Rechercher
  • Arthur Sauzé

Quantifier l'aléa judiciaire

Mis à jour : avr. 29

Test de Case Law Analytics

Manel Benladghem


Case Law Analytics

CEO : Jacques Levy Vehel

Site web : https://www.caselawanalytics.com/




Contexte du test


Nous avons testé la solution quantification de l'aléa judiciaire Case Law Analytics. A cette fin, nous avons tout d'abord cherché à comprendre le fonctionnement technologique de CLA, à savoir la probabilité. Puis, nous avons analysé dans le détail la solution (fonctionnalités, UX, utilité, etc.)



Découvrez le test vidéo réalisé par Arthur Sauzé






La justice prédictive par Case Law Analytics

La justice prédictive s’identifie beaucoup au mythe d’une société organisée par un simple jeu d’écritures numériques, une justice robotisée remplaçant le pouvoir décisionnaire du juge. Cette technique inquiète, comment un robot pourrait-il être juste ? L’idée-même de justice repose sur un idéal naturel selon lequel tout un chacun serait en mesure de connaître rationnellement ce qui est bon ou mauvais, et donc, ce qu’il est légitime de faire. En ce sens, la justice est un sentiment aussi bien qu’une vertu. La suppression de l’homme derrière les décisions de justice serait l’anéantissement de la justice-même puisqu’elle entraînerait la disparition du sentiment de justice. Mais il ne faut pas se méprendre, la justice prédictive n’entreprend pas de tels desseins et n’est en fait rien d’autre qu’un outil d’aide à la décision. Dès lors, la justice prédictive ne désigne pas la justice elle-même mais des instruments d’analyse de la jurisprudence.


Aujourd’hui en France, les sociétés ont développé cet outil intelligent pour permettre une plus grande clairvoyance sur le « à venir », ayant pour conséquence principale un désengorgement des tribunaux judiciaires. Case Law Analytics est la première société française en matière de justice prédictive mais est avant tout une machine à générer des décisions de justice et de quantification de l’aléa judiciaire.


Il existe deux manières distinctes de faire de la justice prédictive. La première consiste en une approche statistique qui a pour objet l’analyse de la jurisprudence antérieure par l’extraction de données pertinentes et quantifiables. La statistique connaît une limite numéraire puisqu’elle nécessite un grand fond documentaire pour cerner le contentieux et ne permet pas une visibilité sur le futur puisqu’elle est calculée sur le passé. La seconde approche est celle de la probabilité et c’est avec ce modèle-ci que Case Law Analytics procède. La probabilité a été théorisée par Galilée avec son « modèle mathématique », qui est la traduction d’une observation dans le but de lui appliquer des outils mathématiques. La probabilité s’intéresse au raisonnement juridique qui mène à un résultat précis. A ce stade, il ne s’agit pas seulement d’observer les données mais de comprendre leurs raisons d’être pour anticiper sur ce qui se passe à présent et dans le futur. Cette approche permet de cerner une situation précise par l’analyse de la jurisprudence antérieure et de comprendre le raisonnement juridique pour modéliser un résultat s’appliquant à un contentieux actuel ou futur. Pour faire de la justice prédictive, Case Law Analytics suit un processus en quatre phases.

1. L’intelligence juridique

La première étape consiste en l’étude d’un domaine du droit par un juriste. Case Law Analytics traite de quinze domaines juridiques allant du droit civil (préjudice corporel) au droit commercial (rupture brutale de relation commerciale établie) en passant par le droit social (licenciement sans cause réelle et sérieuse). Le domaine pénal n’est pas traité par la société. Les juristes déterminent une liste des critères de décision pris en compte par les juges, allant de 30 à 150 selon le domaine choisi. Il peut s’agir de l’ancienneté d’un salarié comme de l’âge de ce dernier. Certains critères ne sont pas retenus pour des raisons éthiques comme le genre, le nom ou la couleur de peau.

2. L’analyse de la base de données

Les juristes analysent ensuite la jurisprudence pour construire une base de données des décisions de justice. L’objectif n’est pas tant l’accumulation de jurisprudence, mais de retenir la jurisprudence la plus pertinente par rapport au cas d’espèce. Case Law Analytics suit un processus en cinq phases qui commence par une première lecture numérique de la jurisprudence qui identifie les critères et extrait les éléments essentiels à soulever. Un juriste relit ensuite chaque décision et complète le travail de la machine. Cette dernière vérifie à son tour le travail effectué par le juriste et, dans un quatrième temps, un juriste sénior va s’assurer qu’aucun critère n’a été oublié ou mal renseigné. Enfin, la machine vient opérer une dernière vérification. Ce travail certes chronophage, permet de garantir la qualité des données recueillies par la société et d’assurer une certaine exhaustivité sur les domaines traités.

