obligations ordinaires d’exactitude ferait davantage peser sur les cabinets la responsabilité de concevoir leurs propres contrôles.

Aucune de ces voies ne supprime l’obligation sous-jacente. Les tribunaux continueront d’attendre des avocats qu’ils vérifient les autorités, les citations, les affirmations factuelles et le lien entre le précédent et l’argument.

Le deuxième signal sera la manière dont les cabinets repensent la formation des jeunes avocats. Annoncer une formation à l’IA ne suffit pas si le programme enseigne les prompts sans recherche indépendante, rédaction ni évaluation des sources.

Des preuves utiles comprendraient des missions protégées sans IA, des exercices de comparaison supervisés, des programmes de simulation et des évaluations de compétences. Les cabinets devraient également expliquer comment les avocats expérimentés fournissent des retours sur le travail assisté par IA.

Les tendances de recrutement méritent attention. Si les cabinets réduisent les postes de débutant sans créer de nouveaux apprentissages, le parcours de développement du jugement se rétrécira. Les conséquences pourraient mettre des années à devenir visibles.

Le troisième signal sera le comportement des clients. Les services juridiques des entreprises établissent de plus en plus de directives pour les conseils externes couvrant les outils approuvés, le traitement des données, les effectifs, la facturation et la divulgation.

Si les clients exigent à la fois efficacité et garanties vérifiables, les cabinets auront une raison commerciale de bâtir des systèmes rigoureux. Si les clients se concentrent uniquement sur la rapidité et le coût, la vérification et la formation pourraient rester sous-financées.

Les fournisseurs d’IA juridique subissent également des pressions pour soutenir cette responsabilité. Les acheteurs rechercheront des sources traçables, des contrôles d’autorisation, des journaux d’audit, une gestion sécurisée des données et des intégrations avec des outils de recherche faisant autorité.

Ces fonctionnalités peuvent faciliter la révision. Elles ne peuvent pas déterminer si un avocat a compris l’objectif du client ou exercé un jugement éclairé.

Le dépôt Hill constitue un point de référence utile. Le cabinet aurait disposé de politiques et de formations, mais des éléments contestables sont tout de même parvenus au tribunal. Les futures garanties devront traiter le chemin qui sépare les règles formelles des comportements réels.

Les cabinets peuvent commencer par une attribution claire des responsabilités. Chaque document assisté par IA devrait être confié à un avocat identifié, responsable de la validation des sources, de la révision du raisonnement, de la confidentialité et de l’approbation finale.

Ils devraient ensuite conserver la preuve de ce travail. Une liste de contrôle n’est utile que lorsqu’elle reflète un examen réel plutôt qu’une case cochée avant le dépôt.

La formation devrait relier les erreurs à leurs conséquences professionnelles. Les jeunes avocats doivent voir comment une citation fabriquée peut affecter la crédibilité, la stratégie du client et la disposition du tribunal à faire confiance aux soumissions ultérieures.

Les avocats expérimentés ont eux aussi besoin de formation. Leur expérience de la doctrine ne leur apporte pas automatiquement une connaissance du comportement des modèles, des contrôles de données ou des schémas de défaillance des systèmes génératifs.

Les clients peuvent poser plusieurs questions directes avant de demander un travail assisté par IA :

• Quelles tâches utiliseront l’IA et lesquelles resteront dirigées par des humains ?

• Qui vérifiera chaque autorité et chaque citation ?

• Quelles informations du client seront saisies dans le système ?

• Comment le fournisseur stocke-t-il ou réutilise-t-il ces informations ?

• Comment l’IA affectera-t-elle les effectifs, les délais et les honoraires ?

• Que se passe-t-il lorsque l’outil produit une erreur ?

Ces questions n’exigent pas que les clients deviennent des spécialistes de l’IA. Elles exigent que les cabinets expliquent leur processus dans des termes qu’un client peut évaluer.

L’avertissement de Subramanian ne prédit pas la fin de l’IA juridique. Il suppose une adoption continue et demande à la profession d’affronter ses coûts cachés.

Le compromis en faveur de l’efficacité reste attrayant. L’IA peut réduire les efforts répétitifs et donner aux avocats davantage de temps pour un travail à plus forte valeur ajoutée. Ce bénéfice ne perdure que lorsque les cabinets réinvestissent une partie du temps gagné dans la supervision et l’apprentissage.

La question la plus difficile est de savoir s’ils le feront. Une profession qui automatise l’apprentissage sans le remplacer finira par manquer du jugement nécessaire pour superviser l’automatisation.

L’avertissement d’Arun Subramanian sur l’IA juridique offre aux cabinets d’avocats, aux clients, aux tribunaux et aux fournisseurs un critère concret. Leurs systèmes produisent-ils des documents plus rapidement, ou forment-ils des avocats capables d’assumer la responsabilité de ces documents ?

Avant de demander un travail juridique assisté par l’IA, demandez qui le vérifiera et comment cette personne a appris à repérer les défaillances. Pour les cabinets d’avocats, la prochaine étape est tout aussi concrète : protéger la recherche indépendante, le retour d’information structuré et la vérification au niveau des sources. L’efficacité doit financer ces garanties, et non les éliminer.