Lawgier.net

The technical side of a french guy.

Intelligence artificielle : justice prédictive et réforme de la justice

Cet article se place dans une série de projets rédigés dans le cadre de mon Master 2 en Droit des activités numériques à Paris Descartes. Une version pdf de celui-ci est disponible en téléchargement.


La sécurité juridique est un principe directeur de l’État de droit. Comme le faisait remarquer le Professeur Boulouis, « la formule sonne en effet comme une sorte de redondance, tant il paraît évident qu'un droit qui n'assurerait pas la sécurité des relations qu'il régit cesserait d'en être un. »[1] Outre l’inflation législative, ce principe de sécurité juridique se heure parfois à la réalité des tribunaux et à la difficile évaluation de ses chances de succès en cas de litige. C’est ce à quoi la justice prédictive tente d’apporter une réponse.
Le Professeur Dondero définit la justice prédictive comme « des instruments d’analyse de la jurisprudence et des écritures des parties, […] qui permettraient de prédire les décisions à venir dans les litiges similaires à ceux analysés »[2]. Elle se compose de deux éléments essentiels : une intelligence artificielle (IA), qui effectue des diagnostics de manière automatisée, à partir d’une base de données, qui compile un très grand nombre de décisions de justice.
Cette idée d’une analyse statistique des décisions de justice afin d’en tirer des probabilités n’est pas nouvelle. En effet, elle fait suite aux travaux de Simon-Denis Poisson, de Condorcet et de Laplace[3].
Aujourd’hui, il existe plusieurs sociétés qui utilisent ces outils de justice prédictive. Par exemple, aux États-Unis, la société Legalist propose de financer des actions en justice qu’elle sélectionne grâce à un algorithme qui évalue les chances de succès et la durée probable de la procédure, en échange de la moitié des sommes attribuées par le juge[4].
Si cette question est redevenue actuelle, c’est en grande partie grâce à la conjonction de deux éléments : à la fois, l’ouverture des données jurisprudentielles, en principe accessible librement depuis la loi Lemaire de 2016[5], qui s’intègre au phénomène de big data ; et le développement de l’IA, en particulier celui de la technique de machine learning[6]. Cette conjonction a permis l’apparition de nouveaux acteurs : les legaltechs[7], qui enrichissent à leur tour les données jurisprudentielles et le développement de ces IA.
L’intérêt de la justice prédictive serait de permettre aux justiciables de prévoir efficacement les conséquences d’un potentiel litige afin de se prémunir contre une potentielle action infructueuse ou pouvoir réaliser de meilleurs arbitrages économiques.

1. Les potentiels bénéfices de la justice prédictive

A. Permettre une meilleure accessibilité du droit

La justice prédictive répond tout d’abord[8] à un problème de lisibilité et d’accessibilité du droit qui, souvent victime d’une inflation législative proposant de nouvelles normes peu lisibles, renforce de facto le pouvoir et la nécessité du juge d’interpréter la règle. Or, ces règles de second rang sont beaucoup moins accessibles que les règles dites de premier rang[9].
En analysant automatiquement de grandes quantités de données, les outils de justice prédictive ont pour but de participer à remédier à ce problème de lisibilité. Leur analyse permettrait à la fois de formaliser les règles d’application de la norme, mais aussi de prévoir le traitement réservé par les juges à des cas particuliers[10]. Pour A. Garapon, contrairement à la statistique, qui approchait le problème « de manière trop générale », et aux juristes, qui ne pouvaient attendre ce résultat que par « un savoir intuitif », le big data permettrait de conférer une « consistance mathématique » à la prévision d’une décision de justice[11].
De même, le recours à des algorithmes, cantonnés au traitement des dossiers répétitifs, pourrait encourager le règlement de nombreux litiges en développant des modes alternatifs de règlement, afin de décharger les juges des tâches les plus chronophages[12]. Cela pourrait permettre d’améliorer les temps et les conditions d’accès à la Justice, cruellement en manque d’efficacité en France.

B. Permettre une prise de décision efficace

L’un des principaux attraits de la justice prédictive, c’est d’optimiser le travail des juristes, clients, avocats et juges en anticipant certains résultats, afin « d’obtenir la meilleure rentabilité avec le minimum de moyens »[13].
Grâce à ces outils, le justiciable pourrait évaluer de manière efficace les risques auxquels telle décision l’expose, mais aussi les chances de succès d’une procédure juridictionnelle et les moyens les plus pertinents à soulever lors de l’action[14].
L’utilisation et le développement des outils de justice prédictive n’est cependant pas sans conséquence.

