AI Act 2026 & CNIL : l'IA juridique souveraine s'impose

Le 2 août 2026, l'Union européenne a cessé d'annoncer et commencé à exiger. L'AI Act est entré en pleine application pour les systèmes à haut risque de l'annexe III — et l'administration de la justice figure explicitement dans cette liste. Douze jours plus tard, le 20 juillet 2026, la CNIL publiait une note exploratoire sur les risques de l'IA agentique, coordonnée avec l'ANSSI, l'ACPR et la DINUM. La conjonction de ces deux événements n'est pas un calendrier administratif anodin : c'est le signal que la fenêtre de tolérance réglementaire sur l'IA juridique est définitivement fermée.

Pour les associés gérants et DSI de cabinets qui ont déployé — ou envisagent de déployer — un assistant IA, la question n'est plus "est-ce que ça marche ?" mais "est-ce qu'on peut le prouver, le tracer, et l'auditer ?"

Ce que l'AI Act exige concrètement des outils justice à partir du 2 août 2026

L'annexe III du règlement (UE) 2024/1689 classe comme haut risque les systèmes d'IA "utilisés par les autorités compétentes ou en leur nom pour évaluer les preuves dans les procédures judiciaires" et, plus largement, pour "influencer le résultat d'une décision judiciaire". L'interprétation de ce périmètre est délibérément large : un outil qui analyse une jurisprudence pour recommander une stratégie de plaidoirie, ou qui génère des conclusions en insérant des références légales, entre dans ce cadre dès lors qu'il est utilisé dans un contexte judiciaire.

Les obligations concrètes pour les fournisseurs et déployeurs de ces systèmes sont les suivantes :

Le point qui concentre le plus d'attention juridique est la supervision humaine effective. L'article 14 du règlement impose que les systèmes à haut risque soient conçus pour permettre à des personnes physiques de "surveiller leur fonctionnement de façon effective". Ce n'est pas une case à cocher : c'est une exigence architecturale. Un système qui prend des décisions en cascade, sans point d'arrêt auditable, ne satisfait pas à cette exigence — quelle que soit la qualité de ses résultats.

Qui est "déployeur" au sens de l'AI Act ?

Point souvent mal compris dans les cabinets : l'AI Act distingue le fournisseur (qui développe et met sur le marché le système) du déployeur (qui l'utilise dans un contexte professionnel). Un cabinet d'avocats qui souscrit un abonnement à un assistant IA pour ses dossiers de contentieux est un déployeur au sens du règlement. À ce titre, il supporte des obligations propres : s'assurer que le système est bien classifié par son fournisseur, mettre en place une supervision humaine, tenir des logs d'utilisation, et informer les personnes concernées.

Concrètement : si votre fournisseur SaaS n'a pas de marquage CE et ne produit pas de documentation technique conforme d'ici fin 2026, votre cabinet est co-exposé à la non-conformité.

L'alerte CNIL du 20 juillet 2026 : ce que les agences ont réellement dit

La note exploratoire publiée par la CNIL à dix jours de l'entrée en application de l'AI Act n'est pas une coïncidence éditoriale. Elle cible un phénomène précis : la montée en puissance des architectures agentiques, c'est-à-dire des systèmes d'IA capables d'enchaîner des actions autonomes — rechercher, synthétiser, rédiger, envoyer — sans validation humaine intermédiaire.

Le diagnostic de la CNIL est structuré autour de trois risques principaux :

1. La perte de contrôle opérationnel. Un agent autonome qui peut appeler des outils externes, accéder à des bases documentaires et prendre des décisions d'action sans checkpoint humain crée un opacité décisionnelle incompatible avec les exigences d'auditabilité de l'AI Act. La CNIL note que dans les architectures multi-agents actuellement promues par les éditeurs, il devient techniquement difficile de retracer quelle instruction a déclenché quelle action sur quel document.

2. La surface d'exposition des données. Les agents agentiques nécessitent des permissions étendues pour fonctionner : accès aux messageries, aux dossiers clients, aux systèmes de gestion de cas. Plus le périmètre d'autorisation est large, plus le risque de traitement non anticipé de données personnelles est élevé — particulièrement sensible dans un contexte judiciaire où les données traitées relèvent souvent de l'article 9 du RGPD (données judiciaires, santé, origine ethnique).

3. L'illusion de supervision. La CNIL pointe ce qu'elle appelle explicitement la "supervision de façade" : des interfaces qui affichent un bouton "valider" à l'avocat, mais où la charge cognitive de vérification est telle — outputs longs, chaînes de raisonnement opaques — que la validation humaine devient formelle et non substantielle.

Ce troisième point est le plus pertinent pour les cabinets. Il ne suffit pas qu'un humain soit dans la boucle ; il faut que cette présence soit techniquement significative. L'ANSSI, l'ACPR et la DINUM travaillent avec la CNIL sur un guide de mise en conformité qui devrait formaliser des critères d'auditabilité, de traçabilité des décisions agentiques et de robustesse des garde-fous. Ce guide est attendu avant la fin 2026 et donnera vraisemblablement lieu à des recommandations sectorielles pour le droit.

