Dans un dossier juridique, l’une des réponses les plus sérieuses est parfois très simple : je ne peux pas encore conclure.
Il manque un fait. Deux sources se contredisent. La version applicable du texte n’est pas établie. Une qualification reste ouverte. Pour un juriste, ces situations sont banales. Pour un assistant conversationnel construit pour produire une réponse, elles sont moins naturelles.
L’incertitude juridique n’est pas un score de confiance
Supposons que l’on demande quel taux de retenue à la source s’applique. Il faut peut-être connaître le pays de résidence, la nature exacte du revenu, la qualité du bénéficiaire, le niveau de participation, la durée de détention, la convention applicable et plusieurs conditions anti-abus.
Si deux de ces éléments manquent, le problème n’est pas que le modèle est « peu confiant ». La conclusion n’est pas déterminée par les faits disponibles.
Un pourcentage de confiance n’indique pas la nature de l’incertitude. Or elle commande l’action suivante. Si un fait manque, il faut poser une question. Si la source est insuffisante, poursuivre la recherche. Si deux autorités sont en conflit, exposer le conflit. Si la qualification est discutable, raisonner par branches.
Ces états ne sont pas interchangeables.
Une prémisse fausse est un test particulièrement révélateur
L’étude d’août 2026 sur huit systèmes Legal RAG constate des taux d’hallucination élevés sur les questions qui contiennent une prémisse fausse.[1] Le système ne doit alors pas seulement rechercher une information. Il doit refuser le cadre proposé par l’utilisateur.
C’est une compétence juridique essentielle. Un contrat peut appeler « établissement stable » une présence qui ne remplit pas les conditions conventionnelles. Une administration peut adopter une qualification précisément contestée. Un client peut présenter comme acquis le fait qu’il faudrait d’abord prouver.
Poursuivre le raisonnement sans corriger la prémisse produit une réponse cohérente à une mauvaise question.
Arrêter une branche sans bloquer tout le dossier
Lorsqu’une condition nécessaire n’est pas établie, le système ne devrait pas fabriquer la valeur manquante. Il devrait arrêter cette branche et expliquer ce qui manque.
Cela ne signifie pas interrompre tout le travail. Un dossier peut contenir dix questions indépendantes. L’incertitude sur l’une d’elles ne doit pas empêcher de traiter les neuf autres. Le bon système localise le blocage.
Dire « inconnu » peut alors être une conclusion précise : avec les éléments établis à cet instant, cette condition n’est ni démontrée ni écartée. Cette sortie devient utile si elle indique la pièce, le fait ou la vérification qui permettrait d’avancer.
Le même raisonnement vaut pour le conflit. Deux autorités sérieuses peuvent conduire à des positions incompatibles. Forcer une réponse unique détruit une information importante. Le système doit pouvoir conserver le désaccord, en expliquer les conséquences et rendre le choix visible.
Un refus utile doit être justifié
Il existe évidemment un mauvais « je ne sais pas », celui d’un système qui n’a pas suffisamment cherché ou qui refuse une question traitable. Ce n’est pas la proposition défendue ici.
Un refus juridique utile répond à plusieurs questions : quelle condition manque, pourquoi est-elle nécessaire, quelle source impose de la vérifier, quelle information permettrait de lever l’incertitude et quelles parties du raisonnement peuvent continuer ?
Des travaux neuro-symboliques récents explorent justement des mécanismes d’escalade en cas d’incertitude et des graphes de raisonnement que l’utilisateur peut contester ou modifier.[2] Il s’agit d’une piste de recherche, non d’une solution générale, mais elle traite l’incertitude comme une composante du système plutôt que comme un défaut d’écriture.
Les modèles génératifs sont remarquables pour remplir les espaces. Le droit exige parfois l’inverse : laisser une case vide tant que la condition n’est pas établie.
Neuf conclusions contrôlables et une incertitude clairement expliquée valent mieux que dix réponses plausibles qu’il faut entièrement revérifier.
Sources et références
- Souvick Das, Sallam Abualhaija et Domenico Bianculli, « How Much Do Legal RAG Systems Still Hallucinate? », 14 août 2026, arXiv 2608.14210. Source ↗ (preprint).
- Hoang-Loc Cao et al., « Neuro-Symbolic Adaptive Collaboration of Arena-Based Argumentative LLMs for Contestable Legal Reasoning », PMLR 318, 2026. Source ↗ (actes de conférence).