Kanti Prabha, présidente, directrice des produits & de la technologie de Sirion – Série d’entretiens

Kanti Prabha, présidente et directrice des produits & de la technologie chez 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-services (SaaS). Membre de l’équipe fondatrice de Sirion, elle a joué un rôle central dans la définition de la vision produit, de la conception et du développement de l’entreprise. 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 niveau entreprise, la stratégie et la gestion de 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 membre de l’équipe fondatrice d’UnitedLex, où elle a élaboré des solutions technologiques pour les services juridiques des entreprises et piloté des initiatives en matière de propriété intellectuelle, après avoir travaillé dans les services liés aux brevets chez Evalueserve. Elle est également conseillère auprès d’akirolabs et a auparavant conseillé Clarisights.

Sirion est une entreprise de gestion du cycle de vie des contrats (CLM) fondée sur l’IA, qui aide les grandes entreprises à gérer leurs contrats, de leur création et de leur négociation jusqu’au suivi de leur exécution, de leurs obligations et de la réalisation de leur valeur. Sa plateforme associe l’IA conversationnelle à des agents d’IA conçus à cet effet, capables de centraliser et de structurer les référentiels de contrats, de répondre aux questions sur les clauses contractuelles, de rédiger et d’examiner des accords, de repérer les risques, de proposer des modifications et de 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 contractuels préconfigurés et de créer des agents personnalisés connectés aux données et aux flux de travail de l’entreprise. La plateforme est conçue pour les grandes organisations qui souhaitent transformer leurs contrats, de simples documents statiques en sources structurées et consultables de renseignements opérationnels, tout en maintenant une gouvernance et une supervision humaine.

Votre parcours vers la création de Sirion est atypique : vous avez étudié la chimie, vous vous êtes tournée vers le droit de la propriété intellectuelle, vous avez travaillé sur des brevets, puis vous avez 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 en laboratoire. Cela m’a finalement menée vers la propriété intellectuelle, où j’ai travaillé sur des brevets, puis dirigé des équipes chargées de mettre au point des solutions technologiques et juridiques pour de grandes entreprises.

Le véritable tournant s’est produit lorsque mon cofondateur de 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 importante acquisition. 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 à saisir. Les contrats indiquaient ce qu’une entreprise avait acheté, ce qu’elle avait vendu, ce qu’elle avait promis, ce que ses fournisseurs avaient promis, ce qu’elle payait, les risques auxquels elle était exposée et les domaines où elle risquait de perdre de la valeur. Pourtant, presque aucune de ces informations n’était facilement exploitable par l’entreprise. C’est cette idée qui est 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 fluide » au sein d’une organisation. Quelles informations précieuses sont généralement enfouies dans les contrats, et comment l’IA peut-elle les rendre utiles aux 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 se transforment véritablement en engagements. Ils indiquent le montant que l’entreprise a accepté de payer, ce qu’un client s’est engagé à acheter, les dates auxquelles les prix peuvent changer, les niveaux de service à respecter, la date de renouvellement d’un accord, les conséquences d’une prestation insuffisante et la personne responsable de chaque obligation. Ces informations sont extrêmement précieuses, mais elles ont longtemps été 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 que les autres services de l’entreprise peuvent réellement exploiter. Les équipes des achats peuvent comprendre les obligations des fournisseurs et les tarifs. Les équipes financières peuvent repérer les engagements commerciaux et les pertes de valeur potentielles. Les équipes commerciales peuvent connaître les modalités de renouvellement et les engagements envers les clients. Les équipes opérationnelles peuvent vérifier si les engagements sont effectivement tenus.

C’est ce que j’entends par rendre l’intelligence contractuelle fluide. Au lieu de rester dans un 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 fluide, devient une source active de contexte pour 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. En quoi l’émergence des grands modèles de langage a-t-elle élargi les possibilités techniques d’exploitation des données contractuelles par rapport aux approches d’apprentissage automatique disponibles lorsque vous avez créé l’entreprise ?

