IA juridique Legora : comment évaluer des agents fiables
Une plateforme d'IA pour avocats vient d'être valorisée 8,8 milliards de dollars lors d'une levée de série E annoncée le 7 octobre 2026, selon le blog officiel de Legora. Ce chiffre seul ne dit rien d'utile à un dirigeant qui envisage d'automatiser une partie de son métier sur des données confidentielles. Ce qui est transférable, c'est la méthode : comment évaluer un agent IA quand on n'a pas le droit de regarder les données sur lesquelles il travaille.
Legora en chiffres : d'un sous-sol de Stockholm à 8,8 Md$
La trajectoire : ARR, clients, levées
Legora a démarré à Stockholm, dans des locaux modestes décrits par son CTO Jacob Lauritzen comme un sous-sol, avant d'étendre son activité à l'international, selon l'entretien publié par Latent Space le 10 septembre 2026. La société vend des agents IA destinés aux cabinets d'avocats et aux directions juridiques d'entreprise. Sa dernière levée, annoncée le 7 octobre 2026 sur son blog, la valorise à 8,8 milliards de dollars. Ce chiffre de valorisation ne mesure pas la qualité du produit : il reflète l'appétit des investisseurs pour la legaltech à ce moment précis, rien de plus.
Pourquoi le droit était réputé impossible à automatiser
Le droit combine trois contraintes qui rendent l'automatisation risquée : la confidentialité absolue des dossiers clients, la nécessité d'une précision quasi sans faille (une clause mal interprétée coûte cher), et des pratiques qui varient d'un cabinet à l'autre, parfois d'un associé à l'autre. Ce triptyque explique pourquoi la profession a longtemps été citée en exemple de métier protégé de l'automatisation. Legora ne prétend pas avoir résolu ces trois contraintes. Elle a construit un processus pour avancer malgré elles.
Évaluer des agents sans voir les données clients
Reconstituer le travail via des environnements RL
Le problème concret, pour Legora, est le suivant : comment savoir si un agent fonctionne bien quand on n'a jamais accès aux contrats réels des clients ? La réponse, décrite par Jacob Lauritzen dans l'entretien Latent Space du 10 septembre 2026, consiste à construire des environnements de renforcement — des tâches synthétiques qui reproduisent la structure d'un vrai dossier juridique sans en être un. L'équipe recrute des juristes pour fabriquer ces scénarios, les faire résoudre par les modèles, puis comparer le résultat à ce qu'un avocat expérimenté aurait produit.
Heat map par domaine juridique et modes d'échec
Cette évaluation produit une cartographie de performance par domaine du droit — droit des sociétés, contrats commerciaux, conformité, propriété intellectuelle — qui identifie où les modèles sont fiables et où ils échouent de façon récurrente. Cette heat map guide les priorités de développement produit : là où le taux d'échec est élevé, l'équipe ajoute des garde-fous ou limite l'usage autonome de l'agent. C'est une approche d'ingénierie, pas une promesse de fiabilité universelle.
La contrainte Azure imposée par les cabinets
Les cabinets clients imposent des exigences d'hébergement précises. Legora fait tourner son infrastructure sur Azure pour répondre à ces contraintes de confidentialité et de conformité, selon le même entretien du 10 septembre 2026. Ce choix n'est pas anodin : il signifie que l'architecture technique est dictée par les clients les plus exigeants en matière de sécurité, pas par la facilité de développement.
Là où les modèles suffisent déjà, et là où ils calent
60 % du travail juridique bien couvert
Jacob Lauritzen avance un ordre de grandeur dans l'entretien du 10 septembre 2026 : les modèles actuels traitent correctement environ 60 % des tâches juridiques courantes — relecture de contrats standards, recherche de clauses, synthèse de jurisprudence. Ce chiffre vient d'un praticien du secteur, pas d'un benchmark indépendant publié ; il faut le lire comme une estimation interne, pas comme une mesure certifiée.
Contrats à un million de tokens et hallucinations
Les 40 % restants concentrent les cas difficiles : contrats très longs qui saturent la fenêtre de contexte (unité qui mesure la quantité de texte qu'un modèle peut traiter en une fois) même à un million de tokens, raisonnement juridique multi-étapes, et surtout le risque d'hallucination — une invention de fait ou de référence juridique inexistante présentée avec assurance. Dans un contrat, une clause hallucinée n'est pas une anecdote : c'est une faute professionnelle potentielle. C'est précisément pour cette raison que Legora maintient une supervision humaine systématique sur les sorties de ses agents.
