Un juge IA qui traite seul 68,5 % des dossiers, coûte 41,4 % du prix de GPT-6 et atteint 93,4 % de précision : JEV fait émerger une nouvelle approche de l’IA judiciaire. Son intérêt ne tient pas à la promesse d’un remplacement du magistrat, mais à un mécanisme de tri capable de réserver l’analyse humaine aux cas les plus incertains.
Cette logique répond à un problème concret : le coût, la lenteur et la complexité de nombreux parcours judiciaires. Elle révèle aussi une limite décisive : un modèle peut afficher une forte confiance tout en se trompant lorsque les preuves ou les critères de vérification manquent. L’accès à la justice ne dépendra donc pas seulement de modèles plus puissants, mais de systèmes capables de savoir quand ils doivent s’arrêter.
JEV transforme le juge IA en système de tri plutôt qu’en arbitre automatique
La principale innovation de JEV réside dans son routage à seuil, un mécanisme qui confie automatiquement une affaire au modèle lorsque son niveau de confiance dépasse un seuil défini, et l’oriente vers une analyse complémentaire lorsque l’incertitude devient trop importante. JEV traite ainsi seul 68,5 % des cas évalués, tout en atteignant 93,4 % de précision.
Ce fonctionnement déplace le débat. L’enjeu n’est plus de demander à un modèle de prendre toutes les décisions, mais d’identifier les dossiers suffisamment simples pour être traités à faible coût et ceux qui exigent une intervention humaine ou des contrôles supplémentaires.
Le résultat est particulièrement significatif dans un contexte judiciaire, où toutes les affaires ne présentent pas le même niveau de difficulté. Une demande standardisée, un formulaire incomplet ou une question procédurale peuvent être traités différemment d’un litige impliquant plusieurs versions des faits, des preuves contradictoires ou une atteinte potentielle à un droit fondamental.
Le modèle à deux étapes permet donc de distinguer la capacité de traitement et le pouvoir de décision. JEV peut automatiser une partie du travail préparatoire sans que l’outil devienne l’autorité qui tranche définitivement le litige.
À retenir : JEV ne repose pas sur l’idée qu’un modèle doit répondre à tout. Il organise plutôt une sélection entre les cas automatisables et ceux qui nécessitent davantage de preuves, de contrôle ou d’intervention humaine.
Le coût devient un facteur d’accès à la justice
Les mesures de la CMU indiquent que JEV est 277 fois moins cher et 13 fois plus rapide que GPT-6 Astra, avec des performances qui varient selon les tâches. Ces écarts donnent une portée concrète à la question du coût des modèles dans les services judiciaires.
Un système capable de répondre rapidement à une partie des demandes peut réduire la charge qui pèse sur les greffes, les services d’orientation et les professionnels chargés d’examiner les dossiers. Il peut aussi faciliter la mise en place de services d’information juridique dans des structures qui ne disposent pas des moyens nécessaires pour utiliser en permanence des modèles plus coûteux.
Cette réduction des coûts ne constitue toutefois pas une preuve automatique d’un meilleur accès au droit. Un outil peu cher peut accroître l’accès à des réponses erronées, incompréhensibles ou inadaptées si son utilisation n’est pas encadrée. En matière judiciaire, la rapidité d’une réponse ne compense pas une erreur sur un délai de recours, une qualification juridique ou une condition de recevabilité.
L’intérêt de JEV dépend donc de son intégration dans une chaîne de contrôle. Le gain économique est pertinent lorsque l’outil prend en charge des opérations clairement définies, conserve la trace des éléments utilisés et déclenche une vérification dès qu’un seuil de confiance n’est pas atteint.
| Système | Précision ou performance mesurée | Coût relatif | Vitesse relative | Part des cas traités seul |
|---|---|---|---|---|
| JEV | 93,4 % de précision | 41,4 % du coût de GPT-6 | 13 fois plus rapide que GPT-6 Astra | 68,5 % |
| GPT-6 Astra | Référence de comparaison | 100 % | Référence de comparaison | - |
La comparaison montre une tension centrale : le modèle le plus coûteux n’est pas nécessairement le meilleur choix pour chaque étape du travail judiciaire. Un système spécialisé et plus léger peut être préférable pour le filtrage, la classification ou la préparation, tandis qu’un modèle plus puissant peut intervenir sur les dossiers complexes.
