Toute personne qui utilise quotidiennement des outils d’IA juridique le remarque rapidement : la qualité des résultats dépend moins du modèle que de la qualité de la question posée. L’ingénierie des prompts — la formulation délibérée d’instructions destinées à un système d’IA — n’est pas un passe-temps technique pour les juristes. C’est une méthode de travail pratique qui a un effet direct sur la qualité des résultats, le temps consacré et la fiabilité. Cet article présente dix techniques concrètes pour obtenir des résultats nettement meilleurs avec les applications d’IA juridique.
Ce que signifie l’ingénierie des prompts dans un contexte juridique
Un prompt est l’entrée qu’un modèle de langage reçoit. Dans le travail juridique quotidien, ces entrées ressemblent à « analyse ce contrat pour repérer les risques liés à la responsabilité » ou « résume les principales dispositions ». Le problème : de telles formulations sont extrêmement vagues pour un système d’IA. Le modèle ne sait pas de quelle partie il doit adopter le point de vue, quel cadre juridique s’applique, quel niveau de détail est attendu ni quel format utiliser.
L’ingénierie des prompts répond à ce problème en structurant les entrées. L’objectif n’est pas d’apprendre un langage secret, mais de fournir le contexte qu’un collaborateur humain aurait automatiquement.
Les 10 techniques
La manière la plus simple de commencer : considérez le modèle comme un collaborateur compétent, mais tout juste arrivé. Intelligent, rapide, consciencieux — et ne connaissant absolument rien de vos dossiers, des pratiques de votre cabinet ou de votre juridiction. Tout ce que vous expliqueriez à ce collaborateur en lui confiant une tâche doit figurer dans le prompt. Les dix techniques ne sont, au fond, qu’une méthode pour y parvenir.
1. Attribuer un rôle
Une question sans précision oblige le modèle à deviner le point de vue à adopter, et il choisit le point de vue moyen. Attribuez-lui une fonction et tout le cadre de la réponse change.
Faible : « Que dit cette clause ? »
Fort : « Vous êtes un avocat spécialisé en contrats et en fusions-acquisitions, représentant l’acheteur. Analysez la clause de garantie suivante. »
Le rôle détermine deux choses à la fois : le point de vue (quels intérêts comptent) et les connaissances préalables supposées (le modèle omet les explications dont un spécialiste n’aurait pas besoin). Plus la formulation est précise, mieux c’est : « avocat spécialisé en fusions-acquisitions, axé sur les opérations technologiques » vaut mieux que « avocat ».
2. Préciser le cadre juridique
Dans un contexte suisse, c’est la technique la plus souvent négligée, car le cadre juridique vous paraît évident alors qu’il ne l’est pas pour le modèle. Les modèles de langage ont été entraînés sur le droit suisse, allemand, autrichien et américain. Sans contrainte, ils mélangent ces sources ; une analyse de responsabilité fondée sur le BGB allemand est tout simplement erronée dans un dossier suisse.
Faible : « Cette clause pénale est-elle valable ? »
Fort : « Évaluez la validité de cette clause pénale au regard du droit suisse, en particulier des art. 160 ss CO et de la réduction judiciaire prévue à l’art. 163, al. 3, CO. »
Règle générale : si le même prompt peut s’appliquer tel quel à un dossier allemand ou américain, il est trop large. C’est encore plus vrai pour les lois spéciales (LPD, lois sur les marchés financiers) ou le droit cantonal.
3. Prescrire le format de sortie
Sans instruction de format, un modèle renvoie du texte suivi — le format le moins pratique pour presque toutes les tâches juridiques. Si vous souhaitez intégrer le résultat dans un courriel à un client, une matrice des risques ou une note, vous devrez le remettre en forme manuellement.
Faible : « Résume les risques de ce contrat. »
Fort : « Créez un tableau comportant les colonnes suivantes : clause, risque, gravité (faible/moyenne/élevée), recommandation. »
L’instruction de format fait gagner du temps, mais elle impose aussi une analyse rigoureuse, puisque chaque cellule doit être remplie. Une colonne « recommandation » vide saute immédiatement aux yeux ; un point discrètement enfoui dans un paragraphe, non.
4. Fixer le point de vue
Une clause contractuelle n’est jamais neutre. Une même limitation de responsabilité protège une partie et désavantage l’autre. Si le prompt ne précise pas de quel côté se placer, le modèle décrit la clause sous les deux angles, ce qui ne sert à rien dans le cadre d’une révision. La situation devient délicate lorsque le projet a été soumis par la contrepartie.
