Josephine Petrick, Chef des produits IA chez BriefCatch – Série d’entretiens

Josephine Petrick en tant que Chef des produits IA chez BriefCatch, apporte une combinaison rare d’expérience en litige d’appel, de jugement de produit IA et d’expertise en rédaction juridique à l’une des plateformes d’écriture les plus spécialisées de l’industrie juridique. Dans son rôle, elle dirige la stratégie de produit IA pour BriefCatch, guidant le développement d’outils génératifs et basés sur la récupération conçus pour améliorer la façon dont les avocats et les juges rédigent, éditent et affinent les documents juridiques. Son parcours comprend des postes de partenaire chez The Norton Law Firm, de conseiller principal et de plaideur d’appel chez Hanson Bridgett, et de clerc de justice pour le juge James L. Dennis de la Cour d’appel des États-Unis pour le cinquième circuit. Cette combinaison d’expérience en salle d’audience, en appel et en conseil lui donne une perspective de praticien sur la construction d’outils IA qui répondent à des défis de rédaction juridique réels plutôt qu’à des problèmes de productivité abstraits.

BriefCatch est une plateforme d’écriture et d’édition juridique alimentée par l’IA, conçue spécifiquement pour les avocats, les juges, les cabinets d’avocats, les tribunaux et les agences gouvernementales. Fondée en 2017 et construite autour de l’expertise en rédaction juridique de Ross Guberman, la plateforme aide les professionnels du droit à améliorer la clarté, la précision, la persuasion et la crédibilité directement dans leur flux de travail d’écriture. BriefCatch affirme qu’elle soutient plus de 300 cabinets d’avocats, dont 45 cabinets Am Law 200, ainsi que 80 tribunaux, et que son produit BriefCatch Next combine une orientation juridique experte avec des outils IA optionnels destinés à améliorer, et non à remplacer, le jugement juridique.

Vous venez de rejoindre BriefCatch en tant que Chef des produits IA après avoir été avocat d’appel, spécialiste certifié d’appel et concepteur de produits de technologie juridique. Comment votre expérience à l’intersection du droit d’appel, de la stratégie juridique et de la technologie a-t-elle façonné votre vision de l’IA dans la profession juridique ?

Après avoir obtenu une licence en linguistique à Cal, j’étais fascinée par l’IA et j’aurais toujours voulu entrer dans ce domaine. J’étais attirée par son potentiel pour étendre l’intelligence humaine et aider à résoudre des problèmes pratiques à grande échelle. Je suis devenue avocate pour des raisons similaires. Ma mère était avocate en droit constitutionnel, et d’elle, j’ai appris que le droit pouvait être utilisé pour aider les gens de manière efficace, à grande échelle. Au moment où j’exerçais, j’ai supposé que la voie d’une carrière dans l’IA s’était fermée. Il est donc un peu ironique, et profondément satisfaisant, que ma carrière juridique m’ait ramenée aux questions qui m’intéressaient à l’origine : Comment utilisons-nous la technologie pour rendre l’expertise plus accessible, plus utile et plus humaine ?

Je fais des expériences avec les grands modèles de langage depuis avant qu’ils ne soient conditionnés en tant que chatbots, à l’époque où OpenAI proposait son produit sous forme de bac à sable. Dès le début, j’ai pu voir le potentiel pour la résolution de problèmes pratiques. Cela pourrait-il aider pour la revue des dossiers ? Cela pourrait-il rendre la recherche des règles locales moins pénible ? Cela pourrait-il aider à suivre les affaires pendantes de la Cour suprême de Californie, estimer combien de temps les appels prendront, ou rationaliser la pratique de la motion postérieure au procès ? Cela pourrait-il aider quelqu’un à se débloquer ?

