Kanti Prabha, cofondatrice et présidente de Sirion – série d’entretiens

Kanti Prabha, cofondatrice et présidente de Sirion, est une dirigeante du secteur des technologies d’entreprise qui compte plus de vingt ans d’expérience dans le développement de produits, les technologies juridiques, la propriété intellectuelle, les opérations et les logiciels en tant que service (SaaS). Membre de l’équipe fondatrice de Sirion, elle a joué un rôle central dans la définition de la vision produit de l’entreprise ainsi que dans la conception et le développement de ses produits. Elle a occupé plusieurs postes de direction, notamment ceux de vice-présidente de la gestion des produits et de directrice des opérations, avant de devenir présidente. Son expertise couvre la création de produits SaaS B2B de qualité entreprise, la stratégie et la gestion des produits, la réussite client, les ventes aux entreprises, ainsi que le développement des équipes et de la culture organisationnelle. Au début de sa carrière, Prabha a été la première employée et l’un des membres de l’équipe fondatrice de UnitedLex, où elle a élaboré des solutions technologiques pour les services juridiques des entreprises et géré des initiatives liées à la propriété intellectuelle, après avoir travaillé dans les services de brevets chez Evalueserve. Elle conseille également akirolabs et a précédemment conseillé Clarisights.

Sirion est une entreprise spécialisée dans la gestion du cycle de vie des contrats (CLM) reposant sur l’IA, qui aide les entreprises à gérer leurs contrats, de leur création et de leur négociation jusqu’au suivi de leur exécution, des obligations et de la concrétisation de leur valeur. Sa plateforme associe l’IA conversationnelle à des agents d’IA conçus pour des tâches spécifiques. Ceux-ci peuvent centraliser et structurer les référentiels de contrats, répondre aux questions sur les clauses, rédiger et examiner des accords, repérer les risques, proposer des modifications et suivre les obligations ainsi que les accords de niveau de service. Sirion oriente de plus en plus sa technologie vers la contractualisation agentique avec sa plateforme agentOS, qui permet aux organisations de déployer des agents de contractualisation préconfigurés et de créer des agents personnalisés connectés aux données et aux processus de l’entreprise. La plateforme est conçue pour les grandes organisations qui souhaitent transformer des contrats, documents statiques, en sources structurées et consultables de renseignements opérationnels, tout en maintenant une gouvernance et une supervision humaines.

Votre parcours avant la création de Sirion sort de l’ordinaire : vous avez étudié la chimie, travaillé dans le droit de la propriété intellectuelle et sur des brevets, puis commencé à voir les contrats autrement lorsque vous travailliez avec Hewlett-Packard. Qu’avez-vous compris au cours de ces premières expériences qui vous a finalement convaincue qu’il existait une occasion de créer Sirion ? 

Je n’ai pas grandi en me disant que je créerais une entreprise spécialisée dans les contrats. J’ai étudié la chimie, mais j’ai assez vite compris que je préférais résoudre des problèmes commerciaux plutôt que de passer ma carrière dans un laboratoire. Cela m’a finalement menée vers la propriété intellectuelle, où j’ai travaillé sur des brevets, puis dirigé des équipes chargées de développer des solutions technologiques et juridiques pour de grandes entreprises.

Le véritable tournant est survenu lorsque mon cofondateur chez Sirion, Ajay, et moi avons commencé à travailler avec HP. L’entreprise avait des milliers de contrats à organiser et à gérer à la suite d’une acquisition majeure. Au départ, nous pensions qu’il s’agissait d’un problème de référentiel, mais, dès que nous avons examiné les contrats de plus près, il est devenu évident que le stockage ne représentait qu’une infime partie de l’occasion. Les contrats indiquaient ce qu’une entreprise avait acheté et vendu, ce qu’elle avait promis, ce que ses fournisseurs avaient promis, ce qu’elle payait, où se situaient les risques et où elle risquait de perdre de la valeur. Pourtant, presque aucune de ces informations n’était facilement exploitable par l’entreprise. C’est cette découverte qui a été à l’origine de Sirion. Les contrats constituaient une source de renseignements commerciaux largement inexploitée.

Vous avez décrit les contrats comme une forme d’« intelligence liquide » au sein d’une organisation. Quelles informations précieuses sont généralement enfouies dans les contrats, et comment l’IA peut-elle les rendre utiles à des équipes au-delà du service juridique, notamment aux équipes des finances, des achats, des ventes et des opérations ? 