2. Les conséquences potentiellement néfastes de la justice prédictive

La soustraction progressive de l’humain dans la prise de décision, commune aux secteurs concernés par les avancées de l’IA, soulève de nombreuses questions et n’est pas sans conséquence. Néanmoins, il faut nuancer le développement potentiel de l’IA, qui est parsemé d’embuches.

A. Les problématiques techniques liées au développement de la justice prédictive

Si Antoine Garapon écrit que « le numérique permet de chiffrer la réalité, c’est-à-dire de la coder de telle manière que des réalités hétérogènes peuvent être lues et décryptées ensemble »[15], concernant la justice prédictive, cette analyse est à la fois prospective et quelque peu problématique.
En effet, afin d’interpréter la loi (absconse) et les chances de réussite, les legaltechs se proposent de se reposer sur les décisions de justice qu’elles auront collectées, ce qui, contrairement au droit anglais, donne un rôle normatif à la jurisprudence, qui n’est normalement « qu’une application à des cas individuels de la règle de droit »[16] et non pas la règle de droit[17].

De plus, la modélisation a priori du raisonnement juridique, nécessaire pour pouvoir aboutir à une prévision la plus juste possible par la machine, risque de se heurter au manque de rationalité de certaines normes juridiques, à l’absence d’imbrication de certaines sources et à la très forte évolutivité des règles, rendant la tâche extrêmement ardue[18].
Cette modélisation s’avère encore plus complexe en ce qui concerne le raisonnement des juges[19]. Comme l’indique X. Linant de Bellefonds, « la complexité du droit tient à son caractère téléologique et contentieux : deux raisonnements cohérents peuvent conduire à des arbitrages différents en fonction de deux ordres d’impératifs »[20]. Cette absence de cohérence d’ensemble des décisions de justice[21] révèle donc un problème capital : comment déduire de ce jeu de données un résultat probable avec une marge d’erreur acceptable ?

Enfin se pose la question de l’analyse de la conformité en droit de telle ou telle solution. En effet, l’IA, en sa conception actuelle, ne procède « qu’à des calculs de probabilité et ne [peut] pas discriminer entre les raisonnements juridiques valides et ceux qui ne le sont pas »[22].

B. Les risques d’une prise de décision fondée sur une prédiction

Le risque principal de la justice prédictive est que la prévision donnée par l’outil influe sur la décision du juge[23]. Cette influence, outre les problèmes qu’elle peut causer si la prévision faite ou les chiffres donnés sont faux ou biaisés, peut mener à une uniformisation de la pensée judiciaire.
Le résultat de l’analyse de la machine viendrait alors corrompre le jeu de données utilisé par celle-ci lorsque la décision prise sous son influence est ajoutée. Le biais initial de l’algorithme s’en trouverait alors renforcé, et renforcerait une sorte de cycle s’autoalimentant.

L’autre danger viendrait de l’incertitude de son fonctionnement[24]. L’utilisation d’un tel outil, s’il tend à se développer, ne serait pas sans conséquences juridiques, puisque, à la suite d’une interrogation, une entreprise par exemple pourrait lancer une action en justice promise au succès par l’algorithme, mais couronnée d’échec et avec des conséquences financières graves.
Il est donc important de pouvoir savoir comment et pourquoi l’outil arrive à de telles conclusions afin de pouvoir véritablement apprécier le risque.

Conclusion

« There is no way that the law can avoid the scrutiny of science. If the lawyers and judges do not participate in this work, it will all be done by others »[25]. Les propos de Lawlor, tenus en 1963 à propos des avancées scientifiques, correspondent parfaitement à la Révolution numérique et à ses conséquences sur l’ensemble de la société.
L’ensemble des mutations induites, notamment par la démocratisation de l’Internet, ont eu du mal à être appréhendées par beaucoup de juristes ; ce qui a laissé le champ libre à des hommes d’affaires, des mathématiciens et de férus d’informatique ; dotés d’une logique souvent très éloignée de celle du droit[26].
En se dessaisissant de ses problématiques, les professionnels du droit ont laissé apparaître des externalités négatives contre lesquelles ils ont peu d’outils pour les combattre. Le risque est de se retrouver confronté à une situation où la place du juge, face à l’efficacité de surface de la machine, voit son rôle remis en question.
En l’état actuel des choses, il ne semble pas souhaitable de prévoir une réforme de la justice en profondeur. Néanmoins, le bilan n’est cependant pas entièrement négatif et la justice prédictive dispose de certains atouts qu’il sera intéressant de développer, sous certaines conditions.