L’un de mes exemples préférés de cette dernière question vient de mon père, un théoricien des nombres à la retraite qui travaille encore sur des problèmes ouverts. Je l’ai convaincu d’essayer un compte Pro LLM, et il l’a utilisé pour prouver des théorèmes et faire progresser des problèmes sur lesquels il réfléchissait depuis des années. L’une des raisons pour lesquelles les LLM sont si efficaces pour résoudre des problèmes mathématiques ouverts, comme les problèmes d’Erdős, est qu’ils ont une formation dans de nombreux domaines des mathématiques et peuvent transférer ces techniques d’un domaine à un autre (par exemple, en utilisant des techniques de la théorie algébrique des nombres pour résoudre un problème de géométrie élémentaire). Cette expérience a capturé quelque chose d’important pour moi : l’IA peut étendre notre portée créative, nous aider à puiser dans un plus large corps de connaissances et d’expertise humaines que nous ne pouvons pas retenir individuellement, et l’utiliser pour faire progresser les connaissances et les entreprises humaines qui auraient autrement pris beaucoup plus de temps.

Je vois le même modèle dans la pratique juridique. En tant qu’avocate d’appel, les mêmes questions procédurales et stratégiques se posaient à nouveau et à nouveau. J’ai donc construit des bases de données, des suiveurs, des infographies, des ressources pour les clients, des calculateurs de durée d’appel, des outils de temporisation postérieure au procès, et j’ai finalement aidé à construire un référentiel de règles juridiques. Le fil conducteur était toujours le même : les connaissances existaient, mais elles étaient piégées dans des PDF, des livres, des séminaires, des notes internes ou dans la tête d’un expert. Je suis devenue obsédée par un problème que l’IA est particulièrement bien équipée pour résoudre : comment rendre les connaissances et l’expertise disponibles au moment où les gens en ont besoin.

Cela a façonné ma vision pour l’IA juridique. La plupart des produits de technologie juridique promettent que l’IA automatisera la monotonie pour que les avocats puissent se concentrer sur la stratégie. C’est vrai et précieux, mais ce n’est que le début. Ce qui m’intéresse le plus maintenant, c’est l’activation de l’expertise. Un avocat peut avoir lu le bon livre, assisté au bon CLE, sauvegardé le bon post ou appris la bonne leçon de la pratique, mais ces connaissances sont souvent dormantes lorsque l’avocat rédige, recherche ou conseille réellement un client.

BriefCatch se situe directement dans cette opportunité. La rédaction juridique n’est pas seulement une question de style. C’est là que le jugement juridique, la stratégie et la persuasion deviennent utilisables pour une autre mente. Je suis enthousiaste à l’idée d’un avenir où l’IA aide les avocats à récupérer et à appliquer la bonne règle, la bonne technique, la bonne stratégie, l’avertissement ou l’insight stratégique au moment opportun, tout en préservant le jugement professionnel et la responsabilité. Je pense à cela comme à un exosquelette d’expertise : une technologie qui aide les avocats à porter plus de connaissances, à voir plus clairement, à éviter les erreurs évitables et à appliquer leur meilleur jugement lorsque cela compte le plus. Si nous construisons ces systèmes correctement, la société en bénéficie car l’expertise juridique devient moins piégée dans des canaux coûteux et plus accessible aux personnes, entreprises, tribunaux et institutions qui en dépendent.

BriefCatch a récemment introduit RealityCheck, un outil conçu pour identifier les citations juridiques hallucinées ou non étayées avant leur dépôt. Quels étaient les principaux écarts que vous avez constatés dans les outils d’IA juridique existants qui ont rendu cette fonctionnalité nécessaire, et à quel point le problème de fiabilité des citations est-il important aujourd’hui ?

Le plus grand écart est que trop d’outils sont encore optimisés pour la génération plutôt que pour la vérification. Ils peuvent aider à produire du texte rapidement, ce qui semble impressionnant, mais le travail juridique ne se termine pas avec du texte plausible. Il ne commence même pas là. Notre système juridique repose fondamentalement sur le fait que les juges et les avocats rapportent et appliquent fidèlement l’autorité. Tout outil juridique doit commencer par des autorités qui existent réellement, doit décrire avec précision ce que ces autorités disent, comment elles ont été appliquées et si la proposition pour laquelle elles sont invoquées est étayée compte tenu du contexte dans lequel l’autorité a été décidée. Tout ce qui est moins que cela, c’est de la fiction juridique. Il y a des mots moins polis pour cela, mais je le laisserai aux juges qui ont traité de cela dans leurs salles d’audience.