Les contrats sont l’un des rares endroits où les intentions d’une entreprise deviennent réellement des engagements. Ils indiquent ce que l’entreprise a convenu de payer, ce qu’un client a accepté d’acheter, à quel moment les prix peuvent changer, quels niveaux de service doivent être respectés, quand un accord est renouvelé, ce qui se passe si une partie ne remplit pas ses obligations et qui est responsable de chacune d’elles. Ces informations ont une immense valeur, mais elles sont depuis toujours enfermées dans des documents que la plupart des gens n’ouvrent que lorsqu’ils doivent négocier quelque chose ou qu’un problème survient.

L’IA change la donne, car elle nous permet de transformer le langage non structuré des contrats en informations réellement exploitables par le reste de l’entreprise. Les équipes des achats peuvent comprendre les obligations des fournisseurs et les prix. Les équipes financières peuvent connaître les engagements commerciaux et les pertes potentielles de revenus. Les équipes commerciales peuvent comprendre les conditions de renouvellement et les engagements envers les clients. Les équipes opérationnelles peuvent vérifier si les prestations promises sont effectivement fournies.

C’est ce que j’entends par rendre l’intelligence contractuelle liquide. Au lieu de rester dans un fichier PDF, l’information peut alimenter les décisions et les systèmes qui en ont le plus besoin. Au lieu de marquer la fin d’une transaction, le contrat, grâce à cette intelligence liquide, devient une source de contexte active sur le fonctionnement de l’entreprise.

Sirion est passée d’un logiciel de gestion du cycle de vie des contrats à une plateforme de plus en plus pilotée par l’IA. Comment l’émergence des grands modèles de langage a-t-elle changé ce qu’il est techniquement possible de faire avec les données contractuelles, par rapport aux approches d’apprentissage automatique disponibles lorsque vous avez créé l’entreprise ?

Lorsque nous avons lancé Sirion, l’IA appliquée aux contrats servait principalement à extraire et à classer des informations. L’apprentissage automatique pouvait devenir très performant pour repérer une clause, une date, le nom d’une partie ou une obligation, mais il fallait entraîner les modèles pour des tâches relativement spécifiques.

Les grands modèles de langage ont considérablement élargi les capacités de raisonnement. Désormais, un système peut comprendre une question formulée en langage naturel, interpréter le contexte d’une clause, comparer sa formulation à la position privilégiée d’une entreprise, expliquer en quoi un élément représente un risque et suggérer la marche à suivre.

Mais je ne vois pas les grands modèles de langage comme un remplacement de tout ce qui les a précédés. Les contrats sont trop complexes pour cela. Chez Sirion, nous adoptons une approche multi-modèles qui associe de grands modèles de langage à des modèles spécialisés et à une intelligence contractuelle approfondie. Chaque modèle excelle dans des domaines différents. Cette combinaison est importante, car les entreprises n’ont pas simplement besoin d’une IA capable de produire un langage convaincant. Elles ont besoin de précision. Le changement le plus enthousiasmant, c’est que nous pouvons passer de l’extraction d’informations des contrats au raisonnement à partir de ces informations et, de plus en plus, à leur exploitation concrète.

Sirion introduit désormais des agents d’IA spécialisés pour des tâches telles que l’extraction de contrats, la détection de problèmes, la révision des clauses et la recherche dans de vastes référentiels de contrats. Comment imaginez-vous ces agents collaborer, et jusqu’où les entreprises devraient-elles, à terme, laisser l’IA agir de manière autonome dans le processus contractuel ?           

Je ne pense pas que l’avenir repose sur un agent d’IA géant capable de tout faire. L’élaboration des contrats fait appel à de nombreuses tâches spécialisées, qui nécessitent chacune un contexte différent et un niveau de jugement propre. Un agent pourrait extraire des clauses de milliers de contrats. Un autre repérer les formulations qui s’écartent des règles internes. Puis un agent chargé de la révision des clauses pourrait proposer une modification précise en s’appuyant sur le référentiel de négociation de l’entreprise. La véritable puissance de ces agents réside dans leur capacité à collaborer pour atteindre un objectif, plutôt que d’obliger l’utilisateur à gérer chacune des étapes.

Par exemple, quelqu’un pourrait demander : « Pouvons-nous accepter ce contrat fournisseur ? » Le système devrait pouvoir repérer les clauses les plus pertinentes, les comparer aux règles internes, faire ressortir les problèmes, trouver des précédents et recommander des modifications, tout en expliquant ce qu’il a fait et pourquoi.

Le degré d’autonomie devrait dépendre du risque. Je suis à l’aise avec l’idée que l’IA prenne en charge de manière autonome de nombreuses tâches répétitives fondées sur des règles. Mais une clause de responsabilité inédite ou une négociation d’importance stratégique peut nécessiter un jugement humain. L’objectif ultime de l’autonomie devrait être d’éliminer les tâches inutiles tout en préservant le contrôle humain lorsque la responsabilité et les relations sont en jeu.

