L'augmentation de l'utilisation de l'intelligence artificielle dans les processus juridiques soulève des questions sur la transparence et la compréhension des décisions prises par ces systèmes automatisés. Dans le domaine du droit de la common law, il est impératif que les acteurs juridiques puissent comprendre comment les modèles prédisent les issues des affaires en se référant aux décisions précédentes.

L’article (https://arxiv.org/pdf/2403.16852.pdf) propose une méthode pour identifier et utiliser les précédents dans les modèles prédictifs juridiques afin d'améliorer leur explicabilité.

La recherche se concentre sur la création d'une taxonomie des précédents qui permet d'analyser et de comparer l'usage des précédents entre les juges humains et les modèles neuronaux. Les auteurs ont développé un système permettant de classer chaque cas d'entraînement selon le type de raisonnement précédental utilisé. Ce processus a révélé des différences dans l'utilisation des précédents, ce qui a des implications pour la conception des modèles de prédiction juridique.

L'analyse montre que les modèles prédictifs n'utilisent pas les précédents de manière similaire aux juges humains. Par exemple, la corrélation entre les précédents utilisés par les juges et ceux identifiés par les modèles est généralement faible.

Par ailleurs les performances des modèles en termes de précision ne correspondent pas nécessairement à une meilleure alignement avec le raisonnement précédental traditionnel. Ces découvertes remettes en question la capacité des modèles actuels à intégrer les complexités du raisonnement juridique.

Pour que les modèles de prédiction soient utilisables dans la pratique juridique, il doive êtres précis et compréhensibles pour les professionnels du droit. Les résultats suggèrent un besoin d'améliorer les techniques d'explicabilité, en se concentrant non seulement sur les résultats, mais aussi sur les processus de raisonnement, en particulier l'utilisation des précédents. Une approche basée sur les précédents, intégrée dans la structure des modèles prédictifs, pourrait faciliter leur acceptation et leur efficacité dans les systèmes juridiques réels.

Cette étude marque une étape vers des systèmes d'IA en droit plus transparents et explicables. En utilisant une taxonomie des précédents pour examiner l'utilisation des modèles de prédiction, elle ouvre la voie à des recherches futures pour développer des modèles qui reproduisent de manière plus fidèle le raisonnement juridique humain, améliorant ainsi leur utilité dans les applications juridiques.

Envie d’explorer concrètement ce sujet ? Testez Haiku gratuitement pendant 30 jours et découvrez comment notre application peut vous aider. 👉 Testez Haiku gratuitement