C’est pourquoi un outil comme RealityCheck est si important. Le problème ne se limite pas aux cas entièrement fabriqués, bien que ceux-ci soient évidemment alarmants. Il y a des modes de défaillance plus subtils et plus courants : un cas réel cité pour la mauvaise proposition, un arrêt surestimé, une citation légèrement altérée, une parenthèse qui lisse une distinction inconveniente ou une citation qui semble faciallement appropriée mais ne soutient pas réellement la phrase qui la suit.

Ces problèmes ne sont pas nouveaux dans la pratique du droit, mais ils sont désormais amplifiés. Les avocats ont toujours été responsables de vérifier leur travail, mais l’échelle et la rapidité de la rédaction assistée par l’IA rendent la vérification encore plus importante. La question n’est pas seulement « L’IA a-t-elle halluciné ? » Mais « Le document déposé contient-il des affirmations juridiques qui sont exactes, étayées et professionnellement défendables ? »

Je pense également que nous devons être prudents pour ne pas traiter le travail humain comme une norme de référence. Les humains citent mal, surestiment et manquent des choses, surtout sous pression. Quelle que soit la source du texte, la meilleure pratique est une revue en couches : jugement humain, outils ancrés dans les sources, vérifications déterministes lorsque cela est approprié et flux de travail de vérification qui facilitent la détection des erreurs avant qu’elles ne deviennent une ordonnance de comparaître.

De nombreux avocats restent sceptiques quant à l’IA générative en raison de préoccupations concernant la précision, l’éthique et la responsabilité professionnelle. Quelles mesures pratiques les entreprises de technologie juridique peuvent-elles prendre pour établir la confiance et encourager l’adoption responsable ?

Les produits dignes de confiance doivent rendre leurs limites visibles. Ils doivent afficher les sources lorsque les sources sont importantes. Ils doivent clarifier quand un système génère du langage par opposition à la vérification d’une citation ou à l’application d’une règle déterministe. Ils doivent également être francs sur les limites, car surestimer est l’une des façons les plus rapides de perdre la confiance des avocats.

L’adoption responsable doit être intégrée dans le flux de travail. Les avocats ne devraient pas avoir à devenir des ingénieurs de prompt ou des agents de risque IA pour utiliser ces outils efficacement. Les bons produits devraient guider les utilisateurs vers une utilisation responsable par conception : en préservant la confidentialité, en soutenant la supervision, en permettant la revue, en conservant les traces d’audit lorsque cela est approprié et en facilitant la vérification.

Vous avez travaillé en étroite collaboration avec la génération assistée par la récupération (RAG) et d’autres techniques conçues pour améliorer la fiabilité des systèmes d’IA. Où pensez-vous que les produits d’IA juridique actuels font encore défaut, et quels progrès techniques sont nécessaires pour combler ces lacunes ?

Les produits d’IA juridique sont déjà impressionnants pour la rédaction, la synthèse, le brainstorming et la récupération. Certains font encore défaut sur un indicateur important : l’exactitude stricte que la pratique juridique exige. (Notre système de justice dépend de cela !)

Je considérerais l’écart de fiabilité comme un problème de système, et non comme un problème de modèle unique. De meilleurs modèles aideront, mais la fiabilité de niveau juridique vient de plusieurs couches qui travaillent ensemble : récupération et classement, boucles de vérification, mémoire, conception de flux de travail et architecture hybride déterministe/LLM.