Les contrats peuvent contenir certaines des informations les plus sensibles d’une entreprise sur les plans commercial et juridique. Vous avez dit que Sirion préférerait retarder le lancement d’un produit plutôt que de faire des compromis sur la sécurité. À mesure que l’IA générative s’intègre plus profondément aux processus de travail des entreprises, quels compromis en matière de sécurité ou de confidentialité vous préoccupent le plus ?

Les contrats peuvent contenir des informations sur les prix, la propriété intellectuelle, les employés, les acquisitions et les engagements stratégiques, ainsi que des données extrêmement sensibles sur les clients et les fournisseurs. Les entreprises doivent savoir précisément où vont ces informations lorsqu’un système d’IA les traite, comment elles sont exploitées, qui peut y accéder et si elles servent à entraîner un autre modèle.

La pression pour lancer rapidement des fonctionnalités d’IA est actuellement énorme, mais le raccourci qui me préoccupe le plus consiste à traiter les données des entreprises comme de simples données d’entraînement. Je comprends cette pression, mais l’IA destinée aux entreprises ne peut pas reposer sur l’idée qu’« on s’occupera de la gouvernance plus tard ». La sécurité doit faire partie de l’architecture dès le départ.

Cela suppose des contrôles d’accès rigoureux, le chiffrement, la capacité de réaliser des audits, des limites claires concernant les données et des décisions mûrement réfléchies sur l’utilisation des modèles tiers. Chez Sirion, nous avons bel et bien pris des décisions qui ont ralenti notre progression pour des raisons de sécurité, et j’accepte volontiers ce compromis. Dans les logiciels d’entreprise, en particulier lorsqu’il s’agit de contrats, la confiance prend des années à se construire et une seule décision imprudente suffit à l’ébranler.

L’un des défis persistants de l’IA générative est qu’une réponse peut sembler faire autorité même lorsqu’elle est erronée. En matière d’intelligence contractuelle, où une erreur subtile peut avoir des conséquences financières ou juridiques, comment concevez-vous des systèmes d’IA que les utilisateurs puissent vérifier et auxquels ils puissent faire confiance ? 

C’est l’une des différences les plus importantes entre l’IA grand public et l’IA destinée aux entreprises. Si je demande à un assistant d’IA de me recommander un restaurant et qu’il se trompe, les conséquences sont limitées. Si une équipe juridique demande si 5 000 contrats fournisseurs contiennent un droit de résiliation particulier et que le système en omet 200 avec assurance, le problème est tout autre.

Nous concevons nos systèmes pour permettre la vérification. Si l’IA vous fournit une information sur un contrat, vous devriez pouvoir retrouver le passage correspondant dans le texte d’origine. Si elle recommande une modification, vous devriez comprendre quelle règle interne ou quelle position du référentiel de négociation a motivé cette recommandation. La capacité à expliquer ses réponses est essentielle à l’adoption, car la confiance repose sur la possibilité d’examiner le fonctionnement de l’IA.

Sirion met l’accent sur des réponses de l’IA fondées sur les contrats et les précédents propres à une organisation, plutôt que de s’appuyer uniquement sur des modèles à usage général. Pensez-vous que la prochaine grande étape de l’IA en entreprise sera de plus en plus portée par des systèmes qui associent des modèles de fondation à des données d’entreprise propriétaires hautement spécialisées ?

Tout à fait. Les modèles de fondation sont extraordinairement performants, mais ils ne savent pas comment fonctionne concrètement votre entreprise. Ils ne savent pas d’emblée quelles concessions votre équipe juridique a approuvées l’an dernier, comment vous établissez vos tarifs pour un client stratégique, quels fournisseurs ne respectent régulièrement pas les niveaux de service ou dans quelles circonstances votre organisation exige une escalade. C’est ce contexte qui rend l’IA d’entreprise véritablement utile.

Si l’on associe la précieuse trace des décisions et des engagements entre organisations que constituent les contrats aux politiques propres à l’entreprise, aux guides de négociation, aux accords antérieurs et aux données opérationnelles, un système d’IA peut passer d’une réponse générique à une réponse qui reflète le fonctionnement de votre entreprise. Je pense que l’avantage concurrentiel en matière d’IA d’entreprise dépendra de plus en plus de ce contexte, car la plupart des entreprises ont déjà accès à des modèles de fondation similaires. Ce qui fera la différence, c’est leur capacité à relier ces modèles à des informations propriétaires fiables et à leur fournir suffisamment de contexte pour raisonner avec précision sans compromettre la sécurité.

