Avocats, étudiants en droit : après 5 000 heures avec l’IA, voici ce qui s’en vient selon moi.

Cette chronique n’est donc pas celle d’un ingénieur en intelligence artificielle, ni celle d’un professeur de droit, ni celle d’un avocat qui prétend détenir une vérité sur l’avenir de sa profession. C’est le récit d’un utilisateur intensif qui a commencé avec presque rien, qui a vu ces outils évoluer mois après mois et qui a fini par les intégrer à pratiquement toutes les étapes possibles d’un dossier documentaire et judiciaire.

Et si je m’adresse particulièrement aujourd’hui aux avocats et aux étudiants en droit, c’est parce que je crois que le changement qui arrive est beaucoup plus important que l’arrivée d’un nouveau logiciel juridique. Nous sommes en train de changer la façon même dont une partie du travail intellectuel est produite.

Au commencement : Copilot nous montrait simplement où était la porte

J’ai découvert l’intelligence artificielle générative avec ce qui devenait alors Microsoft Copilot, à travers Bing, Edge et Windows. Ce n’était pas très fort comparativement à ce que nous avons aujourd’hui. Mais lorsque vous connaissez peu le droit et que vous essayez simplement de comprendre ce qui se trouve devant vous, c’était déjà extraordinaire.

On pouvait lui montrer un terme juridique et demander ce qu’il signifiait. On pouvait essayer de comprendre une procédure, demander quelles étaient généralement les prochaines étapes ou lui faire vulgariser un paragraphe incompréhensible. Il fallait vérifier énormément de choses et l’outil était loin d’être capable de monter un véritable dossier, mais pour quelqu’un qui partait de zéro, il pouvait au moins montrer dans quelle direction marcher.

Gemini : pour la première fois, je pouvais commencer à produire

Très rapidement, je suis passé à Gemini de Google. Dans mon utilisation, Gemini a été en avance pendant une partie des balbutiements de l’intelligence artificielle grand public. Pour la première fois, je pouvais commencer à lui demander de créer de véritables documents judiciaires et non plus simplement de m’expliquer ce que ces documents étaient.

Mais il fallait travailler énormément pour arriver au résultat. Nous devions souvent fournir nous-mêmes les modèles, expliquer l’ordre des sections, les titres, les puces, le vocabulaire et la structure exacte. Les conversations étaient relativement courtes et finissaient par perdre le fil. Il fallait recommencer ailleurs, fabriquer un résumé de la conversation précédente et espérer que suffisamment de détails survivent au transfert. Chaque nouveau départ risquait de faire disparaître une date, un fait, une pièce ou une nuance importante.

Et créer le texte ne réglait qu’une partie du problème. Il fallait ensuite apprendre à transformer le résultat en document utilisable devant un tribunal : faire les PDF, intégrer les pièces P-1, P-2, P-3 et suivantes, créer les index, numéroter les pages, fusionner les fichiers, compresser l’ensemble, construire les signets et vérifier que rien n’avait disparu en cours de route. Pour un greffe numérique, une procédure juridiquement compréhensible qui n’est pas techniquement conforme demeure un problème. C’était donc un travail immense, mais c’était déjà beaucoup mieux que de ne rien savoir faire du tout.

ChatGPT, Claude et Gemini : chacun finit par trouver son rôle

Puis ChatGPT et Claude sont devenus réellement utilisables pour ce genre de travail. Pendant un certain temps, chacun avait ses forces. OpenAI progressait rapidement dans la recherche et la capacité de retrouver de l’information. Claude, de son côté, était souvent meilleur dans mon utilisation pour recevoir une masse de documents, réfléchir longuement à un dossier et conserver sa cohérence. Gemini demeurait très utile lorsque je voulais discuter d’une stratégie, explorer une idée ou confronter un raisonnement.

Je travaillais donc avec plusieurs IA en même temps. Claude faisait de plus en plus le gros du travail, ChatGPT servait souvent à réviser ce qu’il avait produit et Gemini demeurait mon interlocuteur pour certaines discussions stratégiques. C’était déjà révélateur : plutôt que de chercher « la meilleure IA », il devenait parfois plus efficace d’utiliser plusieurs modèles comme une petite équipe dont chacun avait une spécialité.

Opus : l’IA cesse de répondre à une question et commence à travailler sur un dossier

L’arrivée des modèles Opus d’Anthropic a constitué pour moi une véritable rupture. Claude pouvait maintenant recevoir énormément de documents, aller chercher lui-même certaines informations, comprendre les relations entre des dizaines ou des centaines de pièces, reconstituer des événements et organiser le dossier dans un ordre qui faisait du sens.

Pendant plusieurs mois, presque une année dans mon utilisation quotidienne, l’écart était tel que Claude est devenu mon outil principal. ChatGPT et Gemini demeuraient présents, mais davantage pour la contre-vérification, la révision ou la discussion. L’IA n’était plus simplement capable de rédiger. Elle était devenue capable de recevoir un problème documentaire complexe et de m’aider à transformer le chaos en dossier exploitable.

