La diffusion des IA juridiques demeure largement nominale. Les budgets se déploient, les licences s’accumulent, les communiqués annoncent une transformation. Dans les dossiers, le basculement reste rare.
Selon le rapport 2026 d’Axiom auprès de 528 responsables juridiques in-house, seules 7 % des directions juridiques ont déployé l’IA à l’échelle de leur organisation. Dans le même temps, 83 % ne disposent d’aucune mesure formalisée de l’efficacité des dépenses engagées. L’équipement progresse ; la gouvernance et l’usage réel, eux, peinent à suivre.
Ce qui freine l’incorporation aux pratiques
Plusieurs facteurs interviennent, et ils se renforcent mutuellement. Le premier est environnemental : passer d’un traitement documentaire familier — dossier, pièces, annotations, tableur — à une interface conversationnelle ou à un pipeline d’agents constitue une rupture. Ce n’est pas seulement une question de formation ; c’est un changement de posture mentale face à la matière juridique.
S’y ajoutent des frictions concrètes : nécessité de transférer puis de recontextualiser les pièces, contraintes de format ou de longueur, perte de cohérence lorsqu’un même dossier est éclaté en invites successives. L’outil prescrit exige souvent un travail préalable que l’outil grand public évite — au prix, précisément, du secret professionnel.
Une variable moins souvent discutée complète le tableau : la qualité du modèle de fondation retenu par l’éditeur. Spécialiser une interface ne suffit pas si le moteur sous-jacent demeure en retrait des modèles de frontière.
Quand la spécialisation juridique ne suffit pas
Pub-LawBench a évalué 17 modèles sur des tâches juridiques orientées usage public, sans RAG ni agents — autrement dit, dans des conditions proches de ce qu’un professionnel non expert peut obtenir d’un chat. Les modèles généralistes commerciaux obtiennent des scores compris entre 63,6 et 71,8, contre 36,3 à 45,0 pour les quatre modèles juridiquement spécialisés testés (SaulLM, DISC-Law, ChatLaw, LawGPT).
Le benchmark ne constitue pas une expérience contrôlée sur les effets de la spécialisation : les modèles diffèrent par leur taille, leur génération et leurs conditions d’entraînement. Il fournit néanmoins une photographie utile de l’offre disponible : la spécialisation juridique ne compense pas nécessairement l’écart de capacité avec les modèles de frontière.
Spécialiser le domaine ne suffit pas si le modèle de fondation reste en retrait des capacités générales disponibles ailleurs.
Pour un cabinet ou une direction juridique, la conséquence est directe. Un outil « juridique » peut être plus rassurant d’un point de vue marketing ou contractuel, tout en produisant des réponses moins utiles qu’un modèle généraliste de dernière génération — dès lors que ce dernier peut être mobilisé sans exposer les données identifiantes du dossier.
Déploiement, secret professionnel et modèles mobilisables
Une partie de cet écart résulte aussi des conditions de déploiement. En France, les exigences relatives au secret professionnel, aux transferts de données, à l’hébergement et à l’accès éventuel d’autorités étrangères conduisent certains éditeurs à privilégier des modèles hébergeables localement, ou des versions déjà validées dans un périmètre contraint.
La CNIL rappelle que l’hébergement en Europe ne suffit pas toujours à neutraliser le risque lié à une législation extraterritoriale applicable au prestataire. Ces précautions sont juridiquement compréhensibles ; elles réduisent toutefois le nombre de modèles immédiatement mobilisables dans les offres « conformes ».
Le paradoxe est alors le suivant : plus l’offre institutionnelle se restreint pour des motifs de gouvernance, plus l’écart se creuse avec les capacités que les professionnels observent — et utilisent — hors du cadre prescrit.
Le shadow AI n’est pas (seulement) un problème de discipline
L’écart entre l’outil prescrit et l’outil effectivement jugé utile produit des usages de contournement. Le rapport Future of Professionals 2026 de Thomson Reuters relève que 34 % des professionnels utilisent des outils d’IA non approuvés par leur organisation. Cette proportion atteint 41 % parmi ceux qui estiment que leur organisation adopte l’IA trop lentement. Dans le même temps, 41 % déclarent ne pas avoir accès à des outils professionnels répondant à leurs exigences — notamment la protection des données confidentielles et l’ancrage dans des contenus vérifiables.
Le shadow AI ne peut donc pas être réduit à une insuffisance de discipline interne. Il traduit une inadéquation entre les usages prescrits et les instruments que les professionnels estiment suffisamment performants et simples à employer. Interdire sans offrir un équivalent utile ne ferme pas le risque ; il le déplace hors du périmètre visible.