Les performances changent selon la tâche, pas seulement selon le modèle
Les résultats de JEV ne doivent pas être lus comme un classement général des systèmes d’IA. Les mesures de la CMU indiquent que les performances varient selon les tâches, ce qui limite les conclusions fondées sur un seul taux de précision.
Une IA peut être efficace pour repérer une catégorie de dossier, extraire des informations dans un document ou appliquer une checklist, tout en étant moins fiable pour interpréter une règle ambiguë. La nature de la tâche, la qualité des données, la formulation de la demande et la présence d’une réponse de référence influencent directement le résultat.
Dans un tribunal, cette distinction impose de découper le travail en opérations vérifiables. L’identification des parties, la détection d’un document manquant et la recherche d’un texte applicable ne présentent pas les mêmes risques qu’une appréciation de la crédibilité d’un témoignage ou qu’une décision sur la responsabilité.
Une précision globale ne suffit pas
Un taux de précision agrégé peut masquer des erreurs concentrées sur certaines catégories de personnes ou de dossiers. Si un modèle réussit bien sur les cas les plus fréquents mais échoue sur des situations minoritaires, sa performance moyenne peut rester élevée tout en produisant un risque disproportionné pour certains justiciables.
La mesure doit donc être ventilée par type de tâche et par catégorie de dossier. Il faut également examiner les erreurs les plus graves, plutôt que de traiter toutes les erreurs comme équivalentes. Une réponse incorrecte sur une information administrative n’a pas les mêmes conséquences qu’une recommandation susceptible d’influencer une privation de liberté ou l’accès à un recours.
Les résultats de JEV renforcent cette exigence : son avantage économique et sa vitesse sont documentés, mais ses performances ne sont pas uniformes selon les tâches. Le choix d’un outil judiciaire doit donc s’effectuer opération par opération, avec des seuils de contrôle adaptés à la gravité des conséquences.
Sans preuve de référence, l’IA peut douter sans le savoir
Le résultat le plus préoccupant concerne la confiance affichée par les modèles. Sans réponse de référence, JEV, GPT-4.1 mini et GPT-5.4 font des choix quasi aléatoires tout en paraissant confiants.
Cette observation touche au cœur de l’IA judiciaire. Une réponse formulée avec assurance peut donner l’impression qu’un raisonnement est solide, alors que le modèle ne dispose d’aucun critère fiable pour distinguer une conclusion correcte d’une conclusion erronée. La confiance exprimée par le système ne constitue donc pas, à elle seule, une garantie de fiabilité.
Dans un cadre judiciaire, cette limite est particulièrement importante parce que l’autorité de la réponse peut être amplifiée par sa présentation. Un texte clair, structuré et accompagné de références peut sembler plus convaincant qu’une réponse hésitante, même lorsque le contenu n’est pas mieux fondé.
Les preuves et les listes de contrôle deviennent essentielles
Les résultats de JEV suggèrent qu’un schéma de décision en deux étapes peut réduire les coûts tout en conservant une précision comparable, à condition de fournir aux juges des preuves ou des listes de contrôle. Ces éléments ne servent pas uniquement à améliorer la réponse du modèle : ils donnent au professionnel un moyen indépendant de vérifier ce qui a été produit.
Une liste de contrôle, ou checklist, est une série de critères explicites permettant de vérifier qu’une décision ou une recommandation repose sur les éléments requis. Dans un dossier judiciaire, elle peut porter sur l’identification des faits, les textes applicables, les preuves examinées, les éléments écartés et les conséquences procédurales.
Le modèle ne devrait donc pas seulement fournir une conclusion. Il devrait aussi présenter les passages utilisés, les critères satisfaits, les points d’incertitude et les conditions qui déclenchent un examen humain. Cette structure rend l’outil plus contrôlable qu’une réponse unique sans justification exploitable.