Faible : « Examine ce bail. »
Fort : « Du point de vue du locataire, identifiez les clauses qui dérogent aux règles légales supplétives à son détriment et signalez les trois plus importantes. »
Le point de vue doit être explicitement indiqué dans le prompt, ainsi que l’objet de la vérification : les clauses défavorables à votre propre client, et non la conformité juridique dans l’abstrait.
5. Intégrer des consignes négatives
Parfois, le problème ne tient pas à ce que le modèle doit faire, mais à ce qu’il doit éviter. Les modèles ont tendance à étoffer leurs réponses avec des éléments de contexte : le régime juridique général, des définitions, des informations que vous connaissez parfaitement.
Faible : « Explique la responsabilité prévue par ce contrat. »
Fort : « N’expliquez pas le régime juridique général de la responsabilité. Concentrez-vous uniquement sur les clauses qui s’écartent des pratiques du marché et ne proposez aucune formulation qui modifierait le lieu de juridiction. »
Les consignes négatives sont sous-utilisées, car on a tendance à formuler des instructions positives. Pourtant, ce qu’on demande d’omettre constitue souvent le levier le plus important.
6. Fournir le contexte tiré du document
Dans les contrats longs, ne comptez pas sur le modèle pour faire seul le lien entre une clause et les termes qui y sont définis. Lorsqu’ils sont éloignés l’un de l’autre, le modèle perd le fil : le résultat est alors plausible sur la forme, mais erroné sur le fond.
Faible : « La garantie prévue par ce contrat est-elle conforme aux pratiques du marché ? »
Fort : « Évaluez la clause de garantie suivante conjointement avec la définition de “défaut important” figurant à l’art. 1.3 : [texte de la clause] [texte de la définition]. »
Un point tout aussi important, et loin d’être secondaire dans un contexte suisse de protection des données : tout ce que vous collez dans le champ du prompt doit être compatible avec le niveau de confidentialité de l’outil. Dans les outils grand public qui ne garantissent pas l’absence de conservation des données, les données des clients, les données personnelles et les secrets commerciaux n’ont pas leur place dans un prompt. Ce seul élément détermine si un outil peut être utilisé par un cabinet.
7. Donner des instructions étape par étape (chaîne de raisonnement)
Présenter une tâche complexe en une seule instruction entraîne des omissions : le modèle saute directement au résultat sans dérouler les étapes. Décomposez la tâche en une séquence pour l’obliger à suivre le raisonnement.
Faible : « Fais un résumé de due diligence de ces contrats. »
Fort : « Premièrement, dressez la liste de toutes les clauses comportant un enjeu de responsabilité. Deuxièmement, évaluez chacune d’elles au regard du droit suisse. Troisièmement, formulez une recommandation générale en hiérarchisant les priorités. »
Le prompting par chaîne de raisonnement a deux effets. Il réduit les oublis, puisque chaque étape est explicitée. Il rend aussi la réponse vérifiable : si le résultat est inexact, vous pouvez voir à quelle étape le modèle a fait fausse route au lieu de devoir écarter une boîte noire.
8. Fournir des exemples (prompting few-shot)
Une instruction abstraite laisse une grande marge de manœuvre quant au ton, au niveau de détail et à la structure. Un exemple concret la réduit.
Faible : « Rédige une clause de responsabilité. »
Fort : « Rédigez une clause de responsabilité dans le style de la clause type suivante de notre cabinet : [clause type]. Conservez le vocabulaire et la structure, et adaptez uniquement les faits. »
Le modèle dispose alors d’un point de référence et reproduit la longueur, le vocabulaire et la structure de manière beaucoup plus cohérente. Cette méthode est particulièrement efficace pour les tâches récurrentes dont le style doit rester constant dans de nombreux documents : clauses types, résumés, correspondance avec les clients.
9. Signaler explicitement les lacunes de connaissances et demander des sources
Les modèles de langage ont un trait gênant : ils semblent sûrs d’eux même lorsqu’ils devinent. En droit, c’est dangereux : une affirmation vraisemblable dans sa formulation, mais erronée, peut se retrouver dans un document sans avoir été vérifiée. Les décisions judiciaires inventées ne relèvent pas de la théorie : plus d’un millier de cas ont déjà été recensés dans le monde où de fausses citations ont été intégrées à de véritables écritures, entraînant des conséquences financières pour les avocats responsables. Notre guide consacré aux hallucinations de l’IA dans le travail juridique explique en détail les modes de défaillance et les étapes de vérification.
