OQTF et IA générative : le recours qui se retourne contre le client

Un recours contre une OQTF peut avoir une durée de vie contentieuse de 48 heures. C'est le temps qu'il faut à une préfecture pour placer un étranger en rétention administrative — et c'est aussi, souvent, le temps qu'il faut à un modèle de langage grand public pour halluciner un arrêt du Conseil d'État qui n'existe pas. Ces deux horloges tournent en parallèle. Une seule répond réellement devant le juge administratif.

C'est ce scénario, devenu récurrent, que décrit Maître Claude Coutaz dans un article publié sur Village Justice consacré à l'usage de l'intelligence artificielle en droit des étrangers. L'auteur y pointe un cas devenu typique : un justiciable, parfois assisté d'un avocat, qui a fait rédiger tout ou partie d'un recours par ChatGPT — et qui le découvre au pire moment possible, c'est-à-dire après l'envoi, quand le mal est fait et que le délai de recours est expiré. Ce cas n'est pas un accident isolé. Il révèle une incompatibilité structurelle entre les IA généralistes et le contentieux OQTF, l'un des contentieux les plus rapides, les plus sensibles et les plus techniques du droit administratif français.

Le contentieux OQTF n'admet aucune marge d'hallucination

Le droit des étrangers combine trois contraintes rarement réunies ailleurs dans le contentieux administratif : des délais très courts, une architecture procédurale à plusieurs vitesses, et des conséquences humaines immédiates — placement en rétention, séparation familiale, renvoi vers un pays d'origine. Dans ce contexte, un recours mal calibré n'est pas seulement inefficace : il est souvent irrémédiable.

Le régime des délais illustre cette exigence de précision absolue. Selon la situation administrative de la personne concernée, le délai de recours contre une OQTF, encadré par le CESEDA (articles L. 614-1 et suivants), peut être :

Un modèle généraliste interrogé sans contexte procédural précis n'a aucune garantie de restituer le bon régime. Pire : il peut produire un texte juridiquement plausible, argumenté, structuré comme une requête — et pourtant fondé sur un délai erroné, une voie de recours inadaptée, ou une exception de procédure qui n'existe pas dans la version en vigueur du texte. Le problème n'est pas que l'IA « se trompe parfois ». Le problème est qu'elle se trompe avec la même confiance rhétorique que lorsqu'elle a raison, sans qu'aucun signal ne permette de distinguer les deux cas au moment de la lecture.

Trois risques structurels, pas un incident isolé

Le cas décrit par Maître Coutaz condense trois défaillances distinctes qu'il faut analyser séparément, car elles appellent des réponses techniques différentes.

1. L'hallucination de jurisprudence

Les grands modèles de langage génératifs produisent du texte statistiquement plausible, pas du texte vérifié contre une base documentaire fermée. Appliqué à la citation de jurisprudence, ce mode de fonctionnement produit un risque documenté et récurrent : l'invention pure et simple de décisions — numéro de dossier, date, formation de jugement, tout est cohérent en apparence, rien n'existe en réalité.

Le cas le plus documenté internationalement reste l'affaire Mata v. Avianca (Southern District of New York, 2023), dans laquelle un avocat américain a produit des conclusions citant six décisions de justice entièrement fabriquées par ChatGPT, sans vérification. Le tribunal a sanctionné l'avocat. L'épisode a depuis été cité dans de nombreuses juridictions occidentales, y compris en France, comme cas d'école du risque de « fabrication de jurisprudence » par IA générative — un risque qui touche tout autant le droit des étrangers que le contentieux commercial ou civil, mais dont les conséquences sont ici aggravées par l'urgence procédurale : il n'y a souvent pas de second recours possible pour corriger l'erreur.

2. La méconnaissance du contexte procédural français à jour

Un LLM généraliste, entraîné sur un corpus figé à une date donnée et sans accès garanti à une base juridique française mise à jour en continu, ne peut pas savoir, par construction, si la dernière recodification du CESEDA, la dernière loi immigration ou le dernier revirement de jurisprudence du Conseil d'État a modifié un délai, une compétence juridictionnelle ou une condition de recevabilité. En droit des étrangers, matière parmi les plus mouvantes du droit administratif français, ce décalage temporel n'est pas un détail : il est souvent la cause directe d'une irrecevabilité.

