Faire relire ses contrats par une IA : ce que ça vaut, ce que ça risque

L'IA juridique appliquée aux contrats est l'un des usages qui se répandent le plus vite dans les directions administratives et financières, souvent sans que personne l'ait décidé. Un responsable colle un contrat fournisseur dans un assistant, demande « qu'est-ce qui cloche ici », obtient trois pages structurées, et le réflexe s'installe.

Le réflexe n'est pas absurde. Sur certains types d'anomalies, un modèle de langage est réellement supérieur à une lecture humaine fatiguée du vendredi soir. Sur d'autres, il produit une réponse fluide, argumentée, et fausse. La différence entre les deux n'est pas une question de qualité de modèle : elle tient à la nature de la tâche demandée.

Cet article trace cette frontière. Il décrit ce qu'une relecture par IA détecte bien, ce qu'elle rate structurellement, comment traiter la question de la confidentialité des documents envoyés, et propose une méthode d'usage en premier filtre plutôt qu'en substitut d'un avis.

Ce qu'une IA juridique repère bien dans un contrat

Les points forts se regroupent en quatre familles, qui ont un point commun : elles reposent sur la comparaison et l'extraction, pas sur le raisonnement juridique.

Les clauses manquantes

Donnez à un modèle une liste de clauses attendues pour un type de contrat, et demandez-lui de vérifier lesquelles sont absentes. Il est très efficace à cet exercice, parce qu'il s'agit d'un appariement sémantique et non d'une appréciation. Une clause de limitation de responsabilité, une clause d'attribution de juridiction, une clause de réversibilité dans un contrat d'infogérance : leur absence est repérée de façon fiable, y compris quand la clause existe sous un intitulé inhabituel.

Les incohérences internes

Dates qui ne se recoupent pas, durée initiale contredite par la clause de résiliation, préavis exprimé en mois à un endroit et en jours à un autre, renvois à des articles qui n'existent pas, montants répétés avec un chiffre différent, définitions employées avant d'être posées. Ce travail de recoupement est fastidieux pour un humain sur un document de quarante pages, et il est mécanique pour une machine.

Les asymétries

Demander « quelles obligations pèsent sur chaque partie, et lesquelles sont déséquilibrées » donne des résultats utiles. Un modèle repère qu'une partie peut résilier sans motif avec un préavis de trente jours tandis que l'autre doit invoquer un manquement grave, ou qu'un plafond de responsabilité protège l'un et pas l'autre. Il ne dira pas si c'est acceptable, mais il vous met le déséquilibre sous les yeux.

L'extraction de données

C'est l'usage le plus rentable et le moins risqué. Sur un portefeuille de cent vingt contrats fournisseurs, extraire pour chacun la date d'effet, la durée, le mode de reconduction, le préavis de dénonciation, la clause d'indexation et le montant annuel produit un tableau exploitable. À la main, comptez un quart d'heure par contrat, soit une trentaine d'heures. Avec une extraction automatisée suivie d'une relecture ciblée, comptez trois heures de traitement et une journée de vérification humaine, concentrée sur les contrats à fort enjeu. Le gain n'est pas dans la suppression de la relecture : il est dans son ciblage.

Ce qu'un modèle rate systématiquement

Les échecs ne sont pas aléatoires. Ils se produisent chaque fois que la réponse exige quelque chose que le modèle ne possède pas : une source de droit à jour, le contexte de la relation commerciale, ou une qualification.

• Les références juridiques inventées. C'est le risque le mieux documenté. Une étude universitaire publiée en 2024 sur les hallucinations juridiques mesure des taux d'erreur très élevés, entre 58 % et 88 % selon les modèles, sur des questions vérifiables portant sur des décisions de justice fédérales américaines. Le chiffre exact importe moins que l'ordre de grandeur : un article de code cité par un modèle doit être vérifié à la source, sans exception. Le mécanisme est exactement celui décrit à propos des hallucinations de l'IA générative, appliqué à un domaine où la fausse référence est particulièrement crédible.
• La qualification juridique. Savoir si une clause est une clause pénale ou une clause de dédit, si un contrat est un louage d'ouvrage ou un contrat de prestation de services, si une relation relève de la sous-traitance au sens de la loi : ce sont des raisonnements qui dépendent d'une jurisprudence que le modèle restitue de façon approximative.
• Le caractère abusif ou déséquilibré. Un déséquilibre repéré n'est pas un déséquilibre significatif au sens du droit. La réponse dépend du rapport de force, de l'économie générale du contrat et de la pratique du secteur. Le modèle ne connaît rien de tout cela.
• Les obligations sectorielles. Clauses imposées dans les marchés publics, mentions obligatoires en assurance, contraintes propres à la santé ou aux services financiers : le modèle les évoque parfois, mais son silence ne vaut jamais absence d'obligation.
• Ce qui n'est pas dans le document fourni. Un contrat renvoie à des annexes, à des conditions générales, à un bon de commande. Si vous ne les fournissez pas, le modèle raisonnera comme si elles n'existaient pas, sans le signaler.
• La stratégie de négociation. Quelle clause vaut la peine d'être défendue, laquelle est un point d'échange, ce que le fournisseur acceptera : cela relève de la connaissance de la relation, pas du texte.

