IA et preuve : comment les avocats doivent auditer leurs outils

Un avocat peut-il s’appuyer sur une IA sans en expliquer le fonctionnement ?

La question n’est plus théorique. Des avocats américains ont déjà produit des mémoires contenant des décisions de justice inventées par ChatGPT, sans s’en apercevoir. En France, la généralisation des outils d’IA générative dans les cabinets pose une question de fond : un avocat qui s’appuie sur un raisonnement produit par une IA engage-t-il sa responsabilité s’il n’est pas en mesure d’en expliquer la méthode ?

1. L’émergence d’une obligation de traçabilité

Le cadre réglementaire de référence : l’AI Act européen

L’AI Act européen, entré en vigueur en août 2024, classe les systèmes d’intelligence artificielle selon leur niveau de risque et établit des obligations différenciées pour leurs utilisateurs. Si le texte ne vise pas explicitement les avocats, il s’applique à toute organisation déployant des systèmes d’IA dans ses activités professionnelles. Ce règlement s’articule avec la Charte éthique européenne d’utilisation de l’IA dans les systèmes judiciaires adoptée par la CEPEJ en 2018, qui pose des principes de transparence, d’impartialité et de contrôle humain.

Documentation et logs : des exigences pratiques

Les recommandations professionnelles convergent sur un point : l’utilisation de l’IA dans un cabinet doit s’accompagner de procédures de contrôle documentées. Il ne s’agit pas seulement de bonne pratique, mais d’une condition pour démontrer la diligence de l’avocat en cas de contestation.

Concrètement, cela implique :

• Conserver les prompts utilisés et les réponses générées ;
• Noter la version de l’outil employée à la date d’utilisation ;
• Documenter les vérifications effectuées sur les informations produites ;
• Archiver les échanges dans le dossier client concerné.

La protection des données, une contrainte préalable

Avant même de parler de traçabilité, l’avocat doit s’assurer que l’outil utilisé respecte ses obligations au titre du RGPD et du secret professionnel. Les conditions générales de la plupart des outils d’IA générative grand public prévoient une utilisation des données saisies pour améliorer les modèles. Transmettre des informations confidentielles sur un client dans ce type d’interface constitue une violation du secret professionnel, indépendamment de toute question de qualité des résultats.

2. Pourquoi l’IA pose un problème de preuve inédit

Des modèles qui génèrent, pas qui cherchent

Il existe une confusion fréquente sur ce que fait réellement un modèle de langage comme ChatGPT ou Claude. Ces systèmes ne recherchent pas des informations : ils génèrent du texte en calculant, de manière probabiliste, la suite de mots la plus vraisemblable à partir de leurs données d’entraînement. Leur objectif est la cohérence du texte produit, pas sa vérité factuelle.

Cette distinction est fondamentale pour comprendre le risque juridique. Un modèle de langage peut produire une citation d’arrêt parfaitement rédigée, avec des références de publication crédibles, qui n’existe tout simplement pas. Ce phénomène, couramment appelé hallucination, n’est pas un bug corrigeable : il est inhérent au fonctionnement probabiliste de ces systèmes.

En mai 2023, un avocat new-yorkais a soumis un mémoire contenant six décisions de justice entièrement inventées par ChatGPT. Le juge a sanctionné le cabinet d’une amende de 5 000 dollars. L’avocat avait demandé à l’IA si les arrêts cités étaient réels, et l’IA avait confirmé qu’ils l’étaient.

L’absence de traçabilité native

Contrairement à une base de données juridique classique — Dalloz, Lexis 360, Doctrine — un modèle d’IA générative n’indique pas toujours la source exacte de chaque affirmation qu’il produit. Il ne peut pas, par construction, fournir un chemin de raisonnement auditable. L’avocat qui utilise ces outils doit donc construire lui-même la traçabilité que l’outil ne fournit pas.

C’est précisément ce qui distingue l’IA générative des outils de recherche juridique spécialisés, qui citent leurs sources et permettent une vérification directe. La traçabilité n’est pas une fonctionnalité optionnelle : c’est une condition de la valeur probante du travail produit. Savoir utiliser l’IA pour obtenir des sources fiables est la condition impérative avant de l’utiliser dans sa recherche juridique.

La variabilité des réponses

Un même prompt soumis deux fois au même modèle peut produire deux réponses différentes. Cette variabilité, liée au caractère probabiliste des modèles, pose un problème spécifique en matière de preuve : comment garantir la reproductibilité d’un raisonnement si l’outil qui l’a produit ne génère pas deux fois le même résultat ?

3. Les risques pour les avocats

La contestation en justice

Si un document produit avec l’aide d’une IA contient des informations erronées — une jurisprudence inexistante, une interprétation législative incorrecte, une date fausse — la partie adverse peut le contester. La contestation ne porte pas sur l’utilisation de l’IA en elle-même, mais sur la fiabilité du contenu produit et la diligence de l’avocat qui l’a signé.

Dans ce contexte, l’avocat incapable de démontrer qu’il a vérifié les informations fournies par l’IA se trouve dans une position difficile. Il ne peut pas invoquer l’outil comme responsable : il reste le seul signataire du document.

La responsabilité professionnelle

Les règles déontologiques applicables aux avocats français — notamment celles issues du Règlement Intérieur National (RIN) — imposent des obligations de compétence, de diligence et de conseil. Ces obligations s’appliquent sans distinction à la méthode de travail employée.

