Comment choisir l'automatisation de flux de travail d'eDiscovery propulsée par l'IA idéale

Aujourd’hui, tous les fournisseurs d’eDiscovery prétendent offrir l’automatisation des flux de travail optimisée par l’IA, et la plupart disent vrai au sens strict. La déduplication, la détection de quasi-doublons et le fil de discussion des courriels sont automatisés depuis des années. Ce qui a changé, c’est la portée de cette automatisation : elle touche désormais la lecture et le codage réels des documents, la partie du flux de travail qui exigeait auparavant l’intervention d’une personne à chaque étape. Ce virage est bien réel, mais il signifie aussi que le terme « automatisation des flux de travail » englobe aujourd’hui un éventail d’outils beaucoup plus large qu’auparavant, et qu’ils ne résolvent pas tous le même problème. Pour choisir le bon outil, vous devez savoir ce que vous automatisez réellement et ce que vous devez encore confier à un avocat.

Ce que l’automatisation des flux de travail englobe réellement

Il est utile de distinguer deux niveaux. Le premier niveau est l’automatisation logistique : l’ingestion des données, la déduplication des fichiers, l’application des termes de recherche et l’acheminement des documents vers des lots d’examen. Presque toutes les grandes plateformes, y compris Nuix Discover, gèrent efficacement ce niveau depuis longtemps. Le second niveau est l’automatisation du jugement : décider si un document est pertinent, confidentiel ou conforme à une demande précise, et ce, de manière cohérente pour un ensemble de documents qui peut s’élever à des centaines de milliers. C’est ce niveau que l’IA générative vient d’ouvrir, et c’est également là que les fournisseurs se distinguent le plus.

Lorsque vous évaluez un outil présenté comme une automatisation des flux de travail alimentée par l’IA, demandez-vous quel niveau il touche réellement. Une plateforme qui automatise l’ingestion et l’acheminement, mais qui exige toujours qu’une équipe lise manuellement chaque document, ne comble pas l’écart qui importe le plus pour votre calendrier et votre budget. Nous avons abordé cette distinction plus en détail dans notre guide sur ce à quoi ressemble un flux de travail automatisé complet dans Nuix Discover, et il vaut la peine d’y revenir avant de sélectionner des fournisseurs, car c’est généralement dans l’écart entre l’automatisation logistique et l’automatisation du jugement que se réalisent (ou disparaissent) les véritables économies.

Adapter l’outil à l’évolution réelle de votre dossier

La taille d’un dossier est rarement statique, et l’automatisation des flux de travail doit s’adapter au rythme de son évolution. Un outil conçu pour l’examen de documents individuels (où un réviseur ouvre un fichier, le lit et lui attribue un code) convient très bien aux petits volumes, mais devient un goulot d’étranglement dès que vous dépassez quelques milliers de documents. La capacité d’analyse en bloc, grâce à laquelle l’IA traite une population entière de documents en fonction d’une norme définie en un seul passage, est ce qui modifie réellement votre calendrier dans les dossiers d’envergure. Si vous prévoyez qu’un dossier dépassera la taille que vous pouvez examiner manuellement dans les délais impartis, priorisez les plateformes conçues à la fois pour l’examen individuel et le traitement en bloc, afin de ne pas avoir à changer d’outil en cours de route.

Vous devriez également vous demander comment l’outil gère le contexte. Un réviseur qui a pris connaissance des plaidoiries, comprend les réclamations et sait quels dépositaires importent codera les documents avec plus de précision qu’une personne travaillant à partir d’instructions sommaires. L’examen par l’IA fonctionne de la même manière. Les outils qui vous permettent de fournir des informations générales sur l’affaire avant l’analyse (le contexte du dossier) ont tendance à produire des résultats plus cohérents que ceux qui traitent chaque document comme une question isolée dépourvue d’éléments contextuels. Cette simple caractéristique fait souvent la différence entre un outil d’IA qui nécessite d’importantes corrections ultérieures et un outil auquel votre équipe peut réellement faire confiance.