Un dernier point, moins connu : sur les documents très longs, la qualité de l'analyse n'est pas uniforme. Les éléments situés au milieu d'un contexte étendu sont statistiquement moins bien exploités que ceux placés au début ou à la fin. Un contrat de quatre-vingts pages traité en un seul bloc produit une analyse plus faible qu'un traitement section par section.

Confidentialité : où partent vos contrats

C'est la question qui devrait précéder toutes les autres, et qui vient presque toujours en dernier. Un contrat contient des conditions tarifaires, des données personnelles de signataires, parfois du secret des affaires. Souvent, il contient aussi une clause de confidentialité qui vous interdit de le communiquer à un tiers : envoyer ce document à un prestataire de traitement non prévu au contrat peut constituer un manquement à cette clause.

Trois vérifications avant tout usage :

1. La politique de conservation du fournisseur. Les offres professionnelles proposent généralement une conservation limitée et l'absence d'utilisation des contenus pour l'entraînement, ce que les offres grand public ne garantissent pas toujours. La différence n'est pas technique, elle est contractuelle : elle se lit dans les conditions, pas dans la page marketing.
2. La localisation du traitement. Selon la sensibilité des documents, l'hébergement dans l'Union européenne peut être une exigence. C'est le sujet que nous avons traité à propos de l'hébergement de son IA en France, et il se pose ici avec une acuité particulière puisque les documents concernés sont par nature confidentiels.
3. La base de licéité et l'information des personnes. Les signataires, les contacts opérationnels, les représentants légaux sont des personnes physiques identifiables. Le traitement de leurs données par un outil d'IA entre dans le champ du RGPD appliqué à l'IA en entreprise, avec les conséquences habituelles en matière de registre et de sous-traitance.

Une mesure simple réduit fortement le risque : retirer les identités et les montants avant l'envoi lorsque l'analyse porte sur la structure du contrat plutôt que sur ses chiffres. Une relecture de clauses n'a pas besoin de savoir qui signe ni combien.

Une méthode de premier filtre en cinq étapes

L'usage qui fonctionne est celui du premier filtre : le modèle prépare le travail, l'humain décide. Voici une procédure applicable telle quelle.

1. Constituez une grille de contrôle par type de contrat. Quinze à vingt-cinq points attendus pour un contrat de prestation, un bail commercial, un contrat de sous-traitance. Cette grille est votre actif : elle vaut plus que l'outil.
2. Découpez les documents longs. Traitez par section plutôt que d'envoyer quatre-vingts pages d'un bloc. Fournissez toujours les annexes citées, ou signalez explicitement leur absence dans la consigne.
3. Demandez des citations obligatoires. Exigez que chaque observation renvoie au numéro d'article et au passage exact du contrat. Une observation sans citation vérifiable est à écarter par principe.
4. Classez les sorties en trois niveaux. Faits vérifiables dans le document (dates, montants, présence d'une clause), lectures d'interprétation (déséquilibre apparent), et affirmations de droit. Les deux premiers niveaux sont exploitables tels quels après vérification rapide ; le troisième va au juriste.
5. Tracez ce qui a été analysé et par quoi. Quel document, quelle version, quel outil, quelle date. Le jour où une clause pose problème, savoir que la relecture a été faite par un outil et non par un conseil change la conversation.

Une formulation de consigne fait beaucoup de différence : demandez ce qui est absent et ce qui est incohérent, pas ce qui est « risqué ». La première question appelle une vérification, la seconde appelle une opinion, et c'est sur les opinions que le modèle brode.

Ce que la relecture par IA ne transfère jamais

Un point de responsabilité, souvent mal compris. Utiliser un outil d'IA pour relire un contrat ne déplace aucune responsabilité vers l'éditeur de l'outil. Si vous signez un engagement défavorable parce que le modèle n'a rien signalé, c'est votre signature qui engage l'entreprise. Les conditions générales des fournisseurs excluent d'ailleurs explicitement toute garantie sur l'exactitude des sorties.

Il faut aussi distinguer la relecture d'un contrat, qui reste un usage interne, de la fourniture d'un conseil juridique à des tiers, qui est une activité réglementée en France. Une entreprise qui automatiserait la production d'avis juridiques pour ses clients sortirait de l'usage décrit ici.

Enfin, le cadre européen applicable à l'IA classe certains usages en matière de justice parmi les systèmes à haut risque. L'analyse de contrats commerciaux en interne n'en fait pas partie, mais un outil vendu comme aide à la décision judiciaire, lui, y entre. La nuance vaut d'être connue avant de bâtir un produit sur cette base.

La bonne place de l'IA juridique dans le traitement des contrats

L'IA juridique appliquée aux contrats vaut ce que vaut la question qu'on lui pose. Sur l'extraction, la détection de clauses manquantes et le repérage d'incohérences, elle fait gagner un temps considérable et détecte des choses qu'une relecture humaine laisse passer. Sur la qualification, la jurisprudence et l'appréciation du déséquilibre, elle produit du texte convaincant sans fondement vérifiable.

La règle d'usage tient en une phrase : servez-vous du modèle pour savoir où regarder, jamais pour savoir quoi conclure. Commencez par un lot de contrats non sensibles, construisez votre grille de contrôle, mesurez sur dix documents combien d'anomalies réelles ressortent et combien d'observations sont à écarter. Ce ratio, mesuré chez vous et sur vos contrats, vous en dira plus que n'importe quelle démonstration commerciale.