Ce que cela signifie pour les outils déjà déployés

Nombre de cabinets ont déployé — parfois rapidement, parfois sans due diligence réglementaire approfondie — des assistants IA en mode SaaS cloud au cours des dix-huit derniers mois. La pression concurrentielle était réelle : Harvey revendique environ 100 000 avocats utilisateurs et une valorisation de 8 milliards de dollars fin 2025, signe que l'adoption a été massive dans les marchés anglophones, avec une diffusion rapide vers les cabinets français internationaux.

Ces déploiements rapides ont souvent privilégié la facilité d'intégration sur la due diligence réglementaire. Le 2 août 2026 change le rapport de force : le cabinet déployeur n'est plus seulement un acheteur, il est un acteur réglementé.

La question architecturale que l'AI Act oblige à poser

Face aux exigences de traçabilité, d'auditabilité et de supervision humaine effective, la distinction qui compte n'est pas simplement "cloud vs on-premise" au sens marketing du terme. C'est une question architecturale précise : où résident les composants qui créent le risque réglementaire ?

Dans une architecture SaaS cloud mutualisée typique — que ce soit Harvey, CoCounsel (Thomson Reuters) ou un assistant généraliste déployé par siège — les éléments suivants résident sur l'infrastructure du fournisseur :

• L'index vectoriel (la représentation de tous vos documents clients)
• Les logs d'activité et les traces de raisonnement des agents
• L'orchestration agentique (quelles actions l'agent peut déclencher, dans quel ordre)
• Les permissions sur vos dossiers et systèmes internes
• Les workflows automatisés et leurs déclencheurs

Cela signifie concrètement : si un auditeur de conformité AI Act ou un inspecteur CNIL demande demain les logs complets d'une session agentique ayant traité un dossier de contentieux sensible, le cabinet doit demander ces logs à son fournisseur. Il n'a pas de contrôle direct sur leur exhaustivité, leur conservation, ni sur ce que le fournisseur a fait des données intermédiaires.

L'architecture RAGbase Legal : ce qui bouge, ce qui reste

L'approche d'une IA privée pour cabinet d'avocats repose sur un principe architectural différent, qu'il faut décrire avec précision pour éviter tout malentendu.

RAGbase Legal peut utiliser des fournisseurs LLM externes — c'est une réalité technique et économique que toute IA juridique honnête doit assumer. Les grands modèles de langage (GPT-4o, Claude, Mistral Large) ne tournent pas de manière viable sur l'infrastructure d'un cabinet de 50 avocats. Ce n'est pas l'enjeu.

L'enjeu, c'est ce qui quitte l'infrastructure du cabinet et dans quelles conditions :

ARCHITECTURE RAGBASE LEGAL (schéma simplifié)

[Documents clients complets] ──► [Index vectoriel] ──► [Orchestrateur agentique]
       ↓ restent sur                    ↓ reste sur          ↓ reste sur
  infrastructure cabinet          infrastructure cabinet  infrastructure cabinet
                                                              |
                                                              ▼
                                                    [Recherche vectorielle]
                                                              |
                                                    Seuls les CHUNKS pertinents
                                                    (extraits minimaux récupérés)
                                                              |
                                                              ▼
                                              [API LLM externe] ──► Réponse
                                              selon conditions
                                              négociées par cabinet

Ce qui reste sur l'infrastructure du cabinet :

• Les documents clients dans leur intégralité
• L'index vectoriel et les embeddings
• Les logs complets de chaque session, y compris les traces agentiques
• L'orchestration : quels outils l'agent peut appeler, avec quelles permissions
• Les workflows et leurs conditions de déclenchement
• La gestion des droits et accès par utilisateur

Ce qui peut quitter l'infrastructure : uniquement les extraits minimaux (chunks) récupérés par la recherche vectorielle, envoyés au fournisseur LLM selon les conditions API que le cabinet a négociées — avec possibilité de choisir un fournisseur soumis à des clauses de non-entraînement et d'hébergement UE.

Cet écart architectural est précisément ce que l'AI Act valorise : le cabinet reste le responsable de traitement effectif, dispose des logs pour répondre à un audit, et peut démontrer une supervision humaine réelle car l'orchestration est sous son contrôle.

L'auditabilité comme avantage compétitif

La recherche de jurisprudence IA illustre bien ce principe. Quand un avocat recherche des précédents sur un point de droit spécifique, le système récupère les passages pertinents depuis l'index local, les envoie au modèle pour synthèse, et log l'intégralité de la chaîne — requête initiale, documents consultés, chunks sélectionnés, prompt final, réponse du modèle, validation ou modification par l'avocat. Cet audit trail complet est disponible en quelques clics pour répondre à une question d'un client, d'un bâtonnier, ou d'un régulateur.