Les mécanismes de base de la récupération sont assez bien compris, mais cela nécessite beaucoup de tests et d’itérations pour obtenir le rappel et le classement corrects. Les agents adverses et les boucles d’agents sont de plus en plus courants, mais le défi de conception est de rendre ces vérifications fondées plutôt que de créer un « double-check sprawl » coûteux et latenceux. Avec la mémoire LLM, les défis techniques incluent où la mémoire appartient (mémoire générale par opposition à un flux de travail spécifique ; les systèmes de mémoire peuvent sembler un peu ajoutés) et la forme qu’elle prend pour s’assurer que l’agent y accède lorsqu’il est approprié. La conception du flux de travail compte toujours ; si le système reçoit une seule longue invite vague, il produira des résultats incomplets ou génériques. L’IA juridique a besoin de flux de travail plus structurés, en décomposant la tâche en étapes délibérées pour s’assurer qu’il dispose du contexte dont il a besoin et passe par toutes les étapes nécessaires pour générer un excellent produit juridique précis. Mais cela peut devenir moins d’un problème à mesure que nous développons des modèles de base plus importants et améliorons la compression.

Un autre levier à actionner est le mélange entre les règles déterministes comme les regex et les modèles probabilistes. Les LLM sont incroyablement utiles dans la phase de prototype car ils aident à découvrir la forme du problème. Mais une fois que vous avez un prototype de travail et que vous comprenez le modèle, vous pouvez vouloir ramener certaines parties du flux de travail dans la logique déterministe. Et même si les LLM peuvent être incohérents, ils sont excellents pour compléter ce que les règles déterministes ne sont pas suffisamment flexibles pour attraper, et pour utiliser des règles déterministes/code eux-mêmes. Les systèmes les plus solides n’utiliseront pas uniquement des règles déterministes ou des LLM. Ils utiliseront des règles déterministes lorsque le problème est compris, et des LLM lorsque l’ambiguïté, le jugement ou la compréhension du langage sensible au contexte est nécessaire. La question est de savoir où se situe la frontière : où les règles se terminent-elles, et où le modèle doit-il prendre le relais ?

Lorsque vous commencez à superposer ces techniques, vous pouvez réaliser d’énormes améliorations de l’écart de fiabilité, mais le compromis est la complexité d’ingénierie, le coût des jetons et la latence. J’attends que ces éléments s’améliorent avec les progrès techniques et à mesure que la mémoire et la compression deviendront plus efficaces et plus facilement intégrées dans les modèles de base.

L’écriture juridique nécessite souvent de la nuance, de la persuasion et une interprétation soigneuse des précédents. Quels aspects de l’écriture juridique pensez-vous que l’IA peut réellement améliorer aujourd’hui, et quels éléments nécessitent encore un jugement humain unique ?

L’IA peut déjà améliorer une grande partie de l’écriture juridique, en particulier lorsque la tâche est bien définie. Elle peut aider à identifier les phrases peu claires, les points enfouis, les incohérences, la redondance, la faible organisation, les affirmations factuelles non étayées, les problèmes de citation, les endroits où le projet ne guide pas bien le lecteur. Elle peut également aider les avocats à réfléchir de manière créative, à tester des arguments et à appliquer des principes de rédaction et de persuasion connus au moment de la rédaction, plutôt que de compter uniquement sur la mémoire.

Ce dernier point est particulièrement passionnant pour moi. Un avocat peut savoir, en théorie, qu’un mémoire nécessite une introduction plus forte, une déclaration de règle plus claire ou une déclaration de faits plus lisible pour le lecteur. Mais lorsque vous rédigez sous pression, savoir et appliquer ne sont pas la même chose. L’IA peut aider à apporter une orientation d’écriture experte dans le flux de travail lorsque cela peut réellement améliorer le document.

Mais la bonne écriture juridique n’est pas seulement une question de technique ou d’optimisation du texte. C’est également la capacité d’identifier les détails les plus saillants, les plus intéressants et les plus spécifiques au cas, et de les transformer en une théorie qui fait comprendre au lecteur pourquoi ce litige est important. Dans mon expérience, c’est encore là que les avocats humains sont beaucoup plus forts que les LLM. Peut-être s’agit-il de goût, peut-être s’agit-il d’expérience, et peut-être s’agit-il de quelque chose de plus profond sur la façon dont ces systèmes fonctionnent. Les LLM sont formés pour générer des continuations de texte plausibles, ce qui crée une attraction gravitationnelle vers un texte qui sonne statistiquement ordinaire. Dans de nombreux contextes juridiques, cela est utile. Vous ne voulez souvent pas que l’écriture juridique attire l’attention sur elle-même. Vous voulez que les idées, les faits et les autorités brillent.

