Ce que vend vraiment la Legal AI en 2026

Comparer les outils d’intelligence artificielle juridique à partir de quelques prompts paraît de moins en moins utile. Les résultats changent avec les modèles, les versions, les corpus et la manière dont le test est conduit. Ce qui vieillit moins vite est l’architecture publique des produits.

En 2026, les principaux acteurs ne vendent plus seulement une interface capable de rechercher, résumer ou rédiger. Ils construisent autour du modèle un ensemble de sources, de contexte, d’agents, d’intégrations et de mécanismes de contrôle. Leurs documentations établissent ce qu’ils annoncent, pas la performance objective de leurs produits. L’évolution qu’elles décrivent n’en est pas moins nette.

Du modèle à l’environnement de travail

Harvey a annoncé en mai une bibliothèque de plus de 500 agents conçus pour des tâches juridiques déterminées, ainsi qu’un Agent Builder permettant d’adapter leur portée, leurs étapes et les connaissances de l’organisation.^[1] Harvey II, présenté en août, ajoute le contexte des matters et des projets ainsi qu’une mémoire de la manière de travailler.^[2]

Legora décrit son aOS comme un système connecté qui orchestre des agents depuis l’ouverture du dossier jusqu’au livrable, en mobilisant recherche, rédaction, revue documentaire, connaissances institutionnelles et outils du cabinet.^[3]

Thomson Reuters présente la nouvelle génération de CoCounsel Legal comme une expérience « fully agentic » réunissant recherche, rédaction, analyse, vérification et workflows centrés sur le dossier, avec un ancrage revendiqué dans Westlaw et Practical Law.^[4]

LexisNexis prépare pour la France, en septembre 2026, Lexis+ avec Protégé. Sa présentation associe les contenus LexisNexis et les bases internes de l’utilisateur à des fonctions de recherche, rédaction, analyse et automatisation.^[5] Il s’agit ici d’une offre annoncée, non d’une disponibilité française déjà acquise à la date de cet article.

Google, enfin, a résumé le mouvement lors de l’annonce de Gemini Enterprise for Legal. Son message est explicite : une IA généraliste ne suffit pas seule au travail juridique. Le produit est présenté autour de quatre éléments, des compétences spécialisées, des connexions par MCP, des agents et un écosystème, avec une gouvernance commune.^[6]

Les mêmes fonctions réapparaissent

Derrière des vocabulaires commerciaux différents, six fonctions récurrentes apparaissent.

Il y a d’abord le modèle. Viennent ensuite les sources de confiance, qu’il s’agisse d’une base juridique, des pièces du dossier ou des précédents du cabinet. Le troisième élément est le contexte du matter. Le quatrième est l’action, confiée à des agents ou à des workflows. Le cinquième est l’intégration avec les outils de travail. Le dernier est la gouvernance : permissions, confidentialité, citations, traçabilité et contrôle humain.

Cette taxonomie constitue une inférence à partir des documentations examinées. Aucun éditeur ne la revendique en ces termes. Elle montre néanmoins que la Legal AI contemporaine est beaucoup moins réductible au modèle que le discours des premières années du génératif.

Le mouvement corrige en pratique plusieurs faiblesses connues. Les bases de confiance réduisent la dépendance à la mémoire paramétrique. Le contexte du dossier évite de repartir de zéro à chaque requête. Les workflows réduisent le poids du prompt improvisé. Les connecteurs rapprochent l’IA des systèmes où le travail existe réellement. La gouvernance répond aux exigences de confidentialité et de permission propres au droit.

Ce que cette comparaison ne permet pas d’affirmer

Les mêmes documentations ne permettent pas de classer sérieusement les acteurs selon leur « compréhension du droit ». Elles ne permettent pas davantage de conclure qu’une entreprise possède, ou ne possède pas, une représentation formelle des règles, de leurs exceptions, de leur temporalité ou des états d’incertitude.

L’absence d’une brique dans une page produit n’est pas la preuve de son absence technique. À l’inverse, les expressions « raisonnement juridique » ou « intelligence juridique » employées par un éditeur ne suffisent pas à établir l’architecture qui les réalise.

On peut seulement constater que les couches publiquement les plus visibles portent aujourd’hui sur la source, le contexte, l’orchestration, l’intégration et le contrôle.

La question de fond commence là : comment représenter la structure de la règle elle-même, et comment rendre cette capacité disponible à tous ces systèmes sans la confondre avec le modèle qui l’utilise ?