Plateforme d’intelligence juridique pour l’entreprise

J’ai conçu et construit la plateforme de bout en bout. Un pipeline d’ingestion en plusieurs étapes extrait le texte des fichiers PDF et Word et applique un découpage tenant compte de la structure, avec chevauchement, pour ne pas couper un raisonnement juridique en plein argument.

La recherche s’appuie sur une couche Elasticsearch à triple index (sémantique, métadonnées et chaîne d’appels) associée à la recherche vectorielle Pinecone. La fusion du score BM25 et des vecteurs denses a amélioré la précision de récupération de 15 % par rapport à chaque méthode seule.

Un moteur d’anonymisation basé sur Claude, avec une architecture à triple recherche, détecte et masque les données personnelles avant toute indexation, avec des protections dédiées aux mineurs et aux parties vulnérables. Un RBAC à trois niveaux contrôle qui voit quoi, et un module de génération rédige des documents juridiques à partir des précédents retrouvés.

La conformité est appliquée par le pipeline, pas par une politique : aucun document n’atteint l’index ni le modèle sans passer d’abord par l’anonymisation, donc 100 % du contenu indexé est protégé par construction. Les conventions OHADA et les règles de confidentialité multi-juridictions sont appliquées dès l’ingestion, et chaque accès est limité par rôle.

Chaque changement d’architecture a été validé sur un jeu d’évaluation de 200 questions construit avec un avocat en exercice, ce qui a permis de détecter les régressions avant qu’elles n’atteignent les utilisateurs.