Il y a encore quelques mois, Claude pouvait faire environ 75 % du travail

À un certain point, j’estimais que Claude était capable de réaliser environ 75 % du travail technique et documentaire nécessaire dans certains de mes dossiers. Je pouvais lui remettre des quantités énormes de pièces, parfois des archives ZIP contenant des gigaoctets de documents. Il pouvait tenter de reconstruire l’histoire, classer les fichiers, établir une chronologie, repérer des contradictions, préparer un inventaire et identifier ce qui était pertinent pour la procédure à produire.

Il pouvait également m’aider à déterminer quel document devait être préparé, rechercher des jurisprudences, retrouver des directives de pratique, examiner les exigences d’un greffe et produire une première version de la documentation. Ensuite, il pouvait participer au caviardage, à l’assemblage des PDF, à l’indexation, à la pagination et à la révision du résultat final.

Autrement dit, plusieurs logiciels qui avaient auparavant chacun leur petite fonction commençaient à devenir inutiles. Le logiciel de compression, celui pour numéroter les pages, l’éditeur PDF, l’outil de fusion, le système d’indexation et différents tableaux servant à suivre les pièces pouvaient de plus en plus être remplacés par une seule chaîne de travail assistée par l’IA.

Puis GPT-5.6 Sol est arrivé. Et tout a changé une nouvelle fois.

J’étais pourtant sceptique. Pendant longtemps, j’avais même fini par détester travailler avec ChatGPT dans certains dossiers parce que je le trouvais tellement prudent, rempli d’avertissements et hésitant qu’il pouvait devenir difficile de faire avancer un travail complexe. Puis j’ai essayé GPT-5.6 Sol et, dans mon utilisation, ce problème avait largement changé.

Sol pouvait recevoir une quantité astronomique d’information sans que je sois constamment obligé de découper le dossier en petits morceaux. Il gardait davantage le fil, revenait sur des éléments éloignés dans le dossier et, surtout, pouvait produire beaucoup plus directement un résultat final. Je n’étais plus obligé de lui fournir systématiquement un modèle de chaque document avant qu’il comprenne ce que je voulais fabriquer.

J’ai pu passer de la demande introductive d’instance au protocole de l’instance, puis à différentes procédures interlocutoires et jusqu’à des mémoires destinés à la Cour d’appel. Et lorsque je dis « mémoire », je ne parle pas seulement du texte : je parle de la version numérique, de la pagination, des pièces numérotées, des signets, des onglets PDF, de l’index et de toutes ces petites exigences qui peuvent faire perdre des heures à quelqu’un qui ne connaît pas le fonctionnement d’un greffe.

Quelle surprise de constater qu’en quelques heures, je pouvais produire des mémoires complexes qui ont ensuite été acceptés autant au greffe physique qu’au greffe numérique de la Cour d’appel du Québec. Ce qui aurait pu demander des semaines avec les premières générations d’IA pouvait maintenant devenir une journée de travail, de vérification et de correction. À mes yeux, le monde venait encore de changer.

Sol n’était pourtant pas la fin de l’histoire

Les modèles ont continué de progresser. Le contexte s’est agrandi, la recherche s’est améliorée, les outils ont commencé à manipuler davantage de fichiers et la frontière entre « répondre à une question » et « accomplir une tâche » s’est mise à disparaître. C’est là qu’est arrivé ce que je considère aujourd’hui comme le deuxième changement majeur de toute cette évolution.

ChatGPT Work et, maintenant, Astra.

Attachez votre tuque : l’IA agentique arrive en ville

Cette fois-ci, il ne s’agit plus simplement d’avoir une intelligence artificielle plus intelligente. Il s’agit de lui donner des outils, des accès autorisés, un navigateur, des fichiers et un objectif, puis de lui permettre d’enchaîner elle-même les étapes nécessaires pour atteindre le résultat. Astra, utilisé dans Work, peut travailler avec des fichiers, naviguer sur le Web, utiliser l’ordinateur et interagir avec les applications auxquelles l’utilisateur lui donne accès.

Avant, je devais lui fournir une pièce, attendre son analyse, télécharger le résultat, lui transmettre la pièce suivante, reformuler l’instruction, corriger, revenir au navigateur, chercher un document, le télécharger puis retourner dans la conversation. Même avec une IA extrêmement puissante, je demeurais constamment le commis qui transportait les documents d’un bureau à l’autre.

Avec l’IA agentique, cette mécanique commence à disparaître. Dans les environnements auxquels je l’autorise à accéder, elle peut retrouver elle-même les fichiers nécessaires, ouvrir plusieurs documents, naviguer sur Internet, aller chercher une règle de greffe, télécharger une décision, comparer une pièce avec une autre, créer la chronologie, préparer les documents et produire plusieurs livrables dans le cadre de la même mission. Avec des applications ou comptes connectés, elle peut également aller chercher l’information pertinente dans ces services plutôt que d’attendre que je copie tout manuellement dans la conversation.

Et c’est probablement la partie la plus difficile à saisir tant qu’on ne l’a pas vue fonctionner. Le navigateur infonuagique de Work peut poursuivre une tâche après que vous avez quitté la conversation ou fermé votre ordinateur, tant qu’il n’a pas besoin d’une nouvelle connexion, d’une confirmation ou d’une décision que vous devez prendre. Vous pouvez donc réellement lancer un travail long le soir et revenir plusieurs heures plus tard devant un ensemble de résultats qui n’existait pas lorsque vous êtes allé dormir.