Mais l’écriture juridique vraiment persuasive dépend souvent de la capacité de trouver ce qui est différent. Quel est le détail qui fait que l’affaire prend vie ? Quel fait change la valence émotionnelle du litige ? Quel point juridique fera que le juge s’assoit et reconnaisse le problème ? En tant qu’avocate d’appel, c’est souvent le fil que vous essayez de trouver. Vous cherchez la version de l’affaire qui est suffisamment unique et convaincante pour faire que le tribunal s’intéresse.

C’est la partie que je ne voudrais pas que l’IA édulcore. Un système peut suggérer une formulation plus claire, signaler les faiblesses, tester les citations, rappeler les techniques de persuasion. Mais l’avocat doit toujours décider ce qui compte, ce qu’il faut concéder, combien d’agressivité déployer, ce qu’il ne faut pas dire, comment expliquer le cœur émotionnel et éthique de l’affaire.

Je suis prudent quant à l’idée de dire « L’IA ne sera jamais capable de le faire », car ces prédictions se sont souvent révélées fausses. L’IA fait déjà de nombreuses tâches discrètes plus rapidement et plus précisément que les humains, et je ne pense pas qu’il soit sensé de se sentir menacé par cela. C’est un outil. Mais au moins pour l’instant, les parties les plus importantes de la persuasion juridique nécessitent toujours un jugement humain : sélectionner les bons détails, comprendre pourquoi ils sont importants et construire une histoire qui résonne émotionnellement.

À mesure que l’IA est de plus en plus intégrée dans les flux de travail juridiques, comment voyez-vous l’évolution du rôle des associés et des jeunes avocats ? L’IA pourrait-elle fondamentalement changer la façon dont la prochaine génération d’avocats développe ses compétences en écriture et en recherche juridiques ?

Oui, et nous devrions être intentionnels à ce sujet. Les jeunes avocats ont traditionnellement appris en faisant un travail difficile lentement : recherche, rédaction, révision, réception de commentaires et développement progressif du jugement. L’IA va changer ce chemin, mais elle n’a pas à l’affaiblir. Utilisée correctement, elle peut rendre la formation plus explicite et plus efficace.

Le risque est que les jeunes avocats sautent la lutte qui construit le jugement. Si un outil produit un projet plausible trop rapidement, un nouvel avocat peut ne pas apprendre comment l’argument a été construit, où se trouvent les points faibles ou pourquoi un cadre est meilleur qu’un autre. Cela serait une véritable perte.

Mais l’opportunité est énorme. L’IA peut fonctionner comme un tuteur, un simulateur, un coach de rédaction et une source de rétroaction immédiate. Elle peut montrer des structures alternatives, identifier des affirmations non étayées, expliquer pourquoi une citation peut ne pas soutenir une proposition ou comparer un projet à des principes d’écriture juridique efficace. Elle peut également donner aux jeunes avocats plus de répétitions. Obtenir nos répétitions et recevoir des commentaires est ainsi que nous apprenons et grandissons.

Les cabinets et les services juridiques qui font cela le mieux ne donneront pas simplement aux jeunes avocats de l’IA et espéreront le meilleur. Ils reconcevront la formation autour de celle-ci. Ils demanderont aux juniors d’expliquer leurs choix, de vérifier les sorties, de comparer les alternatives et d’apprendre à superviser le travail assisté par l’IA de la même manière qu’ils superviseront finalement le travail humain.

Vous avez conseillé des clients dans des secteurs allant de la cryptomonnaie et de la technologie grand public à des litiges commerciaux complexes. Y a-t-il des secteurs particuliers où vous pensez que l’adoption de l’IA juridique va s’accélérer le plus rapidement, et pourquoi ?

Je pense que l’adoption de l’IA juridique va s’accélérer le plus rapidement lorsque

1. L’organisation a des flux de travail qui fonctionnent bien avec les LLM,
2. L’organisation est ouverte à l’innovation, et
3. L’organisation est motivée pour apporter un changement.