Faible : « Quelle jurisprudence existe sur cette question ? »
Fort : « Étayez chaque conclusion juridique par une source précise (arrêt du Tribunal fédéral, décision cantonale, article de loi). Si vous ne pouvez pas répondre de manière fiable, dites-le explicitement et signalez le passage pour vérification juridique. »
Cela ne réduit pas le taux d’erreur du modèle, mais distingue les affirmations fiables des affirmations incertaines et vous donne un point de départ pour la vérification. L’obligation de citer les sources ne remplace pas la vérification ; elle la rend possible. Chaque citation doit être vérifiée indépendamment, quel que soit l’outil utilisé.
10. Travailler de manière itérative
Le premier prompt est rarement le meilleur. Essayer de tout faire tenir dans une seule entrée parfaitement formulée produit généralement un bloc surchargé que le modèle n’exécute que partiellement. Une approche opposée est plus productive.
Faible : Un long prompt comprenant huit exigences, puis utiliser le résultat tel quel.
Fort : Demander d’abord une première analyse, la lire, puis préciser la demande : « approfondis le point 3 » ou « le point de vue n’est pas le bon, vérifie du côté du vendeur ».
Chaque échange s’appuie sur le contexte du précédent. C’est précisément pour cela que les plateformes d’IA juridique dotées d’une interface de chat sont conçues : non pas pour une unique grande requête, mais pour une conversation où la question s’affine à chaque réponse — comme avec un collaborateur qui comprend mieux votre dossier à chaque échange.
Comment les plateformes d’IA juridique simplifient l’ingénierie des prompts
Les bonnes plateformes d’IA juridique prennent déjà en charge une partie du travail lié à l’ingénierie des prompts. CASUS, une plateforme suisse d’IA juridique destinée aux cabinets d’avocats et aux équipes juridiques internes, intègre par défaut des entrées et des résultats structurés dans ses principaux flux de travail : révision de contrats, analyse comparative, relecture et recherche.
Dans le Risk & Quality Review, CASUS définit automatiquement le point de vue de l’analyse en fonction de la partie au contrat, hiérarchise les résultats selon leur gravité (faible/moyenne/élevée) et fournit directement dans le document Word des suggestions de rédaction concrètes, sans que l’utilisateur ait à concevoir un prompt personnalisé. Le module Playbooks compare un document à un guide interne ou aux bonnes pratiques (par exemple, pour des contrats de NDA ou de SPA) et met en évidence les écarts, avec un pourcentage de correspondance et des recommandations précises.
Pour les questions de recherche ouvertes, le mode Legal Research effectue des recherches parmi plus d’un million de décisions et plus de 21 000 lois pour la Suisse, plus de 620 000 documents juridiques pour l’Allemagne et plus de 1,58 million de documents juridiques pour l’Autriche. Il renvoie des résultats structurés et fondés sur des sources, avec un aperçu intégré des passages de raisonnement pertinents, sans qu’il soit nécessaire de cliquer pour ouvrir les documents. Pour les questions complexes qui ne relèvent pas d’un flux de travail standard, le AI Chat avec Agent Mode permet d’affiner les prompts de manière itérative et d’appliquer directement les modifications dans le document.
Pour le droit suisse, CASUS consulte également les commentaires en accès libre d’Onlinekommentar ainsi que les informations sur les entreprises de ZEFIX, l’index central suisse des raisons de commerce. Consulter l’aperçu actuel des sources.
Erreurs fréquentes de formulation des prompts dans la pratique juridique
Questions trop générales. « Analyse ce contrat » ne donne au modèle aucun point de repère quant à l’objet, au point de vue ou au niveau de détail. Le résultat est donc tout aussi générique.
Absence de contexte juridique suisse. Sans référence explicite au CO, au CC ou au droit cantonal, le modèle peut s’appuyer sur d’autres systèmes juridiques. C’est un risque réel, notamment pour les questions de responsabilité ou de droit des contrats.
Absence de format défini. Le texte suivi ne convient pas à de nombreux cas d’usage. Un tableau ou une liste structurée peut être utilisé immédiatement ; un paragraphe doit d’abord être remis en forme.
Prompts ponctuels sans itération. L’ingénierie des prompts est un processus. Utiliser directement une première réponse sans vérifier si la question était bien formulée, c’est passer à côté d’un potentiel d’amélioration de la qualité.
