Comment Jev peut-il s'appliquer au juridique ?

Introduction

TypeSafe AI, fondé par Diofo Almeida, ancien chercheur chez OpenAI, a officiellement lancé son IA Jev le 15 septembre dernier. Cela a beaucoup fait parler sur les réseaux sociaux. Dans cette note, je vais présenter les domaines dans lesquels Jev pourrait, selon moi, être utilisé dans le secteur juridique afin d’allier technologie et droit.

C’est quoi Jev ?

Pour celles et ceux qui n’ont jamais entendu parler de Jev, il s’agit d’une nouvelle IA dont le fonctionnement diffère grandement de celui des LLM connus. Cette IA applique l’adage Less Is More en utilisant une approche minimaliste qui lui confère une grande vitesse et une meilleure efficacité économique.

Explication

Les LLM classiques

ChatGPT, Claude et Gemini sont des LLM (Large Language Models). La manière dont ils fonctionnent est très complexe, mais l’idée derrière est simple : à partir d’une séquence de mots (plus précisément de tokens), le LLM va prédire le mot suivant. Il répète l’opération plusieurs fois pour prédire la réponse entière.

Illustration :

Jev

Contrairement aux LLM, Jev ne va pas générer de texte, il va prendre des décisions. La particularité, c’est que c’est nous (l’utilisateur) qui lui fournissons les choix. Évidemment, pour prendre une décision, il lui faut un contexte. Nous le lui fournissons également. Au final, on lui donne :

• un contexte
• des choix Et Jev choisit une option parmi les choix proposés avec un score de confiance.

Une image vaut mille mots :

Pourquoi c’est révolutionnaire ?

Le premier aspect est la vitesse et le coût. Jev met quelques millisecondes à prendre une décision, tandis qu’un LLM va mettre plusieurs secondes à expliquer son choix avec du texte. De plus, ce qui coûte cher, ce n’est pas la sortie de Jev, mais son entrée (contrairement aux IA actuelles).

Le deuxième aspect est le fait de choisir dynamiquement les choix.

Historiquement, on entraînait des classificateurs sur des classes prédéfinies et, si l’on souhaitait changer ces classes, on devait réentraîner le modèle à partir de zéro.

Par exemple, si j’entraînais une IA à détecter si un client est satisfait ou non et que ma direction me demandait de pouvoir également détecter lorsque le client est neutre, je devais reprendre l’entraînement à partir de zéro et ajouter une classe (la classe « Le client est neutre »).

Avec Jev, je peux lui demander à l’instant t de choisir entre « Le client est satisfait » et « Le client n’est pas satisfait » et, à l’itération suivante, ajouter le choix « Le client est neutre ».

Comment Jev peut-il s’appliquer au juridique ?

Comment « prendre une décision » peut-il s’appliquer au domaine juridique et quels en sont les impacts ? C’est évidemment une question que je me suis posée, sachant que je développe un SaaS dans ce domaine. Je vais proposer ici quelques cas d’usage qui me paraissent pertinents.

Si vous imaginez des cas d’usage auxquels je n’aurais pas pensé, n’hésitez pas à me contacter sur LinkedIn pour en discuter avec moi.

Triage des demandes entrantes

Les juristes ont énormément d’interactions avec d’autres départements :

• Comex
• Opérationnels
• Clients Les demandes entrantes peuvent être diverses :
• conseils
• contrats
• contentieux

Et c’est ici que Jev pourrait briller. Jev pourrait servir d’« assistant de triage des demandes entrantes ». En entrée, Jev recevrait la demande et on lui fournirait les questions suivantes avec les choix associés :

C’est une tâche tout à fait adaptée à une IA, car elle requiert une certaine intelligence. On ne peut pas simplement remplir les champs en détectant des motifs dans le texte. Il est nécessaire de comprendre le sens de la phrase et de l’interpréter dans son contexte pour en extraire une information utile.

Évaluations des risques dans un contrat

Chaque contrat est constitué de clauses qui vont régir son cadre. Certaines clauses ont un impact économique et opérationnel faible, tandis que d’autres sont critiques pour l’entreprise et, en cas de négligence ou d’erreur, peuvent coûter extrêmement cher à l’entreprise.

Ici, Jev pourrait servir à effectuer une première analyse en découpant le contrat en clauses et en appliquant à chacune d’elles un choix déterminant sa criticité. L’intérêt pour le ou la juriste serait d’obtenir rapidement une première analyse du contrat et de ses clauses, afin d’identifier immédiatement les points sur lesquels se focaliser.

Simplifier la veille juridique

Beaucoup de juristes se plaignent de l’aspect chronophage de la veille juridique. L’information est très importante, mais l’effort est souvent mis dans la recherche et la classification des nouvelles.

Le travail pourrait être grandement simplifié avec une IA comme Jev qui, à partir du corps de l’article, serait capable de classifier un flux de nouvelles et de déterminer :

• l’impact d’une nouvelle loi
• le registre dans lequel elle s’inscrit
• son champ d’action

Ainsi, un ou une juriste ne perdrait plus de temps à chercher et à classer l’information, mais pourrait se concentrer sur son analyse et sa mise en perspective au cœur de son expertise.

La réalité actuelle

Ces applications seraient absolument géniales si fiables. Malheureusement, la réalité est aujourd’hui autre et dans cette section nous allons discuter des limites de ces applications.

Jev, un modèle encore trop généraliste

Comme toute IA, Jev a été entraîné sur un corpus de textes généraliste et non spécifique au monde juridique. De ce fait, il n’est pas spécialisé, ce qui peut le rendre dangereux. Plus que dans d’autres domaines, l’impact des mots est significatif dans le monde juridique. En effet, une tournure de phrase peut entraîner de lourdes conséquences et un seul mot peut parfois changer complètement le sens d’une phrase. Il est donc impossible de l’appliquer à des processus critiques tels que l’analyse de clauses. Il reste pour l’instant au stade de simple conseiller.

Je n’ai malheureusement pas accès au modèle Jev en bêta fermée, mais j’ai utilisé Laya, qui est l’alternative open source la plus proche de Jev, et les résultats de classification juridique étaient loin d’être satisfaisants.

Le modèle cloud

Pour l’instant, Jev est en source fermée (comme Claude ou ChatGPT), ce qui, de facto, signifie que vos données partent tout droit vers les serveurs américains de TypeSafe AI. Vous n’êtes donc plus souverain de vos données confidentielles (clauses, contrats, etc.).

La direction future

Je pense que les modèles open source vont se développer et vont permettre de fine-tuner les modèles de type Jev, permettant ainsi des applications métier précises et fiables.

Le fine-tuning est une technique qui consiste à prendre un modèle d’intelligence artificielle et à le spécialiser dans un domaine en prolongeant son entraînement avec des données spécialisées dans ce domaine.

Conclusion

J’espère que cette note vous aura permis de découvrir et de comprendre Jev, et qu’elle vous aura inspiré des cas d’usage dans le milieu juridique. Si vous avez des suggestions ou des remarques, n’hésitez pas à venir en discuter avec moi sur LinkedIn.