La prochaine phase de l’intelligence artificielle dans la technologie juridique ne sera pas définie par un meilleur chatbot ou un outil de synthèse de documents plus rapide. Cela sera défini par la capacité des systèmes d’IA à assumer la responsabilité d’un travail réel qui se déroule sur des jours ou des semaines, s’étendant sur plusieurs systèmes et canaux de communication et redonnant le contrôle à un avocat aux moments où le jugement humain compte le plus.
Supio se prépare à ce prochain modèle opérationnel en utilisant des agents à long horizon. La vision va bien au-delà de l’automatisation des étapes individuelles dans un cas de préjudice corporel ; il vise à créer une couche opérationnelle intelligente pour l’entreprise. Ce système comprend le dossier, les connaissances institutionnelles de l'entreprise, l'état des travaux en cours et les prochaines actions nécessaires pour faire avancer les choses. Supio décrit cette plate-forme plus large comme un « Firm OS », un système d'action – et pas simplement un autre système d'enregistrement.
Cette distinction est importante à comprendre. La plupart des produits d'IA juridique se sont concentrés sur des solutions ponctuelles : résumer les dossiers médicaux, préparer une mise en demeure, rechercher des documents d'enquête ou répondre à des questions sur un seul cas. Ces capacités sont précieuses, mais elles laissent aux avocats et au personnel le soin de coordonner le flux de travail autour d’eux. Ils doivent reconnaître qu’une action est nécessaire, identifier les bonnes données, naviguer dans les canaux de communication, assurer le suivi et documenter le résultat. À ce jour, c’est la raison pour laquelle la plupart des IA juridiques ont amélioré l’efficacité des tâches, mais ont eu un impact minime sur les résultats des entreprises.
Les agents à long horizon cherchent à assumer ce travail d’orchestration. Si Supio parvient à mettre en œuvre ce modèle, il pourra modifier non seulement la structure des coûts des cabinets d'avocats, mais également leur capacité à traiter davantage de dossiers, à apporter une expertise de haut niveau à davantage de décisions et à améliorer l'expérience client.
Définir des agents à long horizon
Un agent à long horizon est un système d’IA conçu pour poursuivre un objectif sur une période prolongée, plutôt que pour générer une réponse ponctuelle ou accomplir une tâche isolée. Il peut maintenir le contexte, reconnaître le travail de suivi, utiliser plusieurs outils ou canaux, prendre des décisions limitées et transmettre des exceptions ou des appels de jugement à un humain.
Considérez la différence entre demander à un chatbot : « Que dois-je savoir sur le traitement à venir de ce client ? » et demander à un agent de gérer le processus de traitement, y compris trouver le prestataire, planifier le rendez-vous, communiquer le rendez-vous au client et renvoyer les dossiers après le traitement.
Cette dernière n’est pas une seule interaction. Il s'agit d'un flux de travail en plusieurs étapes avec des dépendances, des conditions changeantes et un résultat réel. Lors d'un briefing avec Supio, le chef de produit Dan Zhang a donné un exemple instructif : la récupération de dossiers médicaux.
Une simple description – « obtenir les enregistrements auprès du fournisseur » – obscurcit la complexité opérationnelle. L'agent devra peut-être valider les coordonnées du fournisseur, identifier le processus de demande du fournisseur, remplir des formulaires et des documents liés à la HIPAA, faxer la demande, effectuer un suivi par téléphone ou par e-mail, surveiller une réponse sur plusieurs jours ou semaines, ingérer les dossiers à l'arrivée et alerter l'équipe juridique si le processus s'arrête.
C’est ce qui rend l’agent « à long horizon ». Il n’est pas simplement capable d’utiliser un seul outil. Il comprend l’objectif plus large et peut continuer à y parvenir au fil du temps, à travers les canaux et par le biais de décisions intermédiaires.
C’est également la raison pour laquelle les agents à long terme constituent un test plus significatif de la maturité de l’IA d’entreprise que les seules interfaces conversationnelles. Un assistant d’IA générative peut rédiger un e-mail instantanément. Un agent à long terme doit déterminer quand envoyer l'e-mail, de quelles informations il a besoin, si une réponse est arrivée, quand une remontée ou une approbation est appropriée et où le résultat doit être enregistré dans le système d'enregistrement.
