Le marche de l’IA juridique a produit des entreprises impressionnantes. Harvey, valorise entre 8 et 11 milliards de dollars, a leve l’une des plus grandes levees de fonds IA de l’histoire. Legora a atteint 1,8 milliard de dollars. Noxtua a obtenu les droits exclusifs sur des commentaires juridiques allemands premium. CASUS s’est lance avec des ambitions sur le marche suisse.
Tous construisent la meme chose : de l’IA juridique pour le travail juridique.
C’est un probleme. Non pas parce que l’IA juridique n’est pas precieuse. Elle l’est. Le probleme est que le travail professionnel dans les industries reglementees ne reste pas dans un seul couloir.
Le probleme des frontieres de domaine
Un avocat d’affaires redigeant un accord de fusion rencontrera des dispositions fiscales, des obligations en droit du travail, des seuils en droit de la concurrence et potentiellement de la reglementation bancaire. Le travail juridique est inseparable du travail fiscal, du travail de conformite et du travail reglementaire.
Un responsable conformite evaluant le lancement d’un nouveau produit a besoin du droit bancaire, de la reglementation sur la protection des consommateurs, des exigences de protection des donnees, des obligations LBA et potentiellement de la reglementation des assurances. La question de conformite est inheremment multi-domaine.
Un conseiller fiscal structurant une reorganisation inter-cantonale a besoin du droit des societes, du droit fiscal dans plusieurs juridictions, de la reglementation TVA et des dispositions sur les droits de timbre. L’analyse fiscale ne peut etre completee sans analyse juridique.
Les outils IA mono-sectoriels gerent bien le premier domaine. Des que le travail deborde dans un second domaine, le professionnel revient a la recherche manuelle. L’outil IA qui lui a fait gagner deux heures sur la question juridique ne peut pas l’aider avec la question fiscale incorporee dans le meme document.
Ce n’est pas un inconvenient mineur. C’est une limitation architecturale fondamentale.
Comment en sommes-nous arrives la
L’approche mono-sectorielle avait du sens comme point de depart. Construire un systeme IA juridique complet est deja assez difficile sans essayer de couvrir aussi la fiscalite, la banque, le medical et la reglementation des assurances. Harvey a commence avec les cabinets d’avocats d’elite americains. Legora a commence avec la recherche juridique europeenne. Noxtua a commence avec les commentaires juridiques allemands. Chacun a choisi une tete de pont et a construit une expertise approfondie.
Le probleme est que l’architecture derriere ces plateformes a ete concue pour un seul domaine. Les modeles de donnees, les strategies d’embedding, les pipelines de recherche, les interfaces utilisateur sont tous optimises pour le travail juridique. Ajouter un module fiscal n’est pas une question de charger des donnees fiscales dans le meme systeme. Les donnees fiscales ont des structures differentes, des hierarchies differentes, des schemas de citation differents et des relations differentes avec les autres domaines.
Harvey, reconnaissant cette limitation, a commence a se decrire comme une plateforme IA de “services professionnels”. Mais son architecture, son equipe et son infrastructure de donnees sont juridiques avant tout. Greffer des capacites fiscales ou de conformite sur une plateforme juridique d’abord, c’est comme ajouter une cuisine a une voiture. C’est possible, mais le resultat n’est ni une bonne voiture ni une bonne cuisine.
L’effet reseau entre les domaines
La vraie puissance de l’IA multi-sectorielle n’est pas seulement la commodite. C’est une intelligence qui emerge de la connexion des domaines.
Graphes de citations inter-domaines. Une loi suisse reference d’autres lois suisses. Mais elle declenche aussi des consequences fiscales, cree des obligations de conformite et peut interagir avec les reglementations FINMA. Un systeme multi-sectoriel cartographie ces relations inter-domaines. Quand un utilisateur recupere une disposition de droit des societes, il voit aussi les implications fiscales, les exigences reglementaires et les considerations de conformite. Ce n’est pas possible dans un systeme mono-sectoriel parce qu’il n’a tout simplement pas les donnees des autres domaines.
Detection contextuelle des risques. Quand l’IA comprend a la fois le droit des societes et le droit du travail, elle peut signaler qu’une clause de transfert d’actions proposee pourrait declencher des exigences de consultation obligatoire des employes. Quand elle comprend a la fois le droit bancaire et le droit de la protection des donnees, elle peut identifier qu’un nouveau processus d’onboarding digital doit satisfaire a la fois les exigences d’identification de la FINMA et le principe de minimisation des donnees de la LPD. Les outils mono-sectoriels ne peuvent pas voir ces intersections.
Valeur cumulative des donnees. Chaque nouveau domaine ajoute a une plateforme multi-sectorielle n’ajoute pas seulement sa propre valeur. Il multiplie la valeur de chaque domaine existant. Le juridique devient plus precieux quand il est connecte a la fiscalite. La fiscalite devient plus precieuse quand elle est connectee a la conformite. La conformite devient plus precieuse quand elle est connectee a tout ce qui precede. C’est un effet reseau que les acteurs mono-sectoriels ne peuvent pas reproduire.
L’economie du multi-sectoriel
Il y a un argumentaire commercial solide ici, pas seulement un argument produit.
Pour le constructeur de plateforme :
Une entreprise d’IA juridique mono-sectorielle construit toute son infrastructure — base de donnees vectorielle, pipeline d’embedding, systeme de recherche, hebergement, cadre de conformite, architecture multi-locataire et interface utilisateur — pour servir un seul marche. Si elle veut ajouter la fiscalite, elle a besoin de nouvelles sources de donnees, d’une nouvelle expertise de domaine et d’une re-ingenierie significative. Le cout du second secteur est presque aussi eleve que celui du premier.