À retenir : une IA judiciaire fiable n’est pas seulement une IA qui répond correctement. C’est une IA qui permet de vérifier pourquoi elle répond, quelles preuves elle a utilisées et à quel moment elle doit transmettre le dossier à un humain.
Le droit européen autorise l’IA judiciaire sous conditions strictes
Le règlement européen sur l’intelligence artificielle classe comme à haut risque les systèmes destinés à être utilisés par une autorité judiciaire ou pour l’assister dans la recherche et l’interprétation des faits et du droit, ainsi que dans l’application de la loi à un ensemble concret de faits. Cette classification vise notamment les risques de biais, d’erreurs et d’opacité.
Le texte européen n’interdit pas l’utilisation de ces systèmes. Il encadre leur déploiement et maintient le principe selon lequel l’IA peut soutenir le pouvoir de décision du juge, mais ne doit pas le remplacer. La décision finale doit rester une activité humaine.
Le calendrier réglementaire prévoit l’application des obligations spécifiques aux systèmes judiciaires à haut risque à partir du 2 décembre 2027, selon le calendrier mentionné par les analyses publiées en 2026. Les juridictions et les fournisseurs disposent ainsi d’un cadre pour organiser la gouvernance, la surveillance et la documentation des outils.
Les orientations adoptées par la Commission européenne pour l’efficacité de la justice, la CEPEJ, reposent également sur plusieurs principes : l’exercice du pouvoir juridictionnel relève des tribunaux, l’accès effectif à un juge humain doit être garanti, les résultats de l’IA générative ne sont pas contraignants et l’utilisation de ces outils dans la rédaction des décisions doit être transparente.
Cette approche correspond directement aux enseignements de JEV. Un routage automatique peut réduire le coût et accélérer le traitement, mais il ne doit pas fermer l’accès à un juge, imposer une réponse produite par une machine ou empêcher une partie de comprendre comment l’outil a contribué au processus.
La transparence devient une condition de confiance procédurale
Les recherches publiées en 2026 sur les explications dans la décision judiciaire assistée par IA indiquent que les explications portant sur le processus et le résultat améliorent la perception de la justice procédurale. Elles renforcent aussi la confiance cognitive et affective envers les décisions assistées par une IA.
Cette distinction est essentielle. Expliquer le résultat consiste à indiquer la conclusion produite. Expliquer le processus consiste à montrer les éléments qui ont conduit à cette conclusion, les données prises en compte et les contrôles appliqués. Dans un contexte judiciaire, les deux dimensions peuvent être nécessaires pour qu’une partie comprenne le traitement de son dossier.
La transparence ne signifie pas nécessairement divulguer chaque détail technique du modèle. Elle implique au minimum de signaler l’intervention de l’outil, de préciser son rôle, de présenter les sources ou les preuves utilisées et de permettre une contestation effective lorsque la réponse influence une procédure.
La CEPEJ indique que les parties doivent pouvoir savoir quels éléments d’une résolution judiciaire ont été assistés par une IA générative. Cette exigence transforme la transparence en droit pratique, et non en simple principe de communication.
L’explication doit rester utile au justiciable
Une explication incompréhensible ne permet pas réellement de contester une décision. La documentation destinée aux magistrats peut être technique, mais l’information communiquée aux parties doit indiquer clairement ce qui a été automatisé, ce qui a été vérifié par un humain et quels éléments peuvent être discutés.
Le justiciable doit pouvoir distinguer une aide à la recherche d’une véritable influence sur le raisonnement. Cette distinction est importante pour déterminer la manière de contester une erreur, de demander une révision ou de présenter une preuve supplémentaire.
L’objectif n’est pas de créer une fiction de neutralité algorithmique. Une IA n’élimine pas les choix humains : elle les déplace vers la sélection des données, la définition des seuils, la conception des checklists et la décision de transmettre ou non un dossier à un magistrat.