De l’assistante juridique à l’opérateur du cabinet
La stratégie de Supio repose sur la reconnaissance du fait que le travail juridique des plaignants n'est pas un flux de travail propre et entièrement numérique. Les problèmes transitent par les plateformes de gestion de cas, le courrier électronique, la voix, les documents, les bureaux des prestataires, les systèmes de télécopie et les organisations externes, notamment les assureurs, les clients et les prestataires de soins. Selon l'entreprise, environ les deux tiers du travail dans un dossier impliquent une forme de communication avec une partie externe autre que le client.
Cela nécessite plus que l’accès à un modèle de langage. Cela nécessite un environnement opérationnel connecté. Supio construit une plateforme qui rassemble des données de cas, des connaissances d'entreprises, des jurisprudences faisant autorité de Thomson Reutersle statut de travail et les communications. Au fur et à mesure que le travail est effectué, les agents peuvent documenter ce qui s'est passé, identifier les tâches de suivi et dresser un tableau plus complet de l'état d'avancement d'un problème. Les futurs agents pourront alors agir en fonction de ce contexte évolutif plutôt que de repartir de zéro chaque fois qu'un utilisateur soumet une invite.
Un système traditionnel de gestion de cas enregistre l'activité après qu'une personne l'a effectuée (et la qualité du dossier dépend de ce qui a été documenté). Un système agent peut à la fois effectuer certaines activités et les enregistrer au fur et à mesure qu'elles se produisent. Le produit devient de plus en plus un participant actif dans le processus plutôt qu'un référentiel passif de dossiers.
Pour un avocat, la proposition de valeur ne se limite pas à moins de frappes. Il s'agit de la capacité de passer moins de temps à coordonner le travail mécanique et plus de temps à appliquer une stratégie juridique, à exercer son jugement, à communiquer avec les clients et à décider de l'agressivité avec laquelle poursuivre ou résoudre une affaire.
La vision de Supio est que l'agent se sente moins comme un outil d'automatisation débutant que comme un collègue expérimenté qui connaît l'organisation et le travail de l'avocat. L'agent gère le flux de travail reproductible en arrière-plan, tandis que les avocats se concentrent sur les décisions juridiques et la stratégie du dossier qui ne peuvent être déléguées.
Le cas d'utilisation du Simon Law Group
Avec l’IA, les preuves de réussite les plus convaincantes proviennent des cas d’utilisation des clients. L'avocat de première instance Bob Simon a décrit avoir utilisé Supio pour créer un agent personnalisé adapté à son approche contentieuse. Il a commencé par connecter le système à des sources telles que SharePoint, Outlook, son CMS et OneDrive, puis a ajouté des documents de procès antérieurs, des dépositions, des manuels de contentieux, des recherches d'experts, des articles et un livre qu'il a écrit sur le jugement des cas de blessures discales.
L’objectif n’était pas simplement de créer un référentiel de documents. Il s'agissait de codifier un manuel de jeu : comment Simon évalue une affaire, se prépare à faire appel à un expert, identifie les faiblesses d'une position adverse et réfléchit à sa victoire au procès.
Il s’agit d’une évolution significative au-delà de l’IA juridique générique. Les outils horizontaux peuvent produire des ébauches et des résumés compétents, mais ils ne comprennent pas intrinsèquement le fonctionnement d’un avocat ou d’un cabinet particulier. Une plate-forme verticale spécialement conçue peut intégrer des capacités de modèle à usage général avec des données spécifiques à des cas, des flux de travail juridiques et l'expertise accumulée du cabinet.
Simon a décrit avoir utilisé Supio pour examiner les dépositions par rapport à son produit de travail antérieur, identifier les éléments qu'il aurait pu manquer et affiner de manière itérative l'analyse de l'agent. Il l'a également utilisé au-delà des tâches juridiques traditionnelles, par exemple pour analyser les informations financières du cabinet dans QuickBooks et pour rapprocher les notes de réunion, les ordres du jour et un site Web de conférence afin de faire apparaître des lacunes ou des incohérences.
