Par Rupali Patel Shah, Head of Legal Solutions, DiliTrust
Les organisations qui tirent aujourd’hui une vraie valeur de l’IA ont toutes un point commun : elles ont traité l’adoption comme un problème de transformation. Celles qui se retrouvent avec des factures inexplicables et des résultats qu’elles ne maîtrisent pas pleinement l’ont traitée comme un événement d’achat. Cette distinction — bien plus que la plateforme choisie ou la vitesse d’adoption — est là où se joue vraiment l’histoire de l’IA dans le juridique.
Cela fait des mois que j’écris sur cette logique, à travers la gouvernance de l’information, les incertitudes réglementaires et la mise en œuvre technologique. La formule est remarquablement constante : surinvestissement dans l’outil, sous-investissement dans les hommes et les processus, attente de transformation, récolte de déceptions. L’IA ne fait pas exception à cette formule. Elle en est même, si l’on y réfléchit, la version aux enjeux les plus élevés.
La facture est réelle. La valeur, elle, est plus difficile à trouver.
Les budgets IA dans les directions juridiques ont progressé en moyenne de 67 % d’une année sur l’autre, selon le rapport Deloitte de juin 2026, The AI Imperative: Reshaping of the Legal Industry — une enquête auprès de plus de 100 Directeurs Juridiques et responsables juridiques seniors dans neuf secteurs d’activité [1]. Il y a deux ans, 76 % des directions juridiques ne déclaraient aucune adoption de l’IA. Aujourd’hui, 61 % sont en déploiement actif [1]. La dépense s’accélère.
Les retours, eux, ne suivent pas. Une étude du MIT a établi que 95 % des pilotes IA en entreprise n’ont généré aucun impact mesurable sur les résultats [2]. Bain & Company a suivi 200 entreprises pendant cinq mois sur l’IA générative, spécifiquement dans le juridique : les juristes affichaient le plus fort taux d’insatisfaction de tous les groupes professionnels. Seulement 53 % estimaient que les outils répondaient à leurs attentes ou les dépassaient — et ce chiffre a reculé de 18 % sur la période de l’étude [3]. Deloitte prend soin de préciser que la valeur la plus significative de l’IA dans le juridique est « encore à venir » [1].
Cette formule fait beaucoup de travail. Parce que les factures, elles, n’attendent pas.
Le problème de coût a un nom : le token maxxing
Voici ce qui arrive quand on déploie des outils IA largement, sans objectif de résultat clair. Les indicateurs d’adoption sont construits autour de l’usage — qui utilise les outils, à quelle fréquence. Intention raisonnable. Conséquence non voulue : les collaborateurs apprennent rapidement qu’une utilisation élevée de l’IA signale la pertinence dans un environnement déjà anxieux vis-à-vis des effectifs. Consommer davantage de tokens devient l’objectif, non le résultat. Comme l’a observé le AI Innovation Hub de l’Université Cornell : « les collaborateurs apprennent à maximiser l’usage plutôt que la valeur » [4].
Une grande entreprise technologique a épuisé l’intégralité de son budget IA 2026 en quatre mois après avoir déployé un outil auprès d’environ 5 000 ingénieurs. Son directeur technique avait dépensé 1 200 dollars en une seule session de démonstration de deux heures [5]. Les prix par token ont chuté de 80 à 90 % ces deux dernières années. Les factures IA en entreprise ont augmenté de 320 % dans le même temps [6] — parce que les workflows agentiques peuvent générer 10 à 20 appels LLM distincts par tâche [7], et que seulement 15 % des entreprises peuvent prévoir leurs coûts IA à 10 % près [8].
La tarification actuelle est également en partie subventionnée par le capital-risque. Quand cela changera, les factures seront considérablement plus difficiles à absorber. Goldman Sachs projette que les agents IA entraîneront une multiplication par 24 de la consommation de tokens d’ici 2030 [7]. Nous ne savons pas jusqu’où cela peut monter.
