Comment ça marche ?

A partir de l’analyse de la jurisprudence dans un domaine précis, un algorithme d’intelligence artificielle peut produire des décisions représentatives de celles qui seraient prises par les juridictions dont les décisions ont servi à construire le modèle mathématique. 

 

S’appuyant sur des bases de données de décisions judiciaires (plusieurs milliers sont à chaque fois nécessaires pour construire les algorithmes) issues du big data, l’analyse mathématique du risque présente sous forme de visualisation graphique des distributions probabilistes (risque de condamnation, montant de la condamnation…) estimées quasiment instantanément en fonction de critères juridiques et factuels renseignés par l’utilisateur. 

 

Cette approche probabiliste est en effet la seule qui est scientifiquement réaliste compte tenu des variations qui peuvent exister entre les décisions, y compris pour un seul et même juge.


La fiabilité, l'éthique

La fiabilité des résultats proposés par ces applications est démontrée : 
- par un théorème mathématique : plus le nombre de décisions analysées est important, plus la distribution statistique prédite se confond avec la “vraie” distribution, c’est à dire celle qui serait observée si le cas était présenté à des juges. 
- par une vérification empirique sur des milliers de décisions : en accord avec la bonne pratique en matière de machine learning, les résultats sont validés sur un jeu de données distinct de celui utilisé pour la création du modèle mathématique. 

La dimension éthique est fondamentale dans notre approche. Issus respectivement du monde de la recherche et du monde judiciaire, nous concevons nos produits d’une manière qui reflète du mieux possible la pratique des professionnels et la diversité des cas qui leur sont soumis. Mais parce que chaque situation est unique, Case Law Analytics présente une distribution probabiliste réalisée à partir de plusieurs critères, à charge pour chacun de se situer par rapport à celle-ci. 

Nous souhaitons également que notre technologie apporte un bénéfice à la collectivité, comme éviter le recours au contentieux lorsque cela est possible. En effet, une anticipation fiable de ce que peut-être une décision de justice donne, par exemple, des bases solides pour négocier une transaction. Nous menons par ailleurs une réflexion avec des universitaires sur la bonne manière de concevoir les algorithmes prédictifs et sur les risques potentiels associés à certains de leurs usages.