Agents IA et contrats : ce qui fonctionne déjà, ce qui reste à prouver

Un agent reçoit un objectif, choisit des étapes et utilise des outils pour les réaliser : lire des documents, interroger une base, rédiger, puis contrôler son résultat. Un assistant, lui, répond à une demande à la fois. La frontière reste floue, et chaque éditeur emploie le terme à sa façon.

Cette ambiguïté n’est pas propre au droit. Dans une prévision de juin 2025, le cabinet Gartner décrit un phénomène d’« agent washing » : des assistants, des chatbots ou des outils d’automatisation existants renommés agents sans capacité nouvelle. Le premier réflexe consiste donc à demander ce que l’outil fait réellement sans intervention humaine.

Les offres se sont multipliées en 2026. Voici ce que les éditeurs annoncent, sans préjuger des résultats :

• Harvey a annoncé en mai 2026 une bibliothèque de plus de 500 agents, dont la revue de contrats et la due diligence, ainsi qu’un outil permettant d’en créer, en accès anticipé.
• Legora décrit un agent qui planifie, exécute, contrôle et livre un travail dans un espace de projet. L’utilisateur voit le plan proposé et valide les livrables, selon sa présentation.
• Claude propose depuis mai 2026 des plugins juridiques, dont quatre sont déclinés en agents déployables par API, selon LawSites. Le dépôt d’Anthropic les présente comme produisant des brouillons pour un avocat.
• ChatGPT dispose d’un mode agent généraliste depuis juillet 2025. Selon Decrypt, il demande une approbation explicite pour les achats ou l’accès à des données sensibles, et OpenAI signale lui-même le risque d’injection de prompt. Il n’est pas spécifique au droit.

Les présentations de Legora, d’Anthropic et d’OpenAI prévoient une forme de contrôle humain, à des moments différents. Le compte rendu lu sur Harvey ne détaille pas ce point. Ces descriptions viennent des éditeurs ou de la presse spécialisée, et ne constituent pas une mesure de performance.

Les indices les plus solides concernent des tâches précises, évaluées sur des outils d’IA juridique plutôt que sur des agents autonomes. Le rapport de Vals AI de février 2025 a comparé plusieurs outils spécialisés à une base de comparaison d’avocats indépendants :

• Questions sur un document. Meilleur outil à 94,8 %, contre 70,1 % pour la base de comparaison.
• Résumé de documents. Meilleur outil à 77,2 %, contre 50,3 %.
• Extraction de données. Meilleur outil à 75,1 %, contre 71,1 %.
• Redlining. Les avocats gardent le meilleur score, à 79,7 %, contre 65 % pour le meilleur outil dans le tableau du rapport.

Ces résultats portent sur des produits datés et dépendent de la méthode de l’étude. Ils ne prouvent pas qu’un agent puisse enchaîner ces tâches sans erreur. Ils suggèrent plutôt un ordre de maturité : plus le résultat est borné et facile à contrôler, plus l’appui de l’IA paraît réaliste.

En pratique, les usages les plus raisonnables à tester aujourd’hui partagent ces traits :

• Le tri d’accords de confidentialité. La tâche est répétitive, et chaque écart se contrôle par rapport à une position définie à l’avance.
• L’extraction de métadonnées. Dates, parties et préavis se vérifient dans le contrat.
• La préparation d’une analyse. L’outil confronte le contrat à un playbook, et le juriste examine les écarts signalés.
• La recherche dans une contrathèque. Une liste de contrats à revoir se contrôle facilement, à condition que les données soient propres.

Nous n’avons pas trouvé d’étude indépendante mesurant des agents sur un cycle contractuel complet en droit français. Trois sujets restent ouverts :

• La relecture finale. Le préprint ContractScrub, d’août 2026, juge faibles les résultats des modèles les plus avancés sur les erreurs de contrats rédigés par des avocats. Le meilleur atteint un rappel moyen de 0,75.
• L’enchaînement des étapes. Dans une chaîne d’actions, une erreur précoce peut se propager. Les études par tâche ne mesurent pas cet effet.
• La négociation. Arbitrer une concession suppose de connaître la relation commerciale, le rapport de force et les priorités du moment, rarement écrits dans un document.

Reste la question du retour sur investissement. Gartner prévoyait en juin 2025 l’annulation de plus de 40 % des projets d’IA agentique d’ici fin 2027, en citant les coûts, une valeur peu claire et des contrôles de risque insuffisants. Il s’agit d’une prévision d’analyste, générale et non juridique. Elle rappelle simplement l’intérêt de commencer par un cas d’usage précis.

Un agent ne présente pas seulement les risques d’une réponse fausse. Il peut agir, et ses accès élargissent le périmètre à contrôler. Ces points restent gérables si l’on en parle avant le déploiement :

• Les accès. Un agent relié à la messagerie, à la contrathèque et à la signature accède à plus de données qu’un assistant. Le principe du moindre droit garde tout son sens.
• Le contenu reçu. Un document externe peut contenir une instruction cachée. Morgan Lewis recommande en septembre 2026 de traiter ces documents comme non fiables, de limiter les connecteurs et de faire vérifier les conclusions importantes.
• La traçabilité. Vous devez pouvoir reconstituer ce que l’agent a lu, décidé et modifié.
• La confidentialité. Chaque connecteur ajoute un circuit de données à examiner, en particulier s’il dépend d’un autre prestataire.
• L’engagement de l’entreprise. Un envoi ou une acceptation automatique pose une question juridique propre, à examiner avec votre conseil avant toute mise en place.

La CNIL donne un repère utile pour le déploiement d’une IA générative, en citant parmi les exemples d’usages à interdire le fait de lui confier une prise de décision. Cette recommandation de 2024 vise d’abord les données personnelles, mais la logique reste pertinente.

Une approche progressive permet d’apprendre sans exposer les contrats les plus sensibles :

• Choisir une tâche. Retenez un cas fréquent, borné, avec une bonne réponse identifiable.
• Préparer un jeu de test. Réunissez quelques contrats dont vous connaissez les difficultés, et mesurez aussi ce que l’outil manque.
• Fixer le niveau d’autonomie. Lire, proposer, modifier un brouillon et envoyer sont quatre niveaux distincts. Commencez par les deux premiers.
• Garder une validation. Rien ne part à l’extérieur sans accord d’une personne désignée.
• Comparer au processus actuel. Comptez le temps de vérification, souvent absent des démonstrations.
• Demander une preuve à l’éditeur. Interrogez-le sur le protocole, les journaux d’actions et les données transmises.

L’assistant de Docform retrouve des contrats à partir de critères, et prépare des analyses et des réponses en citant le passage source. Le juriste vérifie, corrige et valide. Cette approche ne supprime pas les erreurs possibles de l’IA : elle laisse la décision aux équipes. Le détail de l’assistant est présenté sur la page dédiée.