3. La fuite de données relevant de l'article 9 du RGPD

Rédiger un recours OQTF suppose de décrire, souvent en détail, la nationalité du client, son parcours migratoire, son statut administratif, parfois son parcours de demande d'asile, sa situation familiale, ses attaches en France. Ces informations relèvent explicitement des catégories de données sensibles de l'article 9 du RGPD — origine raciale ou ethnique, données relatives à la vie privée, informations pouvant révéler une situation d'exil ou de persécution.

Lorsqu'un avocat saisit ces éléments dans une interface grand public hébergée sur des serveurs américains, il ne se contente pas de prendre un risque de qualité rédactionnelle. Il expose le cabinet à un risque de conformité RGPD et, plus fondamentalement, à une tension avec le secret professionnel : ces données quittent le périmètre de contrôle du cabinet, sans garantie contractuelle équivalente à celle d'un environnement professionnel dédié, et sans traçabilité de leur traitement ultérieur par le fournisseur.

Pourquoi la « vérification a posteriori » ne fonctionne pas dans ce contentieux

La réponse la plus fréquente à ces risques consiste à dire : « il suffit de vérifier ce que produit l'IA avant de déposer ». C'est vrai en théorie, faux en pratique dans le contentieux OQTF. Vérifier une jurisprudence citée suppose de la retrouver, de la lire, de contrôler qu'elle s'applique bien au cas d'espèce — un travail qui, fait sérieusement, prend un temps incompressible. Or ce temps de vérification vient s'ajouter à un délai de recours déjà compressé à 48 heures dans les situations de rétention.

Dans ce contexte, l'IA générative sans ancrage documentaire ne fait pas gagner de temps : elle en fait perdre, en déplaçant l'effort du praticien de la rédaction vers un audit de fiabilité qu'aucun cabinet, même bien organisé, ne peut mener sérieusement en quelques heures sur un texte entièrement halluciné.

Ce que change une architecture ancrée sur des sources vérifiées

La distinction technique déterminante n'est pas « IA cloud contre IA locale » — c'est génération libre contre génération ancrée. Un système de RAG (retrieval-augmented generation) correctement construit ne demande pas au modèle d'inventer une réponse à partir de sa mémoire statistique : il l'oblige à répondre exclusivement à partir d'un corpus documentaire identifié, indexé et vérifiable — CESEDA à jour, jurisprudence CE et CAA, circulaires ministérielles, jurisprudence interne du cabinet sur des dossiers similaires.

C'est l'architecture retenue par IA privée pour cabinet d'avocats : l'agent, l'index documentaire, les documents complets des dossiers clients, les permissions d'accès et les journaux d'audit restent hébergés sur l'infrastructure du cabinet. Seuls des extraits minimaux — quelques chunks de texte strictement nécessaires à la réponse — sont transmis au modèle de langage choisi par le cabinet, selon les conditions contractuelles négociées avec ce fournisseur. La nationalité du client, son parcours complet, ses pièces d'état civil, l'intégralité de son dossier ne transitent jamais en clair et en masse vers un tiers : seul le fragment strictement pertinent pour générer une phrase de motivation quitte le périmètre, et encore, sous forme fragmentaire et sans contexte identifiant complet.

Cette architecture permet également de résoudre le problème de traçabilité : chaque citation générée est reliée à sa source documentaire exacte, consultable et vérifiable en un clic via recherche de jurisprudence IA. Un avocat qui rédige un recours OQTF assisté par un tel système peut vérifier, avant dépôt, que chaque arrêt cité existe réellement, correspond au bon numéro de dossier, et s'applique à la bonne configuration procédurale — sans reconstituer manuellement une recherche jurisprudentielle sous la pression d'un délai de 48 heures.

Comparer les options disponibles pour un cabinet de droit des étrangers

Le marché des outils IA juridiques s'est structuré en plusieurs familles, avec des logiques de coût et de contrôle des données très différentes. Aucune n'est mauvaise en soi ; toutes ne répondent pas de la même façon aux contraintes du contentieux des étrangers.

| Catégorie d'outil | Exemples | Modèle tarifaire | Contrôle des données du cabinet | |---|---|---| | Assistant IA généraliste grand public | ChatGPT (usage non professionnel) | Gratuit à faible coût | Aucun — données envoyées à un fournisseur tiers sans cadre contractuel professionnel | | SaaS juridique par siège, IA cloud mutualisée | Harvey (~1 000-1 200 $/utilisateur/mois), CoCounsel (250-500 $/utilisateur/mois), Lexis+ Protégé (500-1 000+ $/utilisateur/mois) | Abonnement récurrent par utilisateur | Documents traités via l'infrastructure cloud du fournisseur, selon ses conditions contractuelles | | Assistant IA d'entreprise généraliste | Claude Cowork (offre entreprise) | Abonnement par utilisateur | Dépend de la configuration entreprise et des connecteurs déployés | | Architecture privée on-premise avec RAG | RAGbase Legal | 20-50 k$ investissement initial | Index, documents complets, permissions et logs hébergés chez le cabinet ; seuls des extraits minimaux partent vers le LLM choisi |