Vous avez payé une prime. Vous ne possédez peut-être pas ce que vous avez construit.
Une catégorie particulière d’outils IA a aggravé la situation dans le juridique : des produits conçus comme des surcouches de workflow au-dessus de modèles fondamentaux — ajoutant gestion documentaire, historiques de dossiers, prompting sectoriel — vendus avec une marge significative. Des cabinets ont signé des contrats pluriannuels avant de comprendre l’architecture tarifaire. Beaucoup ont découvert qu’ils payaient un abonnement premium, plus des frais API à la consommation, plus des coûts d’intégration, plus la formation — le tout par-dessus un modèle fondamental qu’ils auraient pu utiliser directement à une fraction du prix.
L’analyse des contrats fournisseurs IA par Stanford Law a révélé que 92 % d’entre eux revendiquent des droits d’utilisation des données au-delà de ce que la prestation de service requiert. Seuls 17 % s’engagent explicitement à respecter les lois applicables — contre 36 % dans les contrats SaaS standard [9]. Et pour le juridique spécifiquement, les outils intégrés à la gestion des dossiers accumulent un contexte institutionnel — bibliothèques de précédents, corrections des juristes, seuils de risque constitués au fil de mois d’utilisation. Quand un cabinet quitte la plateforme, cet apprentissage s’évapore. Les implications à long terme sur le secret professionnel restent floues.
C’est le verrouillage fournisseur qui n’apparaît jamais dans le pitch de vente.
Une partie du problème vient des utilisateurs, pas des outils
Voici la partie inconfortable : tout cela n’est pas entièrement la faute de la technologie.
L’étude la plus rigoureuse à ce jour sur l’IA et la productivité de développeurs expérimentés — un essai contrôlé randomisé conduit par METR, publié en 2025 — a montré que les outils IA rendaient les développeurs 19 % plus lents sur de vraies tâches de production. Les développeurs prédisaient qu’ils seraient 24 % plus rapides. À l’issue de l’étude, ils estimaient encore avoir été 20 % plus rapides [10]. L’écart entre la productivité ressentie lors de l’utilisation de l’IA et la productivité réelle est l’un des enseignements les plus conséquents de la recherche actuelle.
Ce que j’avais appelé le « vibe coding » dans mon article d’avril s’applique bien au-delà du logiciel. C’est le schéma consistant à générer des résultats rapidement sans les comprendre en profondeur. Pour un individu travaillant sur un problème délimité, cela peut être rapide et réellement utile. Pour des résultats qui entrent dans un workflow, une chaîne de validation ou un livrable client, cela crée des problèmes coûteux à trouver et coûteux à corriger.
Harvard Business Review a nommé ces résultats le « workslop » — du contenu IA qui semble complet et professionnel tout en manquant de valeur substantielle [11]. Dans une enquête auprès de plus de 1 000 travailleurs américains, 40 % déclaraient en avoir reçu au cours du mois précédent. Chaque incident prend en moyenne près de deux heures à résoudre. L’expéditeur économise 30 minutes. L’organisation en perd deux. La base de connaissances se remplit silencieusement de contenu non vérifié qui ne sera pas traçable plus tard. C’est le problème de gouvernance de l’information sur lequel j’écris depuis janvier, sous un autre visage.
Dans le juridique, les conséquences sont professionnelles. Les tribunaux américains ont recensé 487 cas d’erreurs ou d’hallucinations IA dans des documents judiciaires en 2025 seulement — plus de dix fois le total de 2024 [12]. Deloitte a établi que seulement 24 % des directions juridiques disposent d’un cadre formel d’assurance qualité pour l’IA [1]. Les outils évoluent plus vite que les contrôles qui leur sont appliqués.
84 % n’ont rien redessiné
Deloitte a constaté que 84 % des organisations n’ont pas redessiné les rôles autour de l’IA. Seules 17 % ont intégré des incitations à l’adoption dans leurs cadres de performance [1]. La plupart fonctionnent sur un modèle à deux emplois : les collaborateurs génèrent des résultats IA, puis les valident extensivement, sans aucun changement structurel dans la façon dont ces rôles sont définis ou soutenus. Les économies promises par la technologie sont en partie absorbées par le travail de vérification qu’elle requiert.