Un exemple illustre à la fois le potentiel et les limites du libre arbitre. Simon a déclaré que le système avait trouvé des métadonnées dans une réponse de découverte indiquant que la défense n'avait peut-être pas tout produit, puis avait rédigé une assignation à comparaître ciblant le tiers d'où provenaient les informations. Il a attribué à ce processus le mérite d'avoir aidé à résoudre l'affaire pour une somme d'argent substantielle.
Mais il a été tout aussi clair sur le rôle humain : les avocats doivent vérifier le travail. Dans les affaires juridiques aux enjeux élevés, le travail d’un agent ne remplace pas sa responsabilité professionnelle. La pratique de Simon consiste à demander des liens vers des sources et à vérifier les pièces à conviction, les preuves et les dossiers médicaux clés. Il s’agit du bon modèle pour l’adoption de l’IA agentique : une autonomie accrue pour des étapes de flux de travail reproductibles et à faible risque, associée à un examen humain clair aux points de décision conséquents.
La question clé : la confiance
Les agents à long horizon seront confrontés à une barre plus élevée que les assistants IA traditionnels, car ils opèrent dans le temps et interagissent de plus en plus avec le monde extérieur. Le défi de la conception ne consiste pas simplement à rendre les agents plus autonomes. Il s’agit de rendre leur autonomie observable, contrôlable et convenablement contrainte.
Les entreprises auront besoin d'autorisations claires, de pistes d'audit, d'attribution de sources, de voies d'escalade et de contrôles d'accès basés sur les rôles. L'expérience de Simon avec une compétence d'analyse financière est instructive : après avoir réalisé que trop d'employés y avaient accès, son entreprise a restreint l'accès à la compétence à trois utilisateurs autorisés.
Le secteur juridique constitue donc un terrain d’essai utile pour l’IA à long terme. Il s'agit d'un processus à forte intensité de documents et de flux de travail, hautement réglementé et dépendant du jugement, de la confiance et de la responsabilité. Un système qui aide les entreprises à réaliser des gains opérationnels significatifs dans cet environnement – tout en gardant les avocats maîtres des décisions importantes – a des implications bien au-delà du secteur juridique.
Supio parie que les plateformes agentiques gagnantes ne seront pas des systèmes à usage général essayant de servir également tous les secteurs. Il s’agira plutôt de systèmes d’intelligence verticaux qui comprennent le langage, les flux de travail, les connaissances faisant autorité, les données, les exceptions et la mémoire institutionnelle d’un domaine spécifique. C'est probablement exact. À l’ère de l’IA, le différenciateur ne résidera pas simplement dans l’accès aux mêmes modèles de base. Ce sera la capacité de transformer ces modèles en systèmes d’action fiables, capables de gérer un travail réel du début à la fin.
Réflexions finales
Les prochains gagnants de l’IA d’entreprise seront les entreprises qui passeront de la production de réponses à l’avancement des travaux. Ce changement nécessite une connaissance approfondie du domaine, un accès aux systèmes sur lesquels le travail s'effectue, une mémoire persistante, une connaissance des flux de travail, une gouvernance disciplinée et une conception qui tient les gens responsables des décisions conséquentes.
La stratégie d'agent à long horizon de Supio offre une première illustration de ce modèle. L’entreprise n’essaie pas simplement d’aider les avocats à produire de meilleurs documents. Il tente d’aider les entreprises à fonctionner différemment – avec des agents capables d’absorber la coordination répétitive, de documenter leur propre travail, de faire ressortir les moments qui nécessitent une expertise et de libérer les professionnels du droit pour qu’ils concentrent leur temps là où il a le plus de valeur. Si ce modèle réussit, l'IA juridique évoluera du logiciel utilisé par les avocats vers une couche opérationnelle intelligente qui contribuera en permanence à faire avancer le travail du cabinet.
Zeus Kerravala est analyste principal chez ZK Research, une division de Kerravala Consulting. Il a écrit cet article pour SiliconANGLE.
