Un associé gérant qui a déployé Harvey, CoCounsel ou Lexis+ Protégé l'an dernier pensait avoir réglé la question de l'IA générative au cabinet. Le guide de déontologie du Conseil National des Barreaux, adopté en mars 2026, vient de rouvrir le dossier — pas sur un mode incantatoire, mais avec des conditions opérationnelles que peu d'outils actuellement déployés dans les cabinets français satisfont nativement.
Ce n'est pas un texte de prudence rhétorique de plus. C'est, comme le relève une tribune publiée sur Village de la Justice, le premier texte déontologique français qui encadre explicitement l'usage de l'IA par la profession d'avocat. Et un texte déontologique opposable change la nature du risque : il ne s'agit plus seulement d'une question de performance ou de coût, mais d'une question de conformité au sens où l'entend un contrôle ordinal, ou pire, une mise en cause de responsabilité professionnelle devant le bâtonnier ou en justice.
Un guide qui ne se contente pas de recommander la prudence
La tentation, pour beaucoup de directions de cabinet, est de lire ce type de texte comme une couche de plus dans l'empilement de bonnes pratiques génériques — "utilisez l'IA avec discernement", "vérifiez les résultats", "formez vos équipes". Ce n'est pas ce que fait le guide du CNB. Il fixe des conditions précises, articulées autour de deux axes structurants : le respect du secret professionnel tel que défini par l'article 66-5 de la loi du 31 décembre 1971, et le contrôle humain systématique des résultats produits par les outils d'IA générative.
La différence est importante. Une recommandation de prudence n'engage que la conscience professionnelle de l'avocat. Une condition opposable devient un critère d'audit : en cas de contrôle du bâtonnier, de plainte d'un client, ou de contentieux disciplinaire, le cabinet devra démontrer — pas affirmer, démontrer — qu'il satisfaisait ces conditions au moment des faits. C'est exactement le mécanisme qui a transformé, dans d'autres secteurs, le RGPD d'un texte de principes en un référentiel d'audit technique concret.
Or la plupart des cabinets ayant souscrit à un outil SaaS d'IA juridique n'ont pas, aujourd'hui, les éléments de preuve nécessaires pour répondre à ce type de contrôle. Ils ont une licence, des conditions générales d'utilisation rédigées par le fournisseur, et une confiance plus ou moins documentée dans les engagements contractuels de sécurité. Ce n'est pas la même chose qu'une architecture qui rend la conformité vérifiable techniquement.
Les quatre piliers opérationnels du guide CNB
En creusant les implications concrètes du texte, quatre exigences se dégagent, qui dépassent largement la simple incantation :
- Secret professionnel : les documents et données couverts par le secret ne doivent pas être accessibles, même indirectement, à un tiers non habilité — y compris un fournisseur d'infrastructure cloud.
- Contrôle humain systématique : chaque production de l'IA doit être validée par un avocat avant usage, ce qui implique un mécanisme technique de validation, pas seulement une recommandation de bon sens dans une charte interne.
- Traçabilité : le cabinet doit être en mesure de reconstituer qui a utilisé quel outil, sur quel dossier, avec quel résultat — une exigence qui suppose des logs structurés, pas des historiques de conversation éparpillés dans des interfaces SaaS.
- Absence de réutilisation des données par le fournisseur : les données client ne doivent pas alimenter l'entraînement ou l'amélioration des modèles d'un tiers, sauf accord explicite et documenté.
Aucune de ces quatre exigences n'est, en soi, exotique. Ce qui est nouveau, c'est qu'elles sont désormais formulées dans un texte déontologique sectoriel, et non plus seulement déduites par analogie du RGPD ou du règlement intérieur national.
Pourquoi les outils SaaS américains peinent à cocher ces cases nativement
Il faut être précis ici, sans tomber dans la caricature facile du "eux envoient tout dehors, nous jamais". La réalité est plus nuancée et plus intéressante : la question n'est pas de savoir si un outil utilise un LLM américain — presque tous le font, RAGbase Legal y compris selon le choix du cabinet — mais ce qui transite, où, et sous quel contrôle.
Harvey, CoCounsel (Thomson Reuters) et Lexis+ Protégé fonctionnent selon un modèle SaaS mutualisé : les documents du cabinet, souvent dans leur intégralité, sont envoyés vers une infrastructure cloud opérée par le fournisseur, hébergée majoritairement aux États-Unis ou sur des clouds américains (Azure, AWS). Ces infrastructures, et les entités juridiques qui les opèrent, restent soumises au Cloud Act américain de 2018, qui permet aux autorités fédérales d'exiger l'accès à des données hébergées par des entreprises américaines, y compris lorsque ces données sont stockées hors du territoire américain. La portée extraterritoriale du Cloud Act a été l'un des éléments centraux de l'arrêt Schrems II de la Cour de justice de l'Union européenne (CJUE, 16 juillet 2020, affaire C-311/18), qui a invalidé le Privacy Shield précisément parce que le droit américain de surveillance ne garantissait pas un niveau de protection équivalent au droit européen pour les données transférées.