À mesure que l’IA absorbe le travail juridique routinier, ce qui reste devient plus complexe — exigeant potentiellement des professionnels plus seniors pour en assurer la supervision, pas moins. Cela n’apparaît dans aucun modèle de ROI standard.
Délibéré bat rapide
Les études de cas de Deloitte montrent une réduction annuelle de 6 millions d’euros de dépenses juridiques externes dans une compagnie d’assurance, et des gains de productivité de 5 à 8 % dans un département de services financiers en phase de déploiement précoce [1]. L’analyse du MIT a établi que les déploiements IA en back-office avec des périmètres de processus clairs délivraient 2 à 10 millions de dollars d’économies annuelles sur la seule revue documentaire [2]. Ce qui distingue ces résultats n’est pas l’outil choisi.
Deloitte le formule clairement : « La décision d’investissement la plus importante pour les responsables juridiques n’est pas quelle plateforme acquérir. C’est de s’assurer d’un portefeuille d’investissement équilibré entre technologie, humains, données et transformation. » [1]
Définir le problème avant de financer la solution. Fixer des jalons, pas des missions. Intégrer la responsabilité dès le premier jour. J’ai écrit à ce sujet en mai dans le contexte de la mise en œuvre technologique au sens large — les principes sont identiques. L’IA n’est pas une exception spéciale à la façon dont le changement fonctionne réellement.
La facture de l’adoption de l’IA dans le juridique est déjà lourde, et elle augmente de façons que nous ne pouvons pas entièrement prévoir. La question qui mérite d’être posée maintenant n’est pas de savoir si votre organisation utilise l’IA. C’est de savoir si vous avez traité l’adoption comme un problème de transformation — ou comme un événement d’achat. Parce que l’un de ces chemins mène quelque part. L’autre mène à un désordre très coûteux, plus difficile à défaire qu’à créer.
Plus n’est pas toujours plus. Parfois, c’est juste davantage à nettoyer.
Sources
[1] Deloitte Legal, The AI Imperative: Reshaping of the Legal Industry, juin 2026
[2] MIT / Legal.io, MIT Report Finds 95% of AI Pilots Fail to Deliver ROI, 2025
[3] Bain & Company / Legal Dive, Gen AI and Attorneys Aren’t (Yet) Working Well Together, 2024
[4] Cornell Chronicle, AI’s Hidden Cost Problem: Companies Need Literacy, Not Token-Maxxing
[5] Forbes / Janakiram MSV, Uber Burns Its 2026 AI Budget in Four Months on Claude Code, mai 2026
[6] Oplexa, AI Inference Cost Crisis 2026
[7] Goldman Sachs, Decoding the Agentic Economy, mai 2026
[8] Campbell Robertson / Substack, Tokenmaxxing: The Hidden Cost That Eats the Savings You Were Promised, mars 2026
[9] Stanford CodeX / TermScout, Navigating AI Vendor Contracts and the Future of Law, mars 2025
[10] METR, Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity, juillet 2025
[11] Harvard Business Review, AI-Generated ‘Workslop’ Is Destroying Productivity, septembre 2025
[12] LawSites / Damien Charlotin, Legal Industry Reaches AI Tipping Point, mars 2026
Du risque IA à la maturité IA : le guide pour votre direction juridique
Ce que vous trouverez dans ce guide :What you’ll find in this blueprint:
- De l’adoption de l’IA à la valeur réelle de l’IA : ce qui fait la différence
- Les 3 problèmes qu’aucun logiciel ne peut résoudre seul
- Un plan de mise en œuvre IA en 90 jours que toute équipe juridique peut mettre en action
Questions fréquentes sur le coût de l’adoption de l’IA dans les directions juridiques
Cessez de mesurer l’adoption par la consommation et commencez à la mesurer par le résultat sur un cas d’usage défini. Quand le volume d’utilisation devient le KPI, les collaborateurs anxieux vis-à-vis des effectifs apprennent que brûler des tokens signale leur pertinence — la consommation s’emballe alors indépendamment de la valeur. C’est important car les workflows agentiques peuvent déclencher 10 à 20 appels LLM distincts par tâche, et seulement 15 % des entreprises peuvent prévoir leurs coûts IA à 10 % près : un tableau de bord basé sur l’usage vous expose à un dérapage budgétaire comme celui de l’entreprise technologique qui a épuisé l’intégralité de son budget IA 2026 en quatre mois. Liez les incitations à un processus délimité (revue documentaire, triage de dossiers) avec un jalon et un niveau de qualité vérifié, puis élargissez seulement après que ce cas d’usage l’ait mérité. Une plateforme qui enregistre le coût et le résultat par dossier — plutôt que les volumes bruts de tokens — est ce qui rend cela mesurable.