3. L’intelligence artificielle

Ce n’est qu’à la troisième étape du processus que l’intelligence artificielle apparaît. Cette étape consiste à créer un logiciel ad hoc qui se nourrit de la jurisprudence pour quantifier le risque juridique. Ce logiciel prend la forme d’un algorithme qui vient modéliser la prise de décision de cent juges virtuels et qui, sous la forme de schémas, explique quels ont été les motivations de chacune des décisions rendues. La diversité des décisions rend compte de la diversité de la jurisprudence et, là est le point important, du raisonnement retenu pour chacun des cas, appliqué au contentieux entré dans l’algorithme. Ainsi, l’utilisateur de Case Law Analytics sera en mesure de savoir quels sont les pourcentages de chance de gagner un potentiel procès et de comprendre quels critères vont en sa faveur ou défaveur. Il ne s’agit pas, pour l’algorithme, d’affirmer une décision de justice puisque l’issue du procès dépend d’un aléa plus grand, que l’algorithme ne saurait quantifier, mais bien de calculer l’aléa judiciaire et d’éviter ainsi des procédures trop longues et coûteuses, ayant peu de chance d’aboutir.

4. La vérification de l’algorithme

Cette dernière étape permet de tester la pertinence de l’algorithme. En ce sens, on va transmettre à l’algorithme un échantillon de décisions qu’il n’a pas enregistré au préalable et observer quel résultat il fait apparaître. La comparaison du résultat mathématique à celui du résultat juridique permet de déterminer le taux d’erreur de la machine et de garantir son effectivité.

TEST de Case Law Analytics



Case Law Analytics est un outil dont la prise en main est relativement facile. Il faut, dans un premier temps, lancer une requête en choisissant une thématique juridique. L’utilisateur devra ensuite remplir un questionnaire adapté à sa thématique, permettant de cibler sa situation exacte, en renseignant des motivations tant juridiques que factuelles.



L'utilisateur n'a accès qu'à 15 domaines du droit, mais ces thématique sont traitées avec exhaustivité.






Le questionnaire est particulièrement appréciable à remplir car il est particulièrement précis. On ne peut que constater le travail de sophistication des questions, qui correspondent aux questions que le juriste se pose au quotidien. Par exemple, dans le domaine du droit social, vous trouverez des informations par rapport à l'effectif de l'entreprise, la convention collective ou le motif de licenciement. La présence de ces critères sont rassurants pour un professionnel du droit.





Une fois la requête lancée, l’outil propose un résultat, subdivisé en divers points graphiques.


Apparaît alors sur l’écran la quantification du risque qui s’exprime en pourcentage d’obtention de gain de cause. En dessous, deux graphiques complémentaires sont représentés.


Le premier illustre la probabilité de distribution des dommages et intérêts tandis que le deuxième indique la provision du risque, en précisant le pourcentage de probabilité d’obtenir des dommages et intérêts. Le calcul des provisions peut être particulièrement utile dans le domaine des assurances et, de manière générale, dans les rapports entre une Direction juridique et une Direction financière. Il aurait toutefois été appréciable d'avoir plus d'informations et d'indications sur la manière d'interpréter ces éléments graphiques (par exemple, des phrases types ou des cas concrets).


Une autre fenêtre ouvre sur la motivation des décisions de justice. Sous la forme d’un schéma, chacune des motivations retenues apparaît et rend compte de l’influence des principaux critères sur les décisions rendues par cent juges virtuels. Plus d'indications sur l'interprétation du schéma auraient aussi été bienvenues.






Une troisième fenêtre renseigne sur la jurisprudence associée aux décisions de justice par le biais d’un graphique présentant différentes bulles, la bulle la plus grosse correspondant à la jurisprudence se rapprochant le plus de la requête. La jurisprudence la plus pertinente est référée et une synthèse de l’arrêt apparaît à côté du graphique (avec la possibilité de la consulter en cliquant sur le numéro de RG). La compréhension du raisonnement par l’intelligence artificielle permet d’approcher au mieux la requête de l’utilisateur, quand bien même aucune jurisprudence antérieure ne correspond exactement à la situation traitée.



Enfin, Case Law Analytics propose un rapport qui vient synthétiser les différents graphiques et qui peut s’avérer extrêmement utile pour faire de la pédagogie sur une estimation du risque (notamment dans le cadre des audits). Ce rapport pourrait cependant être plus esthétique afin de renforcer son utilité business.


En conclusion, on l’aura compris, la justice prédictive tend davantage à prévoir qu’à prédire.

Manel Benladghem



536 vues

TEDI Legal

38 rue du Sentier

75002 Paris

Mentions légales

Confidentialité

Crédit image icones8

www.icones8.fr