Résumé technique : Raisonnement juridique précis à grande échelle via l'intelligence amortie

Énoncé du problème

Les textes juridiques, en particulier dans des domaines à haut risque tels que la procédure civile, l'assurance, la fiscalité et la réglementation financière, contiennent fréquemment des clauses juridiques computationnelles. Ces dispositions exigent la synthèse d'un raisonnement mathématique (par exemple, des formules fiscales), d'une évaluation de conditions logiques (par exemple, des seuils d'éligibilité) et d'une interprétation contextuelle du langage.

Bien que les modèles de raisonnement de pointe (LRM) démontrent une fluidité sémantique impressionnante, ils se heurtent à deux obstacles prohibitifs dans le cadre d'une adjudication prête pour la production :

1. Fiabilité : Les modèles probabilistes souffrent d'« erreurs de raisonnement », notamment des échecs arithmétiques silencieux (hallucination de coefficients) et des « falaises de raisonnement » où les performances se dégradent de manière catastrophique à mesure que la complexité logique (par exemple, logique booléenne imbriquée ou arbres de décision larges) augmente. Ils manquent de la rigueur structurelle requise pour le raisonnement législatif.
2. Économie : Le recours à l'inférence par chaîne de pensée (CoT) pour chaque transaction récurrente (par exemple, le traitement de milliers de factures) impose une mise à l'échelle linéaire des coûts, rendant l'adjudication autonome commercialement non viable pour les flux de travail à haut volume.

La programmation logique traditionnelle (par exemple, Prolog) offre de la rigueur mais souffre d'un goulot d'étranglement dans l'acquisition manuelle des connaissances. À l'inverse, les approches purement génératives manquent des garanties déterministes requises pour la conformité juridique.

Méthodologie : Intelligence amortie

Les auteurs proposent l'Intelligence amortie, une architecture neuro-symbolique qui déplace le paradigme d'un interprète d'exécution vers un compilateur logique. Le système découple le raisonnement de l'exécution grâce à un processus en deux phases :

1. Phase de compilation (coût unique)

Un grand modèle de langage (LLM) est utilisé une seule fois pour traduire un texte juridique non structuré en Langage de contrat autonome déterministe (DACL).

• Représentation DACL : Une représentation intermédiaire de graphe orienté acyclique (DAG) typée, optimisée pour la logique commerciale.
• Primitives de clause : Le système utilise un schéma fortement typé avec quatre primitives récursives :
  • Procédure : Flux de travail séquentiels avec terminaison anticipée.
  • Clause logique : Logique propositionnelle du premier ordre imposant une éligibilité basée sur la priorité.
  • Clause de plage : Mappage de variables continues vers des tranches discrètes avec une validation stricte des limites pour éliminer les erreurs « hors un » (off-by-one).
  • Formule de tarification : Expressions arithmétiques exécutées dans un environnement isolé (sandbox) avec une précision configurable.
• Versionnement temporel : Les clauses portent des dates de validité, permettant au moteur de sélectionner la version correcte pour une date d'événement spécifique sans régénération complète du contrat.

2. Phase d'exécution (temps d'exécution)

Les adjudications ultérieures reposent sur un Agent neuro-symbolique léger qui exécute le graphe DACL précompilé.

• Routage sémantique : Un LLM léger (par exemple, gpt-5-mini) mappe la requête de l'utilisateur et les faits d'exécution à un sous-ensemble spécifique d'identifiants de clause ($K$).
• Délégation symbolique : L'agent invoque un moteur déterministe ($\Phi_{DACL}$) pour exécuter la logique. Cette étape est non probabiliste, garantissant la transparence référentielle (des entrées identiques produisent toujours des sorties identiques).
• Synthèse : L'agent synthétise une réponse en langage naturel ancrée dans la trace d'audit structurel ($\tau$) générée par le moteur.

