47
Ces systèmes seront capables d'améliorer leurs recommandations dans le temps en interagissant avec
les utilisateurs, en justifiant leurs recommandations et en tenant compte des commentaires des utilisateurs (les juges). La condition préalable à la réalisation de cet objectif est la pluridisciplinarité, qui
comprend des experts juridiques, des analystes de données et des chercheurs en IA dans le domaine de
la représentation des connaissances et du raisonnement, l’apprentissage automatique et le traitement
du langage naturel.
Un « bot juridique » est le résultat de l'intégration de (1) un mécanisme de raisonnement utilisant la
loi/réglementation et (2) un mécanisme de raisonnement utilisant les cas antérieurs (jurisprudences).
Les informations utilisées en (1) et (2) sont extraites de façon semi-automatique des textes stockés
dans des bases de données publiques, décrivant les lois et les jurisprudences et constituent la troisième
composante (3) construisant les bots juridiques. Plus précisément pour (1), il conviendrait d’utiliser un
raisonnement fondé sur l'argumentation avec des règles et des préférences sur elles alors que pour (2)
il faut utiliser un raisonnement fondé sur l'argumentation pour analyser les conflits entre les cas antérieurs (quand ils sont tous similaires au nouveau cas mais ont donné lieu à des résultats/décisions différents). L'information en (3) sera obtenue au moyen des techniques d'analyse des données et du traitement du langage naturel pour extraire les structures d'arguments des cas antérieurs (jurisprudences)
et des techniques d'exploration d’arguments (argument mining) pour extraire la structure des arguments des cas antérieurs. Aussi, il conviendrait d’extraire des règles et des préférences à partir d’un
raisonnement par cas, via son incarnation basée sur l'argumentation (l'intuition étant que les décisions
sur les cas antérieurs auraient dû suivre certaines règles et avoir pris en compte des préférences). La
combinaison de ces techniques pourrait fournir des suggestions justifiées basées sur l'argumentation
(par exemple, des prédictions et des recommandations sur de nouveaux cas). L'utilisation de l'argumentation comme cadre unifié sous-jacent pour (1), (2) et (3) pourrait alors ouvrir la voie à une intégration harmonieuse des différentes capacités juridiques au sein de nos « bots juridiques » unifiés,
reflétant la façon dont les juges combinent les lois et les cas antérieurs/jurisprudences pour prendre
leurs décisions. Cela conduira à fournir également des suggestions transparentes et vérifiables aux
utilisateurs (les juges) renforçant ainsi la confiance dans ces systèmes.
Les « bots juridiques » pourraient alors apparaître comme des compagnons, plutôt que comme des
concurrents pour les décideurs juridiques. Ces derniers seront les utilisateurs actifs de ces « bots juridiques » et pourraient ainsi à terme interagir avec eux en fournissant notamment des commentaires (un
feedback) sur leur comportement et leurs résultats. Par exemple, ils pourront spécifier si une règle ou
un cas antérieur/jurisprudence est correctement extrait du texte (et donc fournir un feedback à (3)), si
une recommandation basée sur le droit (les lois) est correcte (et donc fournir un feedback à (1)) ou si
un cas antérieur/jurisprudence est en effet pertinent pour le cas présent (et donc fournir un feedback à
(2)). Cela permettrait alors de réinjecter de l’information dans le système et d'améliorer ses performances dans le temps.
Les “bots juridiques » offrent à ce titre plusieurs nouveautés par rapport aux systèmes antérieurs présentés dans la littérature (voir par exemple ASHSD-II, CHIRON, JUDGE, Split-Up, SHYSTER,
TAXMAN). Ces nouveautés sont: 1) l'intégration agile de différents types de raisonnement en utilisant
l'argumentation comme moyen commun, basée sur la semi-automatisation de l'extraction d'arguments
à partir de textes juridiques et la génération automatisée d’arguments fondés sur des règles/préférences
à partir des cas antérieurs et 2) l’amélioration continue du système par le biais de l'interaction avec
l’utilisateur (par exemple, les avocats et les juges), le feedback facilité par le haut niveau déclaratif et
naturel de l’argumentation, tout à fait dans l'esprit juridique traditionnel. Ainsi, par exemple, les juges
ne seront pas devant des recommandations du type « boîte noire » ou des statistiques brutes avancées
comme preuves pour les recommandations proposées, mais des justifications articulées à leur place,
basées sur l'analyse des données et les interactions avec les utilisateurs juridiques.
3) L’IA peut-elle faciliter le processus de médiation et plus particulièrement le règlement des conflits
(en automatisant le processus)?