Sur le premier point, le droit est un domaine naturel pour les LLM car le droit est, de bien des manières, le comportement humain et les valeurs humaines codifiés dans le langage. Le travail juridique transforme des faits compliqués en catégories, règles, obligations, arguments, risques et conséquences. C’est exactement le terrain où les modèles de langage peuvent être puissants, à condition qu’ils soient ancrés, vérifiables et conçus autour de la façon dont les avocats travaillent réellement. Je pense donc que la plupart des organisations juridiques sont de bons candidats, à l’exception peut-être de celles dont le modèle de service principal est l’interaction humaine à humain. Mais même pour des organisations comme les cliniques pro bono, les LLM peuvent aider à des choses comme le triage et la gestion des connaissances, donc je ne les exclurais pas.

Le deuxième facteur, l’ouverture à l’innovation, peut être plus un obstacle. C’est pourquoi je pense que les équipes juridiques internes sont particulièrement bien positionnées. Elles se trouvent à l’intérieur d’organisations qui sont déjà en train d’améliorer la vitesse, de réduire les coûts et d’opérationnaliser les connaissances. Elles gèrent les contrats, les litiges, les politiques, les obligations réglementaires, les problèmes de clients, les questions d’emploi, les conseils de produits et les évaluations de risques à grande échelle. Ces flux de travail sont souvent suffisamment répétitifs pour soutenir l’adoption de l’IA, tout en nécessitant encore suffisamment de jugement juridique pour que de meilleurs outils puissent faire une différence significative.

Je pense également que les litiges, la pratique d’appel, les industries réglementées, la fintech et la cryptomonnaie, la technologie grand public, l’assurance et les soins de santé seront des domaines importants. Dans les litiges et la pratique d’appel, par exemple, l’IA peut aider à la revue des dossiers, au suivi des questions, à la vérification des citations, aux règles de procédure, à l’analyse de la préservation et à la rétroaction sur la rédaction. Les enjeux sont élevés, donc les outils doivent être sérieux. Mais ce n’est pas une raison pour éviter l’adoption. C’est une raison de construire de meilleurs produits.

Le troisième point — la motivation à changer — est également un facteur de blocage important. L’industrie juridique dans son ensemble devrait être motivée à changer. Le système de justice est lent, coûteux et inaccessible à trop de personnes. La question plus difficile est de savoir si la profession est ouverte au changement. Je pense qu’elle l’est de plus en plus. Certaines parties de l’industrie ont été lentes à bouger parce que le modèle existant était rentable et familier. Mais les avocats sont également des résolveurs de problèmes. Beaucoup d’entre nous sont axés sur la justice, sur la réforme, et sont têtus de manière utile. Nous sommes formés pour plaider en faveur d’un changement lorsque la réponse existante est incorrecte.

Le secteur privé peut bouger en premier parce qu’il est plus agile et mieux ressourcé. Le gouvernement, les aides juridiques et les organisations pro bono font face à des contraintes différentes et doivent souvent se concentrer sur le travail urgent qui se trouve directement devant eux. Mais ces secteurs ne devraient pas se sous-estimer. Si l’IA peut aider à rendre les services juridiques plus efficaces, plus accessibles et plus abordables, l’opportunité à long terme n’est pas limitée à un seul secteur. Elle est pertinente pour quiconque se soucie de faire fonctionner mieux le système juridique.

Les tribunaux, les régulateurs et les associations du barreau examinent de plus en plus l’utilisation de l’IA dans la pratique juridique. Quels cadres réglementaires ou éthiques pensez-vous émerger au cours des prochaines années, et comment les fournisseurs de technologie juridique devraient-ils se préparer ?

Notre cadre éthique existant peut déjà gérer la plupart de ces préoccupations. Les avocats étaient toujours tenus de s’assurer que tout ce qu’ils représentaient à un tribunal était fondé sur la vérité. Ils devaient être francs lorsque l’affaire allait contre eux et transparents lorsqu’ils commettaient des erreurs. Ils devaient gérer leurs affaires de manière compétente et superviser les jeunes avocats et les non-avocats qui les aidaient. Ils devaient conserver les informations sensibles de leurs clients de manière confidentielle.