Les tribunaux américains renforcent aussi la responsabilité humaine
Aux États-Unis, des recommandations destinées aux juges en juillet 2025 ont averti contre la délégation des fonctions judiciaires fondamentales à l’IA et recommandé de vérifier indépendamment tout contenu généré par un système. Le pouvoir judiciaire américain travaillait encore à de nouvelles orientations en 2026.
Cette position rejoint la logique européenne sur un point central : l’IA peut assister le travail juridictionnel, mais le magistrat doit conserver la maîtrise des fonctions essentielles. La vérification indépendante est particulièrement importante lorsque le modèle produit des références juridiques, résume des faits ou suggère une interprétation.
Les juridictions américaines ont également commencé à expérimenter des outils spécialisés. La Cour suprême du Michigan a contracté avec Learned Hand en août 2025 après un projet pilote au cours duquel ses équipes avaient comparé les résultats de l’outil avec des travaux judiciaires issus d’affaires antérieures.
Ces expérimentations montrent que l’adoption institutionnelle passe par des tests sur des dossiers réels, une comparaison avec le travail existant et une évaluation du rôle exact de l’outil. Elles ne justifient pas l’idée qu’un système validé dans une juridiction pourrait être transféré automatiquement à une autre.
L’IA peut élargir l’accès au droit sans résoudre seule la fracture judiciaire
L’UNESCO a consacré en 2026 un forum à la possibilité d’utiliser l’IA pour réduire l’écart entre les personnes qui accèdent facilement à la justice et celles qui en restent éloignées. Les échanges ont insisté sur l’amélioration de l’accès aux connaissances et aux services, sans abandonner les garanties fondamentales.
Cette distinction permet d’éviter une promesse excessive. Une IA peut aider à comprendre une procédure, identifier un document manquant, orienter vers le bon service ou résumer une décision. Elle ne supprime pas les obstacles liés à la langue, au coût d’un avocat, à l’accès au numérique, à la peur de l’institution ou à la complexité d’un conflit.
Les participants au forum ont également souligné que les résultats produits par l’IA doivent être vérifiés. La technologie doit s’inscrire dans un ensemble comprenant les services numériques, la participation des communautés et une gouvernance adaptée avant le déploiement.
Trois usages peuvent produire un bénéfice direct
- L’orientation procédurale : expliquer les étapes d’une démarche et signaler les informations nécessaires avant un dépôt.
- La préparation documentaire : repérer les pièces manquantes, classer les documents et produire un résumé vérifiable.
- Le routage des dossiers : distinguer les demandes standardisées des cas qui exigent une analyse humaine approfondie.
Ces usages présentent un point commun : ils peuvent améliorer l’accès à l’information sans attribuer à l’outil le dernier mot sur les droits d’une personne. Ils sont aussi compatibles avec des mécanismes de vérification et de recours plus simples à concevoir qu’un système chargé de prononcer directement une décision.
Notre avis : JEV doit rester un filtre contrôlé, pas un juge autonome
JEV apporte une réponse crédible à un problème concret : le traitement judiciaire coûte cher, prend du temps et mobilise des compétences humaines sur des opérations parfois répétitives. Ses 93,4 % de précision, son coût annoncé à 41,4 % de celui de GPT-6 et sa capacité à traiter seul 68,5 % des cas montrent l’intérêt d’un routage à seuil lorsqu’il est appliqué à des tâches adaptées.
Notre position est nette : la valeur de JEV se trouve dans la sélection, la préparation et l’alerte, pas dans le remplacement du magistrat. Le modèle doit transmettre les cas incertains, afficher les preuves utilisées, fonctionner avec des listes de contrôle et laisser une trace de son intervention.
À six mois, les systèmes les plus convaincants seront probablement ceux qui mesureront moins leur puissance générale que leur capacité à limiter les erreurs graves, expliquer leurs résultats et organiser une escalade vers l’humain. La question décisive ne sera donc pas de savoir si l’IA peut juger, mais quelles étapes du parcours judiciaire elle peut accélérer sans rendre le recours plus opaque.
Si ce modèle se confirme, l’accès à la justice sera-t-il redéfini par des décisions automatisées, ou par des outils qui rendent enfin le système plus rapide et plus vérifiable ?