Lorsque nous avons créé Sirion, l’IA appliquée aux contrats servait principalement à l’extraction et à la classification. 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 à des tâches relativement précises.

Les grands modèles de langage ont considérablement élargi les capacités de raisonnement. Aujourd’hui, un système peut comprendre une question formulée en langage naturel, interpréter le contexte entourant une clause, comparer le texte à la position privilégiée par une entreprise, expliquer en quoi un élément présente un risque et suggérer les mesures à prendre ensuite.

Mais je ne pense pas que les grands modèles de langage remplacent tout ce qui les a précédés. Les contrats sont trop complexes pour cela. Chez Sirion, nous adoptons une approche multimodèle qui associe de grands modèles de langage à des modèles spécialisés et à une connaissance approfondie des contrats. 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 texte 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 mise en application.

Sirion déploie désormais des agents d’IA spécialisés dans des tâches telles que l’extraction de données contractuelles, la détection de problèmes, la proposition de modifications et la recherche dans de vastes référentiels de contrats. Comment envisagez-vous la collaboration entre ces agents, 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 comprend de nombreuses tâches spécialisées, qui nécessitent chacune un contexte et un niveau de discernement différents. Un agent pourrait extraire des clauses de milliers d’accords. Un autre repérerait les formulations qui s’écartent des règles internes. Un agent chargé de proposer des modifications pourrait ensuite suggérer un changement précis en s’appuyant sur le guide 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 chaque étape individuellement.

Par exemple, quelqu’un pourrait demander : « Pouvons-nous accepter cet accord avec ce 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 niveau d’autonomie devrait dépendre du risque. Je suis à l’aise avec l’idée que l’IA prenne en charge de façon autonome de nombreuses tâches répétitives régies par des règles. En revanche, une clause de responsabilité inédite ou une négociation d’importance stratégique peut nécessiter le jugement d’une personne. 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 des informations parmi les plus sensibles, sur le plan commercial et juridique, d’une entreprise. Vous avez dit que Sirion préférait retarder le lancement d’un produit plutôt que de compromettre la sécurité. À mesure que l’IA générative s’intègre plus profondément aux processus des entreprises, quels compromis en matière de sécurité ou de confidentialité vous préoccupent le plus ?

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

La pression est énorme en ce moment pour lancer rapidement des fonctionnalités d’IA, 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 on ne peut pas bâtir une IA destinée aux entreprises en se disant : « Nous nous occuperons de la gouvernance plus tard. » La sécurité doit faire partie de l’architecture dès le départ.

Cela suppose des contrôles d’accès robustes, le chiffrement, la traçabilité, des limites claires concernant les données et des décisions mûrement réfléchies quant à l’utilisation des modèles tiers. Chez Sirion, nous avons bel et bien pris des décisions qui nous ont ralentis pour des raisons de sécurité, et ce compromis me convient. Dans les logiciels d’entreprise, en particulier lorsqu’il s’agit de traiter des contrats, la confiance se construit en plusieurs années et une seule décision imprudente peut la détruire.

L’un des problèmes persistants de l’IA générative est qu’une réponse peut sembler catégorique même lorsqu’elle est erronée. Dans l’analyse des contrats, où une erreur subtile peut avoir des conséquences financières ou juridiques, comment concevez-vous des systèmes d’IA que les utilisateurs peuvent vérifier et auxquels ils peuvent 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 de fournisseurs comportent un droit de résiliation donné et que le système omet, avec assurance, 200 de ces contrats, le problème est tout autre.

Nous concevons nos systèmes pour que leurs résultats puissent être vérifiés. Si l’IA vous indique quelque chose au sujet d’un contrat, vous devriez pouvoir remonter jusqu’au texte d’origine pour vérifier sa réponse. Si elle recommande une modification, vous devriez comprendre quelle règle interne ou quelle position du guide de négociation a motivé cette recommandation. L’explicabilité 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 chaque organisation, plutôt que de s’appuyer uniquement sur des modèles généralistes. 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 exclusives hautement spécialisées ?