Ce n'est donc pas une question théorique. C'est un cadre jurisprudentiel déjà établi, qui pèse directement sur l'appréciation que pourrait porter un conseil de l'ordre sur la compatibilité d'un outil avec le secret professionnel de l'article 66-5.
Claude Cowork d'Anthropic se positionne différemment — un agent plus qu'un produit SaaS vertical juridique — mais reste, dans sa configuration entreprise standard, hébergé sur une infrastructure cloud américaine, avec une exposition de même nature sauf accords contractuels spécifiques de résidence et de traitement des données.
La question n'est donc pas "IA américaine ou pas", mais : qu'est-ce qui quitte le périmètre du cabinet, et sous quelle forme ? Un document client complet envoyé à un SaaS tiers n'a pas le même profil de risque qu'un extrait de 200 mots, anonymisé au maximum, transmis à un LLM pour générer une réponse ponctuelle — l'index, l'agent, les permissions et les logs restant, eux, sur l'infrastructure du cabinet.
C'est exactement l'architecture que propose IA privée pour cabinet d'avocats : les documents complets, l'orchestration agentique, les droits d'accès par dossier et les journaux d'audit restent sous le contrôle technique du cabinet. Le LLM choisi par le cabinet — qu'il soit américain, européen, ou open source auto-hébergé — ne reçoit que les fragments strictement nécessaires à la génération de la réponse.
Tableau de conformité : guide CNB et architecture RAGbase Legal
| Exigence du guide CNB | Traduction opérationnelle | Réponse architecture RAGbase Legal |
|---|---|---|
| Secret professionnel (art. 66-5 loi 1971) | Les documents clients ne doivent pas être accessibles à un tiers non habilité, y compris un hébergeur cloud étranger | Documents complets indexés et stockés sur l'infrastructure du cabinet ; seuls des chunks minimaux sont transmis au LLM choisi |
| Contrôle humain systématique | L'avocat doit valider chaque production avant usage professionnel | Interface imposant une étape de validation, aucune automatisation silencieuse des livrables |
| Traçabilité | Capacité à reconstituer qui a utilisé quel outil, sur quel dossier, avec quel résultat, en cas de contrôle | Logs complets par utilisateur et par dossier, exportables pour un contrôle ordinal |
| Absence de réutilisation des données par le fournisseur | Les données ne doivent pas servir à l'entraînement de modèles tiers sans accord explicite | Index et agent propriétaires du cabinet ; configuration API en mode non-rétention avec le fournisseur LLM choisi |
| Gouvernance des permissions | Accès différencié selon les habilitations internes (associé, collaborateur, stagiaire) | Permissions granulaires par rôle et par dossier, gérées directement par le cabinet |
Ce tableau n'a pas vocation à prouver qu'un seul produit "coche toutes les cases" dans l'absolu — aucune architecture n'élimine totalement le risque dès lors qu'un LLM tiers intervient dans la chaîne. Il montre en revanche où se situe la différence structurante : la surface de données qui quitte réellement le périmètre du cabinet, et le niveau de preuve technique disponible en cas de contrôle.
La grille d'audit que tout DSI de cabinet devrait lancer cette semaine
Le guide du CNB donne, de fait, une check-list d'audit prête à l'emploi pour les outils déjà déployés. Voici les questions à poser sans délai à chaque fournisseur d'IA générative utilisé au cabinet :
- Localisation : où sont physiquement hébergés les documents clients complets envoyés à l'outil ? UE, États-Unis, autre pays tiers ?
- Statut Cloud Act : l'entité qui héberge ou opère le service est-elle une société américaine ou une filiale soumise au Cloud Act ?
- Réutilisation des données : une clause contractuelle exclut-elle explicitement l'usage des données du cabinet pour l'entraînement ou l'amélioration des modèles du fournisseur ?
- Granularité transmise : l'outil envoie-t-il des documents entiers au modèle, ou uniquement des extraits ciblés nécessaires à la tâche ?
- Contrôle humain technique : la validation humaine est-elle imposée par le workflow de l'outil, ou seulement recommandée dans une charte d'usage interne ?