Ces systèmes seront capables d'améliorer leurs recommandations dans le temps en interagissant avec
les utilisateurs, en justifiant leurs recommandations et en tenant compte des commentaires des utilisateurs (les juges). La condition préalable à la réalisation de cet objectif est la pluridisciplinarité, qui
comprend des experts juridiques, des analystes de données et des chercheurs en IA dans le domaine de
la représentation des connaissances et du raisonnement, l’apprentissage automatique et le traitement
du langage naturel.
Un « bot juridique » est le résultat de l'intégration de (1) un mécanisme de raisonnement utilisant la
loi/réglementation et (2) un mécanisme de raisonnement utilisant les cas antérieurs (jurisprudences).
Les informations utilisées en (1) et (2) sont extraites de façon semi-automatique des textes stockés
dans des bases de données publiques, décrivant les lois et les jurisprudences et constituent la troisième
composante (3) construisant les bots juridiques. Plus précisément pour (1), il conviendrait d’utiliser un
raisonnement fondé sur l'argumentation avec des règles et des préférences sur elles alors que pour (2)
il faut utiliser un raisonnement fondé sur l'argumentation pour analyser les conflits entre les cas antérieurs (quand ils sont tous similaires au nouveau cas mais ont donné lieu à des résultats/décisions différents). L'information en (3) sera obtenue au moyen des techniques d'analyse des données et du traitement du langage naturel pour extraire les structures d'arguments des cas antérieurs (jurisprudences)
et des techniques d'exploration d’arguments (argument mining) pour extraire la structure des arguments des cas antérieurs. Aussi, il conviendrait d’extraire des règles et des préférences à partir d’un
raisonnement par cas, via son incarnation basée sur l'argumentation (l'intuition étant que les décisions
sur les cas antérieurs auraient dû suivre certaines règles et avoir pris en compte des préférences). La
combinaison de ces techniques pourrait fournir des suggestions justifiées basées sur l'argumentation
(par exemple, des prédictions et des recommandations sur de nouveaux cas). L'utilisation de l'argumentation comme cadre unifié sous-jacent pour (1), (2) et (3) pourrait alors ouvrir la voie à une intégration harmonieuse des différentes capacités juridiques au sein de nos « bots juridiques » unifiés,
reflétant la façon dont les juges combinent les lois et les cas antérieurs/jurisprudences pour prendre
leurs décisions. Cela conduira à fournir également des suggestions transparentes et vérifiables aux
utilisateurs (les juges) renforçant ainsi la confiance dans ces systèmes.
Les « bots juridiques » pourraient alors apparaître comme des compagnons, plutôt que comme des
concurrents pour les décideurs juridiques. Ces derniers seront les utilisateurs actifs de ces « bots juridiques » et pourraient ainsi à terme interagir avec eux en fournissant notamment des commentaires (un
feedback) sur leur comportement et leurs résultats. Par exemple, ils pourront spécifier si une règle ou
un cas antérieur/jurisprudence est correctement extrait du texte (et donc fournir un feedback à (3)), si
une recommandation basée sur le droit (les lois) est correcte (et donc fournir un feedback à (1)) ou si
un cas antérieur/jurisprudence est en effet pertinent pour le cas présent (et donc fournir un feedback à
(2)). Cela permettrait alors de réinjecter de l’information dans le système et d'améliorer ses performances dans le temps.
Les “bots juridiques » offrent à ce titre plusieurs nouveautés par rapport aux systèmes antérieurs présentés dans la littérature (voir par exemple ASHSD-II, CHIRON, JUDGE, Split-Up, SHYSTER,
TAXMAN). Ces nouveautés sont: 1) l'intégration agile de différents types de raisonnement en utilisant
l'argumentation comme moyen commun, basée sur la semi-automatisation de l'extraction d'arguments
à partir de textes juridiques et la génération automatisée d’arguments fondés sur des règles/préférences
à partir des cas antérieurs et 2) l’amélioration continue du système par le biais de l'interaction avec
l’utilisateur (par exemple, les avocats et les juges), le feedback facilité par le haut niveau déclaratif et
naturel de l’argumentation, tout à fait dans l'esprit juridique traditionnel. Ainsi, par exemple, les juges
ne seront pas devant des recommandations du type « boîte noire » ou des statistiques brutes avancées
comme preuves pour les recommandations proposées, mais des justifications articulées à leur place,
basées sur l'analyse des données et les interactions avec les utilisateurs juridiques.
3) L’IA peut-elle faciliter le processus de médiation et plus particulièrement le règlement des conflits
(en automatisant le processus)?