La première vague d’éthique de l’IA ne nécessite pas un système moral entièrement nouveau. Nous devons appliquer ces devoirs familiers avec une nouvelle gravité. L’avocat ne peut pas déléguer le jugement, puis se décharger de la responsabilité. Cette partie ne devrait pas être controversée.

Une chose que nous devrions commencer à faire plus souvent est une formation spécifique à la technologie afin que les avocats ne soient pas pris au dépourvu lorsqu’ils ne supervisent pas ou ne vérifient pas adéquatement les sorties de l’IA. La Californie, par exemple, exige maintenant la compétence technologique dans le cadre de la formation juridique continue, et je pense que c’est la bonne direction. Mais une heure toutes les quelques années ne suffit pas. Les cabinets d’avocats, les services juridiques, les tribunaux et les organisations de services juridiques devraient développer leurs propres politiques et formations internes sur l’IA : pas seulement « n’invoquez pas de sources hallucinées », mais quand utiliser ces outils, quand ne pas les utiliser, comment vérifier les sorties, comment protéger les informations confidentielles et comment réfléchir à l’allocation de responsabilité entre humain et machine.

Pour les fournisseurs de technologie juridique, l’éthique ne devrait pas être traitée comme une étiquette d’avertissement collée sur le produit à la fin. Elle devrait être l’architecture du produit. Les meilleurs outils faciliteront l’utilisation responsable par conception : transparence des sources, contrôles de confidentialité et flux de travail qui facilitent la revue humaine.

Donc, aucun des problèmes que nous voyons actuellement n’est « nouveau ». Mais il y a une véritable question éthique sans précédent à l’horizon. Actuellement, presque tout le monde s’accorde à dire que l’IA devrait assister les avocats et les juges, et non les remplacer. Je suis d’accord avec cette intuition, étant donné où se trouve la technologie aujourd’hui. Mais qu’arrive-t-il si les systèmes d’IA deviennent plus rapides, moins coûteux, plus cohérents, plus objectivement fiables et moins biaisés que les humains pour les tâches de raisonnement juridique ? Allons-nous toujours dire qu’un humain doit toujours rester dans la boucle ?

C’est une question étrange et inconfortable, mais je pense que nous devons être honnêtes pour la poser. Je ne pense pas que nous soyons proches de remplacer les juges ou les avocats dans les litiges humains à enjeu élevé, et je serais profondément sceptique de tout système qui prétendrait le faire aujourd’hui. Mais cela se produit déjà dans des contextes discrets : l’IA résout déjà certains litiges avec un important fournisseur de résolution des différends et sur X, Grok règle fréquemment des litiges de vérification des faits.

Nous supposons généralement que le jugement humain est la sauvegarde éthique. Souvent, c’est le cas. Les humains apportent la responsabilité morale, la légitimité institutionnelle, l’empathie, la sagesse pratique et une compréhension du contexte que les machines ne possèdent pas encore. Mais les humains apportent également retard, coût, incohérence, fatigue, biais, contrôle et accès inégal. Si la résolution assistée par l’IA devient plus précise, plus abordable et plus accessible que le statu quo, la question éthique ne devrait pas être répondu par réflexe. La question devrait être : « Quel processus produit le résultat le plus équitable, le plus précis, le plus transparent et le plus responsable ? »

Si les systèmes automatisés ou assistés par l’IA traitent finalement des litiges plus routiniers, la supervision humaine peut devenir la plus importante aux extrémités : les cas inhabituels, les modes de défaillance inconfortables et les endroits où la cohérence rigide commence à ressembler moins à la justice et plus au formalisme juridique traditionnel.

C’est ainsi que je pense que les fournisseurs de technologie juridique devraient se préparer. Construisez pour les règles éthiques actuelles, mais également pour un avenir où la profession doit comparer honnêtement les performances humaines et celles des machines. L’objectif ne devrait pas être de préserver chaque rituel existant de la pratique juridique. L’objectif devrait être de préserver ce que ces rituels sont censés protéger : équité, précision, responsabilité, légitimité et accès à la justice.