Conséquences pratiques pour les cabinets d’avocats et les équipes juridiques internes
L’ingénierie des prompts ne doit pas nécessairement être une compétence que chaque membre de l’équipe développe seul. Les cabinets d’avocats peuvent constituer des bibliothèques de prompts : des entrées éprouvées pour les tâches courantes telles que la révision de contrats, les vérifications de due diligence ou les demandes de recherche. La qualité des résultats devient ainsi reproductible et le temps d’intégration des nouveaux collaborateurs diminue.
Pour les équipes juridiques internes qui traitent un grand volume de contrats, l’AI Data Room est particulièrement adapté : des dizaines ou des centaines de documents peuvent être analysés en parallèle, à l’aide de champs d’extraction définis par des prompts. Quelles clauses faut-il comparer ? Quels écarts faut-il signaler ? L’équipe définit les paramètres ; le système fournit une vue d’ensemble sous forme de tableau.
La protection des données n’est pas une préoccupation secondaire : CASUS héberge les données exclusivement en Suisse et dans l’UE, ne les transfère pas aux États-Unis et fonctionne sans examen humain ni conservation des données. Pour en savoir plus, consultez /security.
Essayer CASUS
Si vous souhaitez tester l’ingénierie des prompts en pratique, vous pouvez essayer CASUS gratuitement. La plateforme est disponible sous forme de complément Microsoft Word et d’application web : aucune configuration informatique n’est nécessaire et aucune donnée n’est transférée aux États-Unis. Commencer gratuitement.
FAQ
Qu’est-ce que l’ingénierie des prompts pour les avocats ?
L’ingénierie des prompts consiste à formuler délibérément les entrées d’un système d’IA afin d’obtenir des réponses plus précises et plus utiles. Pour les avocats, cela signifie fournir du contexte, préciser le point de vue, définir le format et affiner la demande de manière itérative, plutôt que de poser une question générale.
Pourquoi les bons prompts sont-ils particulièrement importants dans le travail juridique ?
Les textes juridiques exigent de la précision. Un point de vue erroné, l’absence de cadre juridique ou une consigne de format imprécise peuvent rendre les résultats de l’IA inutilisables — ou, pire encore, susciter une confiance injustifiée. Des prompts bien construits réduisent ce risque de manière mesurable.
Faut-il savoir programmer pour maîtriser l’ingénierie des prompts ?
Non. L’ingénierie des prompts dans un contexte juridique ne nécessite aucune compétence technique. Elle repose sur un langage clair, une pensée structurée et la capacité à décrire précisément les tâches — des compétences que les avocats possèdent déjà.
En quoi l’ingénierie des prompts diffère-t-elle d’une recherche classique ?
Une requête de recherche permet de trouver des documents. Un prompt adressé à un modèle de langage lui donne une instruction pour traiter du contenu. La différence tient à l’interactivité : le modèle peut prendre en compte le contexte du document, tirer des conclusions et générer des résultats structurés.
Quel rôle joue le droit suisse dans la formulation des prompts ?
Les modèles de langage sont entraînés sur des données internationales. Sans référence explicite au droit suisse — au CO, au CC ou aux lois fédérales pertinentes — le modèle peut s’appuyer sur d’autres systèmes juridiques. Le contexte suisse doit être intégré activement dans le prompt.
L’ingénierie des prompts peut-elle être standardisée ?
Oui. Les cabinets d’avocats et les équipes juridiques internes peuvent constituer des bibliothèques de prompts : des entrées éprouvées pour des tâches courantes telles que la révision de contrats, les recherches ou les vérifications de due diligence. Les résultats deviennent ainsi reproductibles et la charge pesant sur chaque utilisateur diminue.
Qu’est-ce que le prompting par chaîne de raisonnement ?
Le prompting par chaîne de raisonnement décompose les tâches complexes en étapes successives. Au lieu de demander au modèle d’accomplir toute la tâche d’un seul coup, on le guide dans un processus d’analyse : d’abord dresser une liste, puis évaluer, enfin formuler une recommandation. Cette méthode améliore l’exhaustivité et facilite le suivi des résultats.
Dans quelle mesure l’IA juridique est-elle sûre lorsqu’elle traite des données sensibles de clients ?
Cela dépend beaucoup du fournisseur. CASUS héberge les données exclusivement en Suisse et dans l’UE, ne les transfère pas aux États-Unis, fonctionne sans examen humain et applique une politique de non-conservation des données. Des informations sur l’architecture de sécurité sont disponibles à l’adresse /security.