Vous avez consacré plus d’une décennie à développer Sirion et occupé des fonctions couvrant le produit, les opérations et la direction de l’entreprise. Qu’avez-vous appris sur le développement à grande échelle de logiciels d’IA pour les entreprises que vous n’auriez pas compris durant les premières années de l’entreprise ?

J’ai appris notamment que la mise au point de la technologie est parfois la partie la plus facile. Les difficultés surviennent lorsqu’on commence à changer le fonctionnement d’une grande organisation. Au début, on se concentre naturellement sur la capacité du produit à résoudre le problème. À l’échelle d’une entreprise, on comprend qu’une réponse techniquement excellente n’est utile que si les gens lui font confiance, si elle s’intègre à leurs flux de travail existants et si elle peut gérer l’immense complexité d’une organisation mondiale.

L’IA rend cette leçon encore plus importante. Aujourd’hui, on peut créer très rapidement une démonstration impressionnante. Mais créer une solution à laquelle une entreprise est prête à confier des millions de points de données et de flux de travail, c’est tout autre chose.

Alors que l’IA permet d’analyser en continu les obligations, les risques, les conditions tarifaires, les renouvellements et les performances de milliers d’accords, les contrats pourraient-ils à terme devenir une véritable couche de données opérationnelles en temps réel pour l’entreprise, plutôt que de rester des documents principalement consultés lorsque quelque chose tourne mal ?

Je pense que c’est exactement là que nous allons. Pendant longtemps, le contrat a été considéré comme la ligne d’arrivée. Tout le monde négocie, signe, célèbre, puis le document est versé dans un référentiel. Six mois plus tard, quelqu’un l’ouvre parce qu’il y a un litige, un renouvellement ou une question sur ce qui avait été promis. Ce modèle n’a plus de sens lorsque l’IA peut comprendre en continu ce qui se passe dans l’ensemble du portefeuille de contrats.

Dans l’idéal, imaginez que vous sachiez qu’un fournisseur n’a pas respecté un accord de niveau de service (SLA) avant l’approbation de la prochaine facture, ou que vous constatiez qu’un ajustement tarifaire aurait dû avoir lieu il y a trois mois. Imaginez qu’une équipe commerciale soit alertée d’un renouvellement à venir et informée des engagements négociés avec le client, ou que le service financier voie les obligations commerciales directement prises en compte dans ses systèmes.

Les contrats définissent les relations entre les entreprises ; leurs données devraient donc être reliées aux systèmes dans lesquels ces relations sont réellement gérées. Je pense que le contrat deviendra de plus en plus une couche de données opérationnelles qui aidera l’entreprise à comprendre non seulement ce qu’elle a convenu, mais aussi si ces accords apportent la valeur escomptée par toutes les parties.

Selon vous, à quoi ressemblera la gestion des contrats lorsque les agents d’IA seront devenus nettement plus performants ? La catégorie traditionnelle de la gestion du cycle de vie des contrats finira-t-elle par se fondre dans une couche plus large d’intelligence d’entreprise, et quel rôle voyez-vous Sirion jouer dans cette transition ? 

J’espère que les frontières du CLM deviendront beaucoup moins visibles au fil du temps. Aujourd’hui, les utilisateurs raisonnent encore par étapes : je dois créer un contrat, l’examiner, obtenir son approbation, le signer, l’archiver, puis le gérer. À mesure que les agents gagneront en capacités, les utilisateurs ne devraient plus avoir à coordonner eux-mêmes tous ces systèmes et flux de travail. Ils devraient pouvoir exprimer une intention et laisser des agents spécialisés prendre en charge une grande partie du travail nécessaire.

Mais le changement le plus important intervient après la signature. Si l’IA peut comprendre chaque obligation, condition commerciale, risque et relation dans des millions d’accords, l’intelligence contractuelle devient utile bien au-delà du domaine juridique. C’est ce qui m’enthousiasme : les contrats deviennent enfin l’affaire de tous.

Je ne pense donc pas que les contrats disparaîtront. Bien au contraire. Ils gagneront en importance, car ils fournissent un contexte fiable à l’IA d’entreprise. Chez Sirion, notre objectif est de rendre cette intelligence utilisable partout où le travail s’effectue. À terme, le CLM pourrait moins ressembler à une solution autonome qu’à une couche d’intelligence et d’exécution reliant les engagements pris par une entreprise aux actions qu’elle mène chaque jour.

Merci pour cet excellent entretien ; les lecteurs qui souhaitent en savoir plus peuvent se rendre sur Sirion.