Du dépôt massif de documents au récit défendable : utiliser l'IA pour bâtir une théorie de cause plus rapidement

La plupart des plaideurs considèrent la révision de documents comme une épreuve à surmonter plutôt que comme un outil stratégique. Une fois la collecte effectuée, le volume s'avère pire que prévu, et l'objectif se résume à une seule question : comment pouvons-nous en venir à bout le plus rapidement possible et à un coût acceptable. La révision devient alors un centre de coûts, mesuré en documents par heure et en dollars par gigaoctet, tandis que le travail stratégique lié au dossier est relégué au second plan jusqu'à ce que la révision soit terminée.

Cet enchaînement de tâches était logique lorsque la révision était lente. Lorsqu'une première analyse prenait six semaines, personne ne s'attendait à en tirer des conclusions avant la toute fin. Cependant, cet enchaînement est aujourd'hui devenu une habitude plutôt qu'une contrainte. La révision assistée par IA change ce que vous pouvez apprendre d'un corpus dès les premiers jours d'un dossier, ce qui influence le moment où la théorie de la cause peut commencer à se dessiner.

La transition qui mérite d'être opérée n'est pas celle de la révision humaine vers la révision machine. C'est le passage d'une révision axée sur le traitement à une révision axée sur la recherche d'information.

La théorie de la cause arrive généralement trop tard pour être économique

La théorie de la cause est l'histoire que vous avez l'intention de prouver : qui a fait quoi, quand, pourquoi cela importe sur le plan juridique et quels faits ont le plus de poids. En pratique, la plupart des équipes parviennent à une théorie de travail à partir des actes de procédure, des entrevues avec les clients et d'une poignée de documents clés découverts tôt par hasard ou grâce à un tiers qui savait où chercher.

Le problème est qu'une théorie formulée à partir de preuves partielles a tendance à figer les choses. Les termes de recherche sont construits autour d'elle. Les protocoles de révision sont rédigés en fonction d'elle. Les réviseurs débutants sont formés pour repérer ce que la théorie prédit. Au moment où l'ensemble du corpus a été lu, l'équipe a passé des mois à chercher la confirmation d'une idée formulée avant même que la majeure partie des éléments de preuve n'ait été examinée.

Une théorie tardive est également une théorie coûteuse. Chaque révision après le début de l'analyse implique de reformuler les termes de recherche, de recoder les segments de population et d'expliquer au client pourquoi un travail qu'il a déjà payé doit être recommencé. Le coût d'une mauvaise hypothèse de départ n'est pas l'hypothèse elle-même. C'est la révision qui a été bâtie par-dessus.

Ce qui change lorsque le corpus peut être lu rapidement

L'IA générative fait quelque chose que la recherche par mots-clés et le codage prédictif n'ont jamais réussi à bien faire. Elle lit un document et vous dit de quoi il traite dans vos propres mots. Non pas s'il correspond à une liste de termes, ni s'il ressemble à des documents qu'un réviseur a déjà marqués comme pertinents, mais ce qui s'est passé, qui était impliqué et ce qui a été décidé.

Appliquée à l'échelle d'une population de documents plutôt qu'à un document à la fois, cette capacité produit ce qui s'apparente davantage à un aperçu global de la preuve qu'à une simple révision. Vous pouvez interroger un corpus pour savoir quels sont les différends récurrents entre deux personnes clés, quels documents traitent d'une clause commerciale précise et comment son traitement a évolué au fil du temps, ou quelles explications ont été proposées à l'interne pour une décision aujourd'hui contestée.

Rien de tout cela ne vous oblige à avoir terminé votre révision. Cela vous oblige simplement à avoir posé la question. Nous avons écrit sur la portée générale de cette transition dans notre philosophie pragmatique de la révision assistée par IA, et l'analyse thématique est le moment où cette transition devient concrète pour l'avocat plaidant, plutôt que pour l'équipe de soutien au litige.

Les analyses thématiques avant les analyses de pertinence

La démarche pratique consiste à effectuer une analyse thématique avant l'analyse de pertinence, sur un échantillon plutôt que sur l'ensemble de la population.