Tout à fait. Les modèles de fondation sont extraordinairement performants, mais ils ne savent pas comment votre entreprise fonctionne concrètement. Ils ne savent pas automatiquement quelles concessions votre équipe juridique a approuvées l’année dernière, comment vous établissez vos prix avec un client stratégique, quels fournisseurs ne respectent pas régulièrement les niveaux de service, ni dans quelles situations votre organisation exige une remontée hiérarchique. C’est dans ce contexte que l’IA en entreprise devient véritablement utile.

En combinant la riche trace des décisions et des engagements entre organisations que constituent les contrats avec les politiques propres à l’entreprise, les guides de négociation, les accords antérieurs et les données opérationnelles, un système d’IA peut passer d’une réponse générique à une réponse qui reflète le fonctionnement de votre activité. Je pense que l’avantage concurrentiel de l’IA en entreprise viendra 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 exclusives fiables et à leur fournir suffisamment de contexte pour qu’ils puissent raisonner avec précision sans compromettre la sécurité.

Vous avez consacré plus de dix ans au développement de Sirion et occupé des fonctions couvrant les produits, les opérations et la direction de l’entreprise. Qu’avez-vous appris sur le passage à l’échelle des logiciels d’IA destinés aux entreprises que vous n’auriez pas compris au cours des premières années de l’entreprise ?

J’ai appris, entre autres, que développer la technologie est parfois la partie la plus facile. Les difficultés surviennent lorsqu’on commence à transformer le fonctionnement d’une grande organisation. Au cours des premières années, on se concentre naturellement sur la capacité du produit à résoudre le problème. À l’échelle d’une entreprise, on se rend compte qu’une réponse techniquement excellente n’est utile que si les gens lui font confiance, si elle s’intègre à leurs processus 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 très rapidement créer une démonstration impressionnante. Mais concevoir une solution à laquelle une entreprise est prête à confier des millions de points de données et des processus 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 finir par constituer une couche de données opérationnelles en temps réel pour l’entreprise, plutôt que des documents que l’on consulte principalement lorsque survient un problème ?

Je pense que c’est exactement là que nous allons. Pendant longtemps, le contrat a été considéré comme l’aboutissement du processus. Tout le monde négocie, signe, célèbre, puis le document est archivé. Six mois plus tard, quelqu’un l’ouvre parce qu’il y a un différend, 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 pouvoir savoir qu’un fournisseur n’a pas respecté un accord de niveau de service avant l’approbation de la facture suivante, ou constater qu’un ajustement tarifaire aurait dû intervenir il y a trois mois. Imaginez qu’une équipe commerciale soit alertée d’un renouvellement à venir et reçoive en même temps les engagements négociés avec le client, ou que le service financier voie les obligations commerciales directement intégrées à ses systèmes.

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

À l’avenir, à quoi pensez-vous que ressemblera la gestion des contrats lorsque les agents d’IA seront beaucoup plus performants ? La gestion du cycle de vie des contrats, ou CLM, finira-t-elle par disparaître au sein d’une couche plus large d’intelligence d’entreprise, et quel rôle voyez-vous Sirion jouer dans cette transition ? 

J’espère qu’avec le temps, les frontières de la CLM seront beaucoup moins visibles. Aujourd’hui, les utilisateurs raisonnent encore en étapes : je dois créer un contrat, l’examiner, obtenir son approbation, le signer, l’archiver, puis le gérer. À mesure que les agents deviendront plus performants, les utilisateurs ne devraient pas avoir à orchestrer eux-mêmes tous ces systèmes et processus. Ils devraient pouvoir exprimer une intention et laisser des agents spécialisés se charger d’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 à travers des millions d’accords, l’intelligence contractuelle devient utile bien au-delà du seul domaine juridique. C’est, à mes yeux, ce qui est passionnant : 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 en entreprise. Chez Sirion, notre objectif est de rendre cette intelligence accessible partout où le travail s’effectue. À terme, la 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 au quotidien.

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