BriefCatch a construit sa réputation autour de l’amélioration de la rédaction juridique plutôt que de l’automatisation simple du travail juridique. Comment équilibrez-vous les gains de productivité de l’IA avec la nécessité de préserver la pensée critique, le raisonnement juridique et la responsabilité professionnelle ?

Je ne pense pas que la productivité et la pensée critique soient en tension. En fait, lorsque l’avocat est plus efficace pour les tâches routinières, cela crée plus d’espace pour une pensée créative et critique. La question est donc de savoir quel type de productivité nous créons. Si l’IA ne fait que aider les avocats à générer plus de mots plus rapidement, ce n’est pas nécessairement un progrès. Le travail juridique a déjà suffisamment de mots.

L’objectif meilleur est d’aider les avocats à produire un travail plus clair, plus précis, plus persuasif et plus défendable. C’est pourquoi l’accent mis par BriefCatch sur la rédaction est important. La rédaction juridique n’est pas la couche décorative sur le dessus de l’analyse juridique. C’est là que l’analyse devient précise, testable et utile pour le lecteur.

La façon de préserver la responsabilité est de concevoir l’IA comme une couche d’expertise, et non comme un substitut d’autorité. L’outil peut suggérer, signaler, vérifier, comparer et tester. Il peut aider à appliquer les principes de rédaction, à identifier les faiblesses et à détecter les problèmes. Mais l’avocat doit prendre la décision finale et rester responsable du travail. Pour paraphraser mon instructeur de Peloton préféré, « L’IA fait des suggestions. Vous prenez les décisions. »

Ma propre opinion est que l’IA est la plus précieuse lorsqu’elle rend l’avocat plus engagé. Un bon système devrait aiguiser l’attention de l’avocat. Il devrait poser la question que l’avocat pourrait avoir manquée, faire surface l’autorité qui nécessite une vérification, ou suggérer une façon plus claire d’exprimer le point. Il ne devrait pas endormir l’utilisateur en pensant que du texte plausible est le même que du travail terminé.

En regardant cinq ans dans le futur, quelle est la relation idéale entre les avocats et l’IA ? Vous imaginez-vous l’IA servant principalement d’assistant, de collaborateur ou de quelque chose de plus proche d’un copilote juridique de confiance ?

Je préfère « exosquelette d’expertise ». Le système d’IA juridique idéal devrait aider les avocats et les juges à faire ce pour quoi ils sont déjà responsables, mais avec une meilleure portée, une meilleure mémoire, une meilleure cohérence, une meilleure créativité et de meilleures outils de vérification.

Dans cinq ans, j’espère que les avocats auront des systèmes d’IA profondément intégrés dans leurs flux de travail et beaucoup plus spécialisés que les chatbots polyvalents d’aujourd’hui. Un avocat rédigeant un mémoire devrait être en mesure de puiser dans l’expertise en rédaction, la jurisprudence, les matériaux de dossier, les règles de procédure, les vérifications de citations, les connaissances internes et les commentaires stratégiques sans quitter le flux de travail. Mais le système devrait également être transparent sur ce qu’il sait, ce qu’il a vérifié et où l’avocat doit exercer son jugement.

La relation idéale n’est pas un jugement délégué. C’est une confiance calibrée. Les avocats devraient savoir quels tâches le système est excellent pour effectuer, quels tâches nécessitent une supervision et quels tâches appartiennent carrément au jugement humain.

Si nous faisons cela correctement, l’IA rendra l’expertise plus accessible. Elle aidera les avocats à écrire mieux, à raisonner plus soigneusement, à éviter les erreurs évitables et à passer plus de temps sur les parties du travail qui nécessitent de l’intuition et du jugement. Je trouve l’idée d’une légion de « Mecha Lawyers » beaucoup plus intéressante et optimiste que la simple automatisation.

Je vous remercie pour cette grande interview. Les lecteurs qui souhaitent en savoir plus devraient visiter BriefCatch.