La défendabilité doit être intégrée, et non ajoutée après coup

Toute automatisation que vous adoptez pour l’examen doit résister à l’examen minutieux de la partie adverse et, le cas échéant, d’un juge. L’outil doit donc conserver un registre clair et exportable de la norme appliquée, des documents analysés et des conclusions de l’IA, ainsi qu’un mécanisme permettant à un réviseur humain de vérifier et de corriger ces résultats avant qu’ils ne soient intégrés à votre production de documents. Les directives de la Sedona Conference sur les processus d’examen défendables s’appliquent à l’examen par l’IA générative de la même manière qu’elles s’appliquaient aux outils de codage prédictif plus anciens : le processus importe tout autant que le résultat.

Examinez attentivement la manière dont une plateforme gère les divergences d’opinion entre l’IA et vos réviseurs. Un outil qui laisse s’appliquer une décision de l’IA sans offrir de moyen simple de la contourner n’est pas ce que vous souhaitez pour trancher les questions de confidentialité. Un outil qui consigne chaque modification manuelle, suit l’exactitude au fil du temps et vous permet d’ajuster les invites à mesure que vous en apprenez davantage sur l’affaire offre à votre équipe une piste défendable et un mécanisme pour améliorer concrètement les résultats au fur et à mesure de l’évolution du dossier.

Où l’automatisation doit s’arrêter

Peu importe l’efficacité d’un outil, certaines décisions relèvent de vos avocats. L’analyse finale de la confidentialité des communications, la stratégie de divulgation de la preuve et la manière dont un document s’intègre dans votre théorie de la cause ne sont pas des tâches que vous devriez déléguer à un système automatisé, aussi performant soit-il pour le codage de pertinence et le codage objectif. Les flux de travail qui valent la peine d’être adoptés sont ceux qui rendent cette frontière explicite plutôt que floue. Le codage objectif (par lequel l’IA extrait les dates, les auteurs et les types de documents) est un excellent candidat pour une automatisation complète, car les résultats sont vérifiables et présentent un faible risque en cas d’erreur. Une décision sur le secret professionnel de l’avocat ne l’est pas, et l’outil approprié transmettra ces décisions à un humain plutôt que d’appliquer automatiquement une étiquette.

C’est également là que vous devez examiner attentivement la manière dont un fournisseur documente son propre flux de travail. La vue d’ensemble de Claira sur ce que la plateforme peut et ne peut pas faire compare l’examen individuel, l’analyse en bloc, le codage multiple (Multi-Code) et le contexte du dossier (Case Context) par rapport aux résultats que chacun prend en charge. Une telle ressource constitue un modèle utile pour évaluer n’importe quel fournisseur, et pas seulement Claira. Si un fournisseur n’est pas en mesure d’expliquer clairement où s’arrête son automatisation et où commence le jugement humain, c’est en soi un signal d’alarme dont il faut tenir compte.

Préparer votre sélection de fournisseurs

Une fois que vous savez de quel niveau d’automatisation vous avez besoin et où vous souhaitez situer les points de contrôle humains, l’évaluation devient plus concrète. Demandez à chaque fournisseur de vous montrer une analyse en bloc sur un ensemble d’échantillons issus d’un véritable dossier, et non sur un ensemble de démonstration optimisé. Demandez comment le contexte du dossier est établi et combien de temps cela prend. Demandez ce qui se passe lorsqu’un réviseur n’est pas d’accord avec l’IA, et si cette divergence est consignée dans un registre que vous pourriez produire plus tard. Demandez si l’outil s’intègre à la plateforme que vous utilisez déjà, car la migration d’une population entière de documents d’examen vers un nouvel environnement ajoute des coûts et des risques qui annulent souvent les gains de l’automatisation.

La bonne automatisation de flux de travail n’est pas celle qui propose la plus longue liste de fonctionnalités. C’est celle qui comble les lacunes précises de votre équipe, sans vous demander de renoncer à la supervision requise par vos dossiers. Si vous souhaitez voir comment cela se déroule dans le cadre d’un dossier réel, prenez rendez-vous avec notre équipe et nous l’analyserons avec vous à partir de votre propre ensemble de documents.