Dans une architecture cloud mutualisée, produire ce même audit trail requiert une demande formelle au fournisseur — dont les logs peuvent avoir une rétention limitée ou ne pas capturer la granularité des décisions agentiques intermédiaires.

Conformité anticipée : marquage CE et audit de biais

Les deux exigences AI Act qui mobilisent le plus d'efforts opérationnels pour les fournisseurs sont le marquage CE et l'audit de biais. Pour les cabinets acheteurs, comprendre ces mécanismes permet d'évaluer sérieusement les fournisseurs.

Le marquage CE pour les systèmes d'IA à haut risque

Contrairement au marquage CE traditionnel (produits physiques), la certification AI Act pour les systèmes à haut risque non couverts par une législation d'harmonisation existante passe par une auto-évaluation de conformité documentée selon l'article 43, ou par un organisme notifié dans certains cas. Le fournisseur doit produire :

• Une documentation technique complète (art. 11)
• Un système de gestion de la qualité (art. 17)
• Une déclaration UE de conformité
• Un enregistrement dans la base de données EU AI Office

La question à poser à tout fournisseur d'IA juridique dès aujourd'hui : "Pouvez-vous me montrer votre documentation technique AI Act et votre calendrier de marquage CE ?" L'absence de réponse structurée à cette question est un signal de risque pour le déployeur.

L'audit de biais : pourquoi c'est plus complexe qu'il n'y paraît

L'annexe IV de l'AI Act exige une description des mesures prises pour détecter, prévenir et atténuer les biais dans les données d'entraînement et les outputs. Pour un outil de IA juridique, cela soulève des questions non triviales :

• Un modèle entraîné majoritairement sur de la jurisprudence publiée reproduit-il les biais de sélection inhérents à cette jurisprudence (les affaires qui font jurisprudence ne sont pas représentatives de l'ensemble des litiges) ?
• Comment un système qui recommande une stratégie de plaidoirie traite-t-il les dossiers impliquant des justiciables de profils socio-économiques différents ?
• L'étude Stanford citant un taux d'hallucination de 1 cas sur 6 pour Harvey sur des références légales illustre un type de biais quantifiable — mais les biais de recommandation stratégique sont bien plus difficiles à mesurer.

Une architecture privée présente ici un avantage spécifique : le cabinet peut circonscrire le corpus sur lequel le système opère à ses propres dossiers et aux bases juridiques qu'il a sélectionnées et validées, réduisant mécaniquement la surface de biais indéterminés.

Ce que les cabinets doivent évaluer avant fin 2026

Le guide conjoint CNIL/ANSSI/ACPR/DINUM attendu avant fin 2026 va vraisemblablement formaliser une grille d'évaluation pour les systèmes d'IA à haut risque dans les secteurs régulés. Les cabinets qui auront documenté leur démarche de conformité en amont seront en position bien plus solide que ceux qui attendront la publication de ce guide pour réagir.

Voici la matrice d'évaluation que nous recommandons d'appliquer dès maintenant à tout outil IA déployé ou envisagé :

Sur le critère de localisation, un point mérite d'être précisé : l'hébergement en France ou en UE ne garantit pas à lui seul la conformité RGPD si des transferts de données vers des entités soumises à la loi américaine CLOUD Act interviennent dans la chaîne technique. Les cabinets doivent examiner l'ensemble de la chaîne de sous-traitance, pas seulement le datacenter de surface.

Les coûts de la non-conformité vs les coûts de la mise en conformité

L'AI Act prévoit des sanctions pouvant atteindre 30 millions d'euros ou 6 % du chiffre d'affaires mondial annuel pour les violations les plus graves concernant les systèmes à haut risque. Pour un cabinet de taille intermédiaire, le vrai risque n'est pas d'abord financier — c'est la perte de confiance des clients institutionnels et la fragilisation de dossiers en cours si la conformité de l'outil utilisé est mise en cause dans une procédure adverse.

Face à des coûts de déploiement SaaS juridique spécialisé qui peuvent atteindre 250 à 1 000+ dollars par utilisateur et par mois selon les fournisseurs, la question du retour sur investissement doit intégrer le coût de mise en conformité supplémentaire que ces architectures cloud mutualisées imposeront au cabinet-déployeur.

Le 2 août 2026 n'est pas une date de démarrage : c'est une date de clôture. Les cabinets qui ont déployé des outils IA sans cartographier leur architecture de données, sans obtenir de documentation technique conforme de leurs fournisseurs, et sans concevoir de supervision humaine substantielle sont déjà en situation de risque réglementaire.

La bonne démarche n'est pas de tout réinternaliser ni d'attendre un guide réglementaire parfait. C'est d'évaluer précisément, pour chaque workflow IA déployé, trois questions : qui contrôle les données complètes, qui détient les logs de supervision, et qui peut démontrer que la validation humaine est techniquement effective — pas seulement affichée. Ces trois questions ont des réponses architecturales, pas seulement contractuelles. Et ce sont ces réponses que les régulateurs vont commencer à vérifier.