Harvey, qui revendique aujourd'hui environ 100 000 avocats utilisateurs et 144 millions de dollars d'ARR pour une valorisation proche de 8 milliards de dollars fin 2025, illustre la maturité du marché des SaaS juridiques par siège. Mais une étude de Stanford a mesuré sur cet outil un taux d'hallucination d'environ une réponse sur six — un niveau de risque difficilement tolérable dès lors que le résultat sert à motiver un recours dont l'issue dépend d'une citation exacte, dans un délai qui ne permet pas toujours de la recontrôler intégralement.

La différence entre ces familles d'outils n'est donc pas binaire — « cloud contre souverain » — mais architecturale : qui héberge l'index et les documents complets, qui contrôle les permissions et les journaux, et quelle quantité d'information quitte réellement le périmètre du cabinet à chaque requête. Un cabinet de droit des étrangers peut très bien utiliser un LLM commercial performant tout en gardant l'intégralité de ses dossiers, de son historique contentieux et de ses permissions sur sa propre infrastructure — c'est précisément l'arbitrage que permet une architecture RAG on-premise.

Ce que cela change concrètement pour un cabinet de droit des étrangers

Pour un cabinet traitant un volume significatif de contentieux OQTF, la question n'est plus « faut-il utiliser l'IA », mais « quelle architecture rend l'IA fiable dans une matière où l'erreur est irréversible ». Trois critères opérationnels permettent de trancher :

• La fraîcheur documentaire : la base doit intégrer les dernières évolutions du CESEDA et la jurisprudence récente du Conseil d'État et des cours administratives d'appel, avec une mise à jour régulière et traçable — pas un entraînement figé à une date arbitraire.
• La vérifiabilité systématique des citations : chaque référence jurisprudentielle générée doit être reliée à un document source consultable, pas à une reconstruction plausible du modèle.
• La localisation du traitement des données sensibles : les dossiers complets, avec les éléments relevant de l'article 9 du RGPD, doivent rester sur une infrastructure sous contrôle du cabinet, seuls des fragments minimaux étant exposés au fournisseur du modèle de langage retenu.

Ces critères ne relèvent pas du confort technique : ils déterminent la recevabilité même d'un recours et, en creux, la responsabilité disciplinaire et civile de l'avocat qui l'a déposé.

Une matière qui ne pardonne pas l'approximation

Le droit des étrangers est probablement le contentieux où l'écart entre promesse marketing de l'IA générative et réalité opérationnelle est le plus violent. Ailleurs, une hallucination coûte du temps et de la crédibilité. Ici, elle coûte parfois à un client sa présence sur le territoire. Le cas décrit par Maître Coutaz n'est pas anecdotique : il annonce une vague de contentieux à venir sur la responsabilité des professionnels ayant utilisé une IA non maîtrisée dans une procédure d'urgence, sur le modèle de ce qui s'est déjà produit devant les juridictions américaines.

Les cabinets qui structurent aujourd'hui leur pratique du contentieux des étrangers autour d'une architecture ancrée sur des sources vérifiées, avec traçabilité systématique et hébergement maîtrisé des données sensibles, ne prennent pas seulement une décision technologique : ils sécurisent leur responsabilité professionnelle dans une matière où le temps de correction n'existe, par construction, presque jamais. Pour approfondir les arbitrages entre les différentes familles d'outils IA disponibles pour un cabinet, le guide IA pour cabinets détaille les critères de sélection au-delà du seul cas du droit des étrangers.

Avant d'introduire un assistant IA générateur de texte dans un workflow de contentieux OQTF, il vaut la peine d'évaluer trois éléments très concrets : la date de dernière mise à jour de la base jurisprudentielle utilisée, la capacité du système à relier chaque citation à un document source vérifiable, et le lieu exact où transitent les données sensibles du dossier — nationalité, parcours migratoire, situation familiale — avant qu'une seule ligne du recours ne soit rédigée.