  1. J. Boulouis, Quelques observations à propos de la sécurité juridique, Du droit international au droit de l'intégration : Liber amicorum, Pierre Pescatore, Nomos Verlag, 1987, p. 53. In J.G Huglo, La Cour de cassation et le principe de la sécurité juridique, [en ligne], Cahiers du Conseil constitutionnel n°11, déc. 2001. Disponible sur : https://www.conseil-constitutionnel.fr/nouveaux-cahiers-du-conseil-constitutionnel/la-cour-de-cassation-et-le-principe-de-la-securite-juridique . ↩︎

  2. B. Dondero, Justice prédictive : la fin de l’aléa judiciaire ?, D. 2017, p. 532. ↩︎

  3. Voir E. Barbin & Y. Marec, Les recherches sur la probabilité des jugements de Simon-Denis Poisson, *in *Histoire et Mesure, 1987, vol. 2, n°2, p. 39. *In *B. Dondero, *art. prec., *D. 2017, p. 533. ↩︎

  4. J. Marin, Legalist, la start-up qui finance les plaints des entreprises, [en ligne], Le Monde, 29 août 2016. Disponible sur : https://www.lemonde.fr/economie/article/2016/08/29/legalist-la-start-up-qui-finance-les-plaintes-des-petites-entreprises_4989263_3234.html . ↩︎

  5. Loi n°2016-1321 du 7 octobre 2016 pour une République numérique (dite également « Loi Lemaire »). ↩︎

  6. Le machine learning, ou « apprentissage automatique » permet à un ordinateur d’apprendre de lui-même, en mettant à sa disposition un algorithme et une grande base de données étiquetées, lui permettant de reconnaître des données et de prendre des décisions en conséquence. ↩︎

  7. Le terme de « Legaltech » vise les jeunes entreprises de type « Start-up » qui exercent dans le domaine du droit. ↩︎

  8. Elle s’y heurte également, *V. infra *Section 2. ↩︎

  9. A. Garapon, art. préc., §8. ↩︎

  10. Eod Loc, §9. ↩︎

  11. Ibid. ↩︎

  12. J. M. Sauvé & S. Houiller, La justice prédictive, [en ligne], Colloque organisé à l’occasion du bicentenaire de l’Ordre des avocats au Conseil d’État et à la Cour de cassation, Cour de cassation, 12 février 2018, p. 2. Disponible sur : http://www.conseil-etat.fr/Actualites/Discours-Interventions/La-justice-predictive . ↩︎

  13. A. Garapon, art. préc., §7. ↩︎

  14. J. M. Sauvé & S. Houiller, art. préc., p. 2. ↩︎

  15. A. Garapon, art. préc., §14. ↩︎

  16. B. Dondero, *art. préc., *p. 535-536. ↩︎

  17. *Eod Loc., *p. 536. ↩︎

  18. Y. Meneceur, Quel avenir pour la « justice prédictive » ? Enjeux et limites des algorithmes d’anticipation des décisions de justice, JCP G 2018, 190, §15. ↩︎

  19. Eod Loc., §16. ↩︎

  20. X. Linant de Bellefonds, L’utilisation des systèmes experts en droit comparé, Revue internationale de droit comparé, 1994, vol. 46, n°2, p. 703-718. *In *Y. Meneceur, art. préc., §16. ↩︎

  21. Y. Meneceur, art. préc., §16. ↩︎

  22. *Eod Loc., *§17. ↩︎

  23. B. Dondero, art. préc., p. 537-538. ↩︎

  24. *Eod Loc., *p. 537. ↩︎

  25. R. C. Lawlor, What computers can do: analysis and prediction of judicial decisions, American Bar Association Journal, 1963, 49, p. 339. *In *B. Dondero, art. préc., p. 533. ↩︎

  26. A. Garapon, art. préc., §1-2. ↩︎