Pourquoi nous formons la prochaine génération d’avocats au big data

L’intelligence artificielle transforme la prestation traditionnelle de services juridiques.

En termes généraux, l’ensemble d’outils largement appelés « analyse juridique » promet de faire deux choses: augmenter l’efficacité des tâches qui nécessitaient autrefois beaucoup de temps et d’efforts humains, et exploiter des masses de données pour découvrir de nouvelles informations qui étaient auparavant inaccessibles.

En tant que juristes, nous sommes ravis de la promesse d’appliquer ces outils aux questions de recherche juridique. À Georgia State, nous construisons des équipes de recherche interdisciplinaires avec des avocats et des scientifiques des données travaillant côte à côte. Les étudiants sont également impliqués, afin que nous puissions éduquer la prochaine génération d’avocats à tirer parti de ces outils dans leurs propres pratiques.

Transformer les tâches juridiques

Supposons qu’une entreprise souhaite prévoir quelles plaintes d’employés entraînent des poursuites. Historiquement, la société pouvait affecter une équipe d’analystes et d’avocats pour passer au peigne fin les dossiers de plaintes, les dossiers du personnel et les documents judiciaires, à la recherche d’un modèle qui pourrait signaler un risque de litige. Ce processus minutieux pourrait prendre des mois et nécessiter une armée de personnes pour traiter des milliers de pages de texte.

Traiter cette tâche comme un problème de science des données améliore considérablement la vitesse et l’efficacité. Un algorithme pourrait extraire le texte clé en vrac et l’assembler pour analyse. Le temps et l’attention humains ne seraient alors formés que sur les informations pertinentes. Le processus de recherche à forte intensité de main-d’œuvre serait éliminé.

La nouvelle génération d’outils d’analyse peut faire plus que simplement réduire les heures de travail. Des Techniques comme l’apprentissage automatique – un type d’intelligence artificielle où les ordinateurs peuvent apprendre récursivement à partir d’un ensemble d’exemples sans être explicitement programmés pour le faire – peuvent permettre la découverte de nouveaux modèles qui sont hors de portée de l’analyse manuelle. Par exemple, dans le scénario ci-dessus, un algorithme peut être en mesure de prédire si une plainte donnée d’un employé entraînera une poursuite.

Dans notre laboratoire, nous testons l’application des outils d’analyse à un large éventail de questions juridiques. Nous avons analysé tous les procès en matière d’emploi devant le Tribunal de District américain pour la Géorgie du Nord afin de comprendre les cas gagnants et perdants et d’identifier les caractéristiques des cas, telles que les juges, les avocats et les requêtes qui pourraient influencer le résultat final d’une affaire.

Par exemple, nous avons constaté que, lorsqu’une requête était renvoyée par le juge du Tribunal de district présidant à un juge magistrat pour un rapport préliminaire et une recommandation, la recommandation du juge magistrat était le prédicteur le plus fort de la décision finale du juge. Cela soulève des questions intéressantes, que nous étudions plus avant, sur le rôle des décideurs dans la résolution des différends juridiques.

Exploiter les données massives

L’analyse juridique a captivé l’imagination des avocats et des chercheurs. Lors d’un récent concours au Royaume-Uni, 100 avocats des meilleurs cabinets Londoniens ont été confrontés à un outil d’intelligence artificielle pour prédire l’issue de centaines de litiges financiers simples. Le robot a gagné avec une large marge, prédisant correctement 86, 6% des cas, tandis que les humains ne prédisaient correctement que 66, 3%. L’outil « apprenait » quelque chose sur les différends que les humains manquaient, battant les avocats à leur propre jeu de prédiction.

Bien sûr, tous les problèmes juridiques ne se réduisent pas proprement à un ensemble de variables, et le comportement humain ne suit pas toujours des modèles détectables. Les outils prédictifs fonctionnent moins bien lorsque l’ensemble de données pertinent est petit ou lorsque le texte soumis à l’analyse est si varié et idiosyncrasique que les modèles sont difficiles à détecter.

Le progrès peut aussi apporter péril. Les données historiques sur les événements passés contiennent souvent des biais et des inexactitudes, ce qui signifie que même le code informatique le plus sophistiqué, lorsqu’il est alimenté par des ordures, ne peut produire que des ordures en retour. Les algorithmes de mise en liberté sous caution, par exemple, ont été critiqués pour perpétuer les préjugés raciaux dans la justice pénale.

Si les avocats délèguent trop de nos décisions aux algorithmes, alors nous sommes destinés à répéter nos schémas et erreurs historiques. Par exemple, les algorithmes de prédiction des litiges formés sur des cas de juges à la retraite ou de jurisprudence dépassée peuvent passer à côté de nouveaux développements et recommander une ligne de conduite inutilement conservatrice.

En fin de compte, un avocat robot est un mauvais substitut à un avocat humain. Le jugement humain restera un ingrédient crucial dans la pratique du droit. Ce qui va changer, c’est quand il est utilisé pour augmenter l’intelligence glanée à partir d’autres systèmes.

Related Posts