Une plateforme multi-sectorielle construit l’infrastructure partagee une seule fois. Chaque nouveau domaine se branche sur la pile existante : la meme base de donnees, le meme pipeline d’embedding, le meme hebergement, le meme cadre de conformite. Le cout marginal d’ajout d’un secteur tombe a environ 30% du cout de construction du premier. Au quatrieme ou cinquieme domaine, l’avantage de cout est ecrasant.
Pour l’acheteur :
Une banque suisse qui a besoin d’IA juridique, d’IA fiscale, d’IA de conformite et de surveillance reglementaire aujourd’hui fait face a un choix : acheter aupres de quatre fournisseurs separes (Harvey ou equivalent pour le juridique, un outil fiscal, un outil de conformite, un service de surveillance reglementaire) et les integrer d’une maniere ou d’une autre, ou n’acheter aupres d’aucun fournisseur parce que la charge d’integration est trop elevee.
Une plateforme multi-sectorielle vend un seul abonnement qui couvre les quatre besoins. Un seul identifiant, une seule interface, un seul cadre de gouvernance des donnees, une seule relation fournisseur. Le cout total est inferieur, la charge d’integration est nulle et l’intelligence inter-domaines est incluse.
C’est pourquoi les logiciels d’entreprise tendent vers les plateformes plutot que vers les solutions ponctuelles. Le client veut moins de fournisseurs, pas plus. L’institution veut un seul cadre de gouvernance IA a gerer, pas quatre.
L’opportunite europeenne
Cette dynamique est particulierement aigue en Europe, et surtout en Suisse.
Les environnements reglementaires europeens sont inheremment multi-domaines. Le droit suisse interagit avec les directives europeennes a travers des accords bilateraux. La reglementation FINMA met en oeuvre des normes internationales (Bale III, GAFI) au sein d’un cadre juridique suisse. Les conventions fiscales entre la Suisse et d’autres pays creent des obligations qui couvrent simultanement le droit des societes, le droit fiscal et la reglementation internationale.
Une entreprise d’IA juridique centree sur les Etats-Unis peut servir des cabinets d’avocats americains qui travaillent principalement au sein d’un seul systeme juridique. Une entreprise d’IA juridique europeenne doit deja gerer plusieurs juridictions (federale suisse, 26 cantonales et UE). Le pas du multi-juridictionnel en IA juridique au multi-sectoriel est plus petit en Europe qu’ailleurs.
Pourtant, le marche europeen est celui ou l’IA mono-sectorielle domine. Harvey est centre sur les Etats-Unis (avec expansion au Royaume-Uni). Legora est europeen mais exclusivement juridique. Noxtua est germanophone mais exclusivement juridique. Personne ne construit la plateforme multi-sectorielle dont le marche europeen a reellement besoin.
Ce que les clients commencent a exiger
Le signal du marche est deja visible pour qui sait ou regarder.
Les cabinets d’avocats interrogent leurs fournisseurs IA sur les capacites fiscales. Les equipes conformite demandent l’integration de la recherche juridique. Les banques cherchent des plateformes qui couvrent la gestion des changements reglementaires et l’analyse juridique dans un seul outil.
Le fil conducteur : les professionnels veulent des outils IA qui correspondent a la facon dont ils travaillent reellement, c’est-a-dire a travers les domaines, pas dans des frontieres sectorielles artificielles.
Une enquete recente de la Swiss Legal Tech Association a revele que 67% des professionnels du droit suisses utilisant des outils IA ont signale des situations ou l’outil ne pouvait pas les aider parce que la question debordait dans un domaine non juridique. Les domaines adjacents les plus courants etaient la fiscalite (citee par 78% des repondants), la conformite (61%) et la reglementation du travail (44%).
Ces professionnels ne demandent pas un meilleur outil d’IA juridique. Ils demandent un outil qui comprend l’ensemble du paysage reglementaire dans lequel ils operent.
La fenetre de 12-18 mois
L’espace de l’IA reglementee multi-sectorielle est vide. Personne ne l’occupe. Cela ne durera pas.
Harvey a les ressources pour tenter une expansion multi-sectorielle. Thomson Reuters dispose des actifs de donnees a travers le juridique, la fiscalite et la conformite. Wolters Kluwer couvre plusieurs domaines reglementaires a travers son activite d’edition. L’un d’entre eux pourrait decider de construire une plateforme IA multi-sectorielle.
Mais ils ne l’ont pas encore fait. Harvey est contraint architecturalement par sa conception juridique-d’abord. Thomson Reuters est contraint par son infrastructure d’edition historique. Wolters Kluwer n’est pas une entreprise IA-native.
La fenetre pour un nouvel entrant de construire une plateforme IA multi-sectorielle de zero, avec une architecture concue pour l’intelligence inter-domaines des le premier jour, est d’environ 12-18 mois. Apres cela, les acteurs en place auront rattrape ou fait des acquisitions pour y parvenir.
Les entreprises qui etablissent des plateformes IA multi-sectorielles pendant cette fenetre auront un avantage structurel : donnees inter-domaines, graphes de citations inter-domaines et flux de travail utilisateurs inter-domaines que les entrants ulterieurs auront besoin d’annees pour reproduire.
Mont Virtua construit exactement cela. Enclava est une plateforme IA multi-sectorielle pour les industries reglementees suisses, commencant par le droit et la conformite FINMA, s’etendant a la fiscalite, la banque, l’assurance et au-dela. Chaque domaine se connecte a tous les autres a travers une infrastructure partagee et des graphes de citations inter-domaines. Pour voir a quoi ressemble l’IA reglementee multi-sectorielle, visitez enclava.ch.