- Traçabilité exportable : le cabinet peut-il produire, en moins de 24 heures, un journal complet d'utilisation par dossier et par utilisateur ?
- Réversibilité : en cas de résiliation, le fournisseur garantit-il la suppression effective et documentée des données et des éventuels embeddings générés ?
Un cabinet incapable de répondre précisément à ces sept points pour chacun de ses outils d'IA n'a, en l'état, aucune garantie de pouvoir démontrer sa conformité au guide du CNB en cas de contrôle. C'est un exercice à mener avant le déploiement du prochain outil, mais aussi — et c'est le point souvent négligé — sur les outils déjà en production.
Ce que dit la jurisprudence sur l'exposition et les hallucinations
Deux lignes jurisprudentielles et factuelles méritent d'être rappelées aux comités de direction.
Sur le terrain de la souveraineté des données, l'arrêt Schrems II de la CJUE reste la référence structurante : il établit que la législation américaine de surveillance, Cloud Act compris, ne garantit pas un niveau de protection équivalent à celui exigé par le droit européen pour les transferts de données personnelles. Les recommandations de la CNIL sur l'usage de l'IA générative s'inscrivent dans la continuité de cette analyse, en insistant sur la nécessité de documenter les traitements et les destinataires effectifs des données.
Sur le terrain de la fiabilité des résultats, l'étude de Stanford ayant mesuré un taux d'hallucination d'environ 1 cas sur 6 sur Harvey illustre pourquoi la condition de "contrôle humain systématique" du guide CNB n'est pas une clause de style : même les outils les plus avancés produisent des erreurs factuelles ou des citations inventées à une fréquence qui impose une vérification réelle, pas une relecture de façade. L'affaire américaine Mata v. Avianca, où des avocats ont été sanctionnés pour avoir soumis des jurisprudences fictives générées par un chatbot, reste le cas d'école cité dans la plupart des formations professionnelles sur le sujet — et désormais un précédent que tout conseil de l'ordre français a en tête lors de l'examen d'un dossier impliquant l'IA.
Le signal générationnel : un sujet qui s'installe durablement
Il est révélateur que l'analyse la plus structurée disponible à ce stade sur les implications concrètes du guide CNB provienne d'une tribune signée par un étudiant en droit. Ce n'est pas un détail anecdotique : cela signale que la nouvelle génération d'avocats aborde l'IA générative non pas comme un gadget productivité, mais comme un sujet de conformité et de responsabilité professionnelle dès la formation initiale. Les cabinets établis, souvent encore dans une logique d'expérimentation pilotée par quelques associés enthousiastes, ont intérêt à anticiper ce décalage : les juristes qui arriveront sur le marché du travail dans les deux à trois prochaines années auront intégré ces grilles de lecture avant même leur prestation de serment.
Pour les cabinets de taille intermédiaire — 10 à 500 avocats — qui envisagent de structurer leur usage de l'IA pour la recherche de jurisprudence IA ou la rédaction d'actes, ce guide doit être lu comme un cahier des charges, pas comme une contrainte à contourner. Les cabinets qui l'anticipent transforment une obligation déontologique en avantage concurrentiel documentable auprès de leurs clients, notamment institutionnels et corporate, de plus en plus exigeants sur la gouvernance des données dans leurs appels d'offres juridiques.
Avant le prochain renouvellement de licence ou le prochain audit ordinal, trois chantiers méritent d'être lancés en parallèle : cartographier précisément quels documents transitent vers quels fournisseurs et sous quelle forme (document complet ou extrait), documenter contractuellement l'absence de réutilisation des données par chaque fournisseur d'IA utilisé, et vérifier que les logs d'usage existants permettraient de répondre à un contrôle du bâtonnier dans un délai raisonnable. Le guide IA pour cabinets détaille la méthodologie pour mener cette cartographie et comparer les architectures disponibles poste par poste, sans présupposer qu'une seule catégorie d'outils — SaaS mutualisé, assistant généraliste ou IA privée — constitue la réponse unique pour l'ensemble des usages du cabinet.
Questions fréquentes
Le guide du CNB interdit-il l'usage de l'IA générative par les avocats ?
Un outil SaaS comme Harvey ou CoCounsel peut-il être conforme au guide CNB ?
Qu'est-ce qui distingue une architecture comme RAGbase Legal sur le plan de la conformité ?
RAGbase construit des systèmes d'IA privés pour les cabinets d'avocats : déployés sur l'infrastructure du cabinet, zéro rétention de données, propriété complète.
Voyez RAGbase sur vos propres données
30 minutes en visio. Nous cadrons votre besoin et montrons le système en direct.