Un avocat qui produit un acte erroné parce qu’il a fait confiance sans vérification à une IA engage sa responsabilité civile professionnelle dans les mêmes conditions que s’il avait commis une erreur de recherche classique. L’assurance responsabilité civile professionnelle ne constitue pas une protection contre les conséquences disciplinaires d’un manquement aux règles déontologiques.

La perte de crédibilité

Au-delà des risques juridiques immédiats, l’utilisation non maîtrisée de l’IA expose l’avocat à une perte de confiance de la part de ses clients et de ses confrères. La question de la transparence est aujourd’hui au cœur des débats dans la profession : dans quelle mesure l’avocat doit-il informer son client de l’utilisation d’une IA dans le traitement de son dossier ?

Sans position claire des barreaux sur ce point, la prudence recommande une transparence proactive. Un client qui découvre après coup que son dossier a été traité avec des outils qu’il n’a pas validés, et qui constate des erreurs, aura des raisons légitimes de remettre en cause la relation de confiance.

4. Vers un nouveau réflexe : auditer avant d’utiliser

Vérifier l’outil avant de l’adopter

L’audit d’un outil d’IA commence avant même la première utilisation. Il s’agit d’évaluer plusieurs dimensions :

• La confidentialité des données : les informations saisies sont-elles utilisées pour entraîner le modèle ? Existe-t-il une option de désactivation ? L’hébergement est-il conforme aux exigences du RGPD ?
• La traçabilité des sources : l’outil cite-t-il ses sources ? Permet-il de vérifier les informations produites ?
• Le périmètre de compétence : l’outil est-il entraîné sur des données juridiques françaises récentes, ou s’agit-il d’un modèle généraliste avec une connaissance limitée du droit français ?
• Les conditions contractuelles : qui est responsable en cas d’erreur ? Quelles garanties l’éditeur offre-t-il ?

Documenter les usages au fil de l’eau

La documentation ne doit pas être une démarche rétrospective. Elle doit s’intégrer dans le flux de travail, au moment même de l’utilisation de l’outil. Cela suppose d’adopter une discipline simple : pour chaque utilisation significative d’une IA dans un dossier, noter le contexte, le prompt utilisé, la réponse obtenue, et les vérifications effectuées.

Cette documentation sert deux objectifs distincts : démontrer la diligence de l’avocat en cas de contestation, et permettre une amélioration continue des pratiques au sein du cabinet.

Conserver les outputs

Les réponses générées par une IA ne doivent pas rester dans l’interface de l’outil, où elles peuvent être supprimées ou modifiées. Elles doivent être exportées et archivées dans le dossier client, avec une date et une indication de l’outil utilisé. Cette conservation est la condition minimale pour pouvoir reconstituer le raisonnement suivi si une question est soulevée ultérieurement.

5. Construire une méthode IA défendable

Définir des protocoles internes au cabinet

L’utilisation de l’IA ne peut pas reposer sur les pratiques individuelles de chaque collaborateur. Un cabinet qui intègre ces outils dans son fonctionnement doit définir des règles claires, applicables à tous :

• Quels outils sont autorisés, et pour quels types de tâches ;
• Quelles catégories d’informations ne doivent jamais être saisies dans une IA ;
• Quelles vérifications sont obligatoires avant toute utilisation d’un output dans un document client ;
• Comment documenter et archiver les usages.

Mettre en place un archivage structuré

L’archivage des interactions avec l’IA doit s’intégrer dans le système de gestion documentaire existant du cabinet. Chaque output significatif doit être horodaté, rattaché au dossier concerné, et accompagné d’une note indiquant les vérifications effectuées. Cette organisation permet de retrouver rapidement les éléments nécessaires en cas de contestation, sans avoir à reconstituer des échanges dispersés.

Viser la reproductibilité du raisonnement

La reproductibilité est le critère ultime d’une méthode défendable. Si un tiers — un juge, un confrère, un client — demande à l’avocat de justifier son raisonnement, celui-ci doit être en mesure de retracer les étapes suivies : quels prompts ont été utilisés, quelle version de l’outil, quels résultats ont été obtenus, et quelles vérifications ont été conduites sur ces résultats.

Cette exigence de reproductibilité suppose une formation au fonctionnement des systèmes d’IA. Un avocat qui ne comprend pas les limites d’un modèle de langage — notamment sa propension aux hallucinations et sa variabilité — n’est pas en mesure d’évaluer correctement la fiabilité des résultats qu’il produit. La formation n’est pas un luxe : elle conditionne la capacité à utiliser ces outils de manière professionnellement responsable.

Un exemple de grille d’audit minimale

1. Identification de l’outil : nom, version, éditeur, date d’utilisation.
2. Vérification préalable : conditions d’utilisation, politique de données, conformité RGPD.
3. Documentation de l’usage : prompt exact utilisé, contexte du dossier, output obtenu.
4. Vérification des résultats : sources citées vérifiées, informations factuelles contrôlées, raisonnement validé par l’avocat.
5. Archivage : conservation de l’ensemble dans le dossier client avec horodatage.

Ce que cela change pour la pratique quotidienne

L’IA générative est un outil utile pour certaines tâches : rédaction de premiers jets, structuration d’arguments, synthèse de documents volumineux, recherche exploratoire. Elle ne remplace pas la vérification juridique, le jugement professionnel, ni la connaissance du droit positif applicable.

Les barreaux français commencent à se saisir du sujet. Le Conseil National des Barreaux a publié des premières orientations sur l’utilisation de l’IA dans la profession. Il est probable que les prochaines années voient émerger des règles déontologiques plus précises. Les avocats qui auront anticipé ces exigences en construisant une méthode rigoureuse seront mieux placés pour y répondre.