Quelques primitives, beaucoup de produits
Projects, agent, Tabular Review, lists
Plutôt que de multiplier les fonctionnalités isolées, Legora construit un petit nombre de primitives réutilisables, documentées sur son site : Projects pour organiser un dossier, agent pour l'exécution autonome de tâches, Tabular Review pour comparer des clauses ou des documents en tableau structuré, et lists pour le suivi d'éléments récurrents. Cette logique de primitives limite la dette technique et permet de réutiliser le même socle d'évaluation sur chaque nouveau cas d'usage.
Legal engineers contre forward deployed engineers
Legora emploie des profils hybrides appelés legal engineers : des juristes formés à l'ingénierie produit, qui traduisent les besoins des cabinets en spécifications testables. C'est une distinction nette avec le modèle du forward deployed engineer popularisé par certaines entreprises de la défense ou de la donnée, où un ingénieur généraliste s'installe chez le client sans expertise du domaine métier. Pour un secteur aussi normé que le droit, l'expertise métier prime sur la polyvalence technique pure.
La facturation à l'heure sous pression
Vers le forfait au projet
L'automatisation partielle du travail juridique fragilise le modèle historique de facturation à l'heure. Si un agent traite en quelques minutes une tâche qui prenait plusieurs heures, facturer au temps passé devient incohérent pour le client. Le secteur évolue vers des forfaits au projet ou à la mission, une tendance que Legora accompagne sans l'avoir inventée : elle répond à une pression déjà présente chez les directions juridiques d'entreprise, qui réclament de la prévisibilité budgétaire.
L'effet réel sur juniors et paralegals
Un raccourci fréquent consiste à dire que l'IA va remplacer les avocats juniors et les paralegals. Ce n'est pas ce que décrit l'entretien avec Jacob Lauritzen : il présente l'IA comme un outil qui change la nature des tâches confiées aux juniors, pas comme un substitut. Les tâches répétitives de premier niveau diminuent, mais la supervision, la vérification et le jugement contextuel restent des compétences humaines mobilisées différemment, pas supprimées.
Les limites : ce que ce cas ne prouve pas
Ce cas d'usage a ses propres limites, qu'il faut garder en tête avant de s'en inspirer. D'abord, l'évaluation par environnements synthétiques ne garantit pas une performance identique sur les dossiers réels des clients : un scénario reconstitué reste une approximation, pas un jumeau exact. Ensuite, Legora dépend entièrement des laboratoires qui fournissent les modèles sous-jacents — un changement de version ou de politique tarifaire chez ces fournisseurs peut affecter le produit sans que Legora en ait le contrôle. Enfin, les chiffres de couverture (60 % du travail juridique) viennent d'une estimation interne communiquée dans un entretien, pas d'un audit indépendant publié avec méthodologie détaillée. Il faut aussi noter que ce modèle a été testé dans des cabinets anglo-saxons et nordiques aux pratiques documentées numériquement ; sa transposition à d'autres juridictions, avec des usages plus artisanaux, reste à démontrer.
Par où commencer pour vos propres agents
Trois étapes concrètes pour transposer cette méthode à un métier réglementé ou sur données sensibles, sans attendre d'avoir un budget comparable à celui de Legora.
Isoler les tâches à faible risque et fort volume : identifiez dans votre activité les tâches répétitives dont l'erreur est détectable et corrigible rapidement, et commencez l'automatisation par celles-ci plutôt que par les dossiers les plus sensibles.
Construire un jeu de test synthétique avant tout déploiement : faites reconstituer par un expert métier interne quelques cas représentatifs anonymisés, mesurez le taux d'erreur de l'agent dessus, et documentez les modes d'échec par catégorie avant toute mise en production.
Choisir l'hébergement en fonction de la contrainte la plus stricte, pas de la plus courante : si un seul client ou une seule obligation réglementaire impose un hébergement cloisonné, concevez l'architecture pour cette exigence dès le départ plutôt que de la retrofitter plus tard.
Pour aller plus loin sur l'évaluation d'agents IA en contexte réglementé, le cas de la due diligence transactionnelle chez Ropes & Gray illustre une autre facette de cette même tension entre vitesse et fiabilité.
Sources
Building AI for Lawyers — Jacob Lauritzen, CTO of Legora — swyx et Alessio, Latent Space, 10/09/2026
Legora raises Series E at NULL.8B valuation — Legora, Legora, 07/10/2026
Legora — AI for lawyers — Legora, Legora, 01/11/2026
Legora CTO on building AI for the legal profession — Latent Space, YouTube, 10/09/2026
Cet article a été rédigé et illustré par un système d'intelligence artificielle à partir des sources citées ci-dessus, puis publié automatiquement, sans relecture humaine préalable. Si vous relevez une erreur factuelle, merci de nous la signaler.
Commentaires