Contributions clés

1. Architecture DACL : Une représentation intermédiaire neuro-symbolique basée sur des graphes privilégiant les primitives juridiques et le suivi explicite des dépendances de variables par rapport à la preuve de théorèmes générale.
2. Validation de l'intelligence amortie : Démontrée sur des données provenant de systèmes industriels de planification des ressources d'entreprise (ERP) et de comptabilité, montrant que le déchargement de l'interprétation juridique lourde vers une étape de compilation unique atteint une précision de 99,5 % et une réduction des coûts de >95 % par rapport aux modèles de référence LRM de pointe dans les tâches à haut volume.
3. Taxonomie des défaillances et auditabilité structurelle : L'étude isole les modes d'erreur des modèles de pointe, identifiant les erreurs de dépendance de variable (VD) (suivi incorrect de l'état) comme le principal mode de défaillance (71 % des erreurs), plutôt que les hallucinations arithmétiques. DACL fournit un chemin d'exécution déterministe et traçable pour chaque décision.
4. Déploiement en production : Le système est déployé depuis plus de 12 mois dans un environnement en direct, exécutant de manière autonome les flux de travail de facturation et de comptes fournisseurs sur plus de 150 accords commerciaux et environ 1 000 événements de facturation mensuels.

Résultats et évaluation

Le système a été évalué par rapport à trois familles de modèles de pointe (GPT-5.2, Claude 4.5 Sonnet, Gemini 3 Pro) sur quatre accords industriels propriétaires (Santé, Énergie, Logistique, Municipal).

• Précision et « falaise de raisonnement » : L'agent DACL a atteint une précision globale de 99,5 %. En revanche, les modèles de pointe ont présenté une « falaise de complexité » abrupte. Bien que les modèles aient bien performé sur l'arithmétique simple (Energy-Sup), leur précision s'est effondrée sur des arbres de décision complexes (Logistics-MSA, 76 états de décision), chutant jusqu'à 22 % pour GPT-5.2.
• Analyse des erreurs : Les modèles de pointe calculaient souvent correctement les mathématiques mais les conditionnaient à un état incorrect (par exemple, appliquer un tarif de niveau A à un envoi de niveau B). Les erreurs DACL étaient rares et provenaient uniquement de l'agent de routage sémantique, et non du moteur déterministe.
• Économie computationnelle :
  • Efficacité des jetons : DACL a réduit la consommation de jetons de 9,9 fois par rapport à la référence en récupérant uniquement les clauses de logique actives plutôt que le contexte complet du contrat.
  • Latence : Sur des tâches complexes, DACL a moyenné 26,8 secondes par événement, nettement plus rapide que les ~164 secondes requises par les modèles de raisonnement lourds, tout en maintenant une précision supérieure.

Importance et revendications

L'article soutient que la réalisation d'une adjudication juridique autonome et évolutive nécessite de dépasser les seuls modèles probabilistes. En traitant le LLM comme un compilateur sémantique unique plutôt que comme un interprète d'exécution, l'architecture proposée élimine les risques stochastiques du raisonnement de « Système 2 ».

Les auteurs affirment que cette approche offre :

• Évolutivité : Une voie pour traiter des millions de cas annuellement sans examen manuel, répondant aux problèmes systémiques d'accès à la justice.
• Stabilité et uniformité : Assurer une application cohérente des règles et éliminer l'imprévisibilité de l'inférence générative.
• Auditabilité : Fournir une piste d'audit structurelle essentielle à la conformité juridique, satisfaisant l'exigence selon laquelle l'adjudication doit être explicable et déterministe.

Le travail suggère que cette approche déterministe peut s'étendre au-delà des contrats commerciaux à d'autres domaines réglementaires (par exemple, codes fiscaux, règlements municipaux), à condition que la logique puisse être mappée aux primitives définies du système. Les auteurs reconnaissent des limites, notamment l'absence actuelle de prise en charge du raisonnement défaisable, des standards juridiques à texture ouverte et des juridictions non anglophones, notant que les erreurs de compilateur, bien que rares, nécessitent un examen humain avant le déploiement en production.