Négociez explicitement la portabilité de votre contexte institutionnel (bibliothèques de précédents, corrections, seuils de risque) et des limites d’utilisation des données avant de signer, car cet apprentissage accumulé est le vrai coût de sortie — et il n’est généralement pas couvert par le contrat standard. Stanford Law a établi que 92 % des contrats fournisseurs IA revendiquent des droits d’utilisation des données au-delà de ce que la prestation requiert, et que seulement 17 % s’engagent à respecter les lois applicables : les termes par défaut favorisent le fournisseur. Pour le juridique spécifiquement, les outils construits comme surcouches au-dessus d’un modèle fondateur peuvent facturer un abonnement premium, plus des frais API à la consommation, plus l’intégration et la formation par-dessus un modèle que vous pourriez utiliser moins cher — et quand vous partez, des mois de contexte accumulé s’évaporent avec des implications non résolues sur le secret professionnel. Exigez des droits d’export, des obligations définies de traitement des données et une transparence tarifaire sur toutes les couches, pour que la sortie soit une décision, pas un piège.
Il faut un point de contrôle humain formel à chaque étape où un résultat IA quitte un individu pour entrer dans une chaîne de validation, un livrable ou un dépôt — parce que les résultats non vérifiés créent une responsabilité coûteuse à identifier ultérieurement. Les tribunaux américains ont recensé 487 cas d’erreurs ou d’hallucinations IA dans des documents judiciaires en 2025, soit plus de dix fois le total de 2024, et pourtant Deloitte a établi que seulement 24 % des directions juridiques disposent d’un cadre qualité formel pour l’IA. L’écart est professionnel, pas seulement opérationnel : une citation hallucinée expose à des sanctions et à un risque réputationnel. Intégrez des responsabilités de revue définies, une traçabilité des éléments générés par IA et une étape de vérification dans le workflow lui-même — plutôt que de s’en remettre à la diligence individuelle — et utilisez des outils qui conservent une piste d’audit claire du travail assisté par IA.
Ils échouent quand les organisations greffent l’IA sur des rôles existants sans les redessiner : les collaborateurs fonctionnent alors sur un modèle à deux emplois (générer des résultats, puis les valider extensivement) et les économies promises sont absorbées par le travail de vérification. Deloitte a constaté que 84 % des organisations n’ont pas redessiné les rôles autour de l’IA, et que seulement 17 % ont intégré l’adoption dans les cadres de performance. À cela s’ajoute que, à mesure que l’IA absorbe le travail routinier, ce qui reste est plus complexe et peut exiger des professionnels plus seniors pour en assurer la supervision — une hausse des coûts que n’intègre aucun modèle de ROI standard. Les organisations qui capturent réellement de la valeur (un assureur a réduit ses dépenses juridiques externes de 6 millions d’euros par an) ont traité l’adoption comme un problème de transformation — en redessinant conjointement processus, données et rôles — et non comme un événement d’achat.
