Agents juridiques : l’autonomie d’action ne garantit pas le raisonnement

Les agents changent réellement la nature de l’outil juridique. Avec un assistant classique, le juriste conserve l’orchestration : il choisit un document, pose une question, lit la réponse et décide de l’étape suivante. Un agent peut recevoir une mission plus longue, parcourir un dossier, choisir des outils, effectuer plusieurs recherches et produire un livrable.

Le marché a déjà adopté cette logique. Harvey annonce plus de 500 agents prêts à l’emploi.^[1] Legora place l’orchestration de bout en bout au centre de son aOS.^[2] Thomson Reuters présente CoCounsel Legal comme une expérience entièrement agentique.^[3] Google intègre les agents à son nouveau système juridique d’entreprise.^[4] Ces affirmations proviennent des éditeurs eux-mêmes ; elles décrivent leur stratégie, non une mesure indépendante de la qualité.

Une tâche longue change la forme de l’erreur

Un agent chargé d’analyser un établissement stable peut retrouver la convention, lire les contrats, calculer une durée, rechercher la jurisprudence et rédiger une note. Toutes ces opérations peuvent être correctement exécutées tandis que la conclusion reste fausse.

Il suffit qu’une qualification déterminante ait été mal posée au départ : deux projets agrégés à tort, la mauvaise version de la convention, un fait allégué traité comme établi. L’erreur devient alors la prémisse du workflow. La recherche s’oriente autour d’elle, les outils reçoivent ses paramètres et la note finale consolide une chaîne cohérente.

Cette cohérence ne prouve pas la correction juridique. Plus le chemin est long, plus l’erreur initiale peut devenir difficile à voir.

Ce que montre le Legal Agent Benchmark

Harvey a publié en mai 2026 le Legal Agent Benchmark, un jeu open source de plus de 1 200 tâches réparties sur 24 domaines de pratique et évaluées au moyen de plus de 75 000 critères. Chaque tâche associe une instruction, un dossier fermé et un livrable. Elle n’est réussie que si tous les critères passent, selon le standard « all-pass ».^[5]

Le benchmark est conçu par un acteur du marché et doit être lu dans ce périmètre. Ses premiers résultats, publiés le 26 mai, plaçaient tous les modèles testés sous 10 % de réussite complète en agrégé.^[6] Ce seuil a ensuite été franchi : Harvey a annoncé 10,4 % pour Claude Opus 4.8 le 28 mai, puis 11,7 % pour Opus 5 le 24 juillet.^[7][8]

L’intérêt de cette séquence n’est pas de figer un classement. Elle montre au contraire que le benchmark évolue vite et qu’un score ne vaut que pour une version, un environnement et une méthode donnés. Elle confirme aussi la difficulté particulière des tâches juridiques longues lorsque la réussite suppose qu’aucun élément requis ne manque.

L’analyse des traces publiée par Harvey est plus instructive encore. Dans leur dispositif, une recherche étendue avant rédaction, une validation après le premier projet et une révision effective sont associées à de meilleurs résultats ; rédiger sans revoir est associé à de moins bons scores.^[6] Ce sont des corrélations observées dans le benchmark, pas des lois générales, mais elles déplacent utilement l’attention du seul livrable vers le comportement de l’agent.

Le raisonnement doit rester inspectable en cours de route

Une validation humaine uniquement à la fin peut être insuffisante. Certaines décisions intermédiaires devraient rester visibles : quelle norme a été sélectionnée, dans quelle version, sur la base de quel fait, avec quelle hypothèse et après quel test d’exception ?

Le modèle traite le langage. L’agent organise une séquence d’actions. Le raisonnement juridique relie normes, faits, qualifications, exceptions et conséquences. Ces fonctions peuvent être combinées ; elles ne sont pas synonymes.

Un agent sophistiqué peut recevoir une représentation juridique médiocre. Un excellent modèle peut être placé dans un mauvais workflow. Une orchestration impeccable peut ignorer le seul fait qui décide du résultat.

L’autonomie utile n’est pas l’autonomie maximale

Le gain de productivité viendra probablement d’une exécution plus longue et plus intégrée. Pour le droit, la bonne architecture n’est pourtant pas nécessairement celle qui laisse l’agent décider seul le plus souvent.

Elle est celle qui distribue correctement le travail : ce que l’agent peut exécuter, ce que le modèle peut interpréter, ce qu’un moteur déterministe peut calculer, ce qui doit rester incertain et ce qui exige une décision professionnelle.

L’autonomie est une propriété du workflow. Elle n’est pas une preuve de compréhension juridique.