Prenez un échantillon représentatif de vos principaux témoins et de la période historique visée. Soumettez-y un ensemble de questions ouvertes. Pas des questions d'intérêt, qui présupposent une théorie, mais des questions descriptives : quels sont les principaux sujets dans cette population, quelles décisions sont prises, qui en réfère à qui, à quel moment le ton change-t-il. La production de résumés et le codage objectif servent tous deux cet objectif, car un résumé structuré de deux mille documents est une chose qu'un plaideur peut réellement lire en un après-midi.

Ce qui en ressort est rarement une preuve irréfutable. Ce qui en ressort, c'est une carte géographique. Vous apprenez que le différend commercial que votre client décrivait comme un désaccord sur les prix se présente, dans les documents, comme un problème de fiabilité d'approvisionnement qui ne s'est transformé en litige de prix que plus tard. Il s'agit d'une théorie de la cause tout à fait différente, et le fait de le découvrir à la première semaine plutôt qu'au quatrième mois modifie les actes de procédure, la liste des témoins officiels et le plan d'interrogatoire préalable.

Cette carte vous indique également où les preuves sont minces. Savoir tôt qu'une période critique de six semaines ne contient presque aucun document pertinent est un problème de collecte que vous pouvez encore corriger. Le découvrir lors de la préparation du procès donne lieu à une tout autre conversation.

Donner à l'IA suffisamment de contexte pour être utile

Une IA qui lit un document sans repères ne sait rien de votre dossier. Elle ne sait pas qui sont les parties, quelles relations sont protégées par le secret professionnel, ni ce qui fait la pertinence d'un document dans le cadre de cette affaire par rapport à une situation générale. Sans ces bases, les résultats thématiques sont exacts mais génériques, et des résultats génériques ne vous aident pas à bâtir une théorie.

C'est le travail pour lequel Case Context a été conçu. Il saisit les parties et les personnes, la description et la chronologie, la pertinence et les enjeux, les indicateurs de confidentialité et les détails de la collecte, et utilise cette structure pour générer des requêtes adaptées à votre dossier plutôt qu'au litige dans l'abstrait.

Il convient d'être précis quant aux limites. Case Context n'est pas l'endroit où consigner votre stratégie de litige ou vos impressions personnelles, et il est visible par toutes les personnes travaillant sur le dossier. Il s'agit d'une base factuelle partagée, pas d'un référentiel de travail. Utilisé ainsi, il rend l'analyse thématique plus précise sans placer d'informations sensibles là où elles ne doivent pas être.

La défendabilité s'améliore lorsque le fil narratif est documenté

Il existe une crainte réflexe selon laquelle l'utilisation de l'IA pour façonner la théorie de la cause serait d'une certaine manière moins défendable que de parvenir à cette même théorie par la lecture traditionnelle. C'est généralement le contraire qui s'avère vrai, à condition que le travail soit documenté. Lorsqu'une théorie émerge d'un ensemble documenté de questions posées sur un échantillon défini, vous disposez d'un registre de ce qui a été demandé, sur quelle population de données, et de ce qui a été obtenu en retour. Lorsqu'elle émerge d'un avocat principal lisant quarante documents dans un avion, vous n'avez qu'une conviction. Une seule de ces deux méthodes résiste à une contestation de votre processus.

Le réviseur ne disparaît pas pour autant. Chaque résultat thématique est une hypothèse à vérifier par rapport aux documents sources, et l'avocat reste responsable de ce qui est affirmé devant le tribunal. Ce qui change, c'est que la vérification s'effectue par rapport à une hypothèse énoncée plutôt qu'à une simple intuition.

Par où commencer

Choisissez votre prochain dossier de plus de cent mille documents et effectuez une analyse thématique sur un échantillon avant de rédiger le protocole de révision. Comparez la théorie produite par cette analyse à celle que vous auriez rédigée à partir des seuls actes de procédure. Si elles concordent, vous obtenez une confirmation précoce et une révision moins coûteuse. Si elles diffèrent, vous aurez découvert cette divergence au moment où il est le moins coûteux d'agir.

Claira fonctionne à même Nuix Discover. L'analyse thématique se fait donc dans la plateforme sur laquelle votre équipe travaille déjà, à partir des données qui y sont déjà chargées. Si vous souhaitez voir à quoi cela ressemble sur un cas réel, planifiez une présentation avec notre équipe et nous vous montrerons le flux de travail de bout en bout.

Les documents allaient de toute façon vous révéler la nature de l'affaire. La seule décision qu'il vous reste à prendre est de savoir quand vous souhaitez le découvrir.