Dans un dossier juridique, cela signifie potentiellement retrouver les pièces, les lire, les classer, reconnaître les doublons, établir les dates, créer une chronologie, confronter plusieurs versions d’un même événement, rechercher la jurisprudence, vérifier les décisions, consulter les règles du tribunal, préparer les projets de procédures, bâtir l’inventaire et assembler les versions de travail. Il peut ensuite relire ce qu’il vient de produire et vérifier qu’une date, un montant ou un nom ne change pas mystérieusement d’un document à l’autre.

Et la logique peut se poursuivre après le dossier lui-même. On peut programmer une veille jurisprudentielle, demander de surveiller périodiquement un sujet, suivre l’apparition de nouvelles décisions ou de nouveaux développements et produire des synthèses récurrentes. L’IA que nous connaissions répondait à nos questions. L’IA agentique commence à recevoir des mandats.

Pour l’étudiant en droit : votre avantage ne sera pas de laisser l’IA penser à votre place

Si j’étais aujourd’hui étudiant en droit, je voudrais comprendre cette technologie le plus rapidement possible. Non pas pour lui faire écrire chaque travail à ma place, ce qui serait probablement la meilleure façon de sortir de l’université avec un diplôme et très peu de capacités réelles, mais parce qu’un étudiant dispose maintenant d’un professeur particulier presque permanent.

Vous pouvez lui remettre un jugement et lui demander de vous l’expliquer au niveau d’un étudiant de première année, puis au niveau d’un avocat expérimenté. Vous pouvez lui demander de vous interroger jusqu’à ce que vous maîtrisiez le ratio, de prendre la position adverse, de construire un cas hypothétique, de vous montrer pourquoi votre réponse d’examen est faible ou de refuser de vous donner la réponse tant que vous ne l’avez pas trouvée vous-même.

Le futur stagiaire qui se démarquera ne sera probablement pas celui qui peut passer deux jours à résumer 30 jugements lorsque son collègue peut obtenir une première synthèse en quelques minutes. Ce sera celui qui sait lequel de ces 30 jugements est réellement important, qui reconnaît la nuance que la machine a manquée, qui sait la questionner, vérifier sa réponse et transformer cette puissance en meilleur travail.

Pour les avocats : ce n’est pas seulement votre charge de travail qui va changer

Pour les avocats, je crois que le changement sera encore plus profond parce qu’il touchera éventuellement le modèle économique de la profession. Une partie importante du temps aujourd’hui facturable repose encore sur la recherche, la lecture, l’organisation documentaire, la première rédaction, la préparation des pièces et toutes sortes de tâches administratives qui deviennent progressivement beaucoup plus rapides.

Si un travail qui nécessitait autrefois 15 heures peut être fait, révisé et contrôlé en deux ou trois heures, il faudra un jour répondre franchement à la question suivante : comment facture-t-on la valeur lorsqu’elle n’est plus directement proportionnelle au temps nécessaire pour la produire? Je crois que nous verrons davantage de forfaits, de services à prix fixe et d’autres modèles qui permettront peut-être à des cabinets de prendre davantage de dossiers sans nécessairement multiplier leur personnel au même rythme.

Et ce n’est pas nécessairement une mauvaise nouvelle. Un avocat qui passe moins de temps à numéroter des pièces, à reformater un PDF ou à faire une recherche mécanique peut passer plus de temps avec son client. Il peut davantage expliquer, rassurer, préparer une stratégie, négocier, réfléchir et être présent. Paradoxalement, l’outil le plus technologique que nous ayons créé pourrait obliger les professionnels à replacer davantage l’humain au centre de leur valeur.

L’IA est là pour rester. Le reste est désormais un choix.

On peut aimer cette évolution ou la détester. On peut trouver qu’elle avance trop rapidement, craindre qu’elle transforme certaines professions ou souhaiter que les choses continuent comme avant. Mais je crois que cette discussion devient progressivement théorique. L’intelligence artificielle est là pour rester. Le fait d’être en accord ou non avec son existence n’empêchera pas le cabinet d’en face, l’étudiant de l’université voisine ou le prochain entrepreneur juridique de l’utiliser.

Alors aussi bien apprendre à la connaître et commencer à devenir meilleurs dans ce qu’elle ne peut pas simplement reproduire : la chaleur humaine, l’empathie, la compréhension d’une personne en détresse, le soutien, la présence, la confiance, le jugement professionnel, la responsabilité et le plaidoyer. Un client ne vient pas uniquement voir son avocat pour recevoir 46 pages techniquement parfaites. Souvent, il vient aussi parce qu’il a peur, parce qu’il ne comprend plus ce qui lui arrive et parce qu’il veut sentir qu’une personne porte réellement son dossier avec lui.

Elon Musk, un gratte-ciel et une feuille de calcul

Elon Musk a utilisé au début de 2026 une comparaison que je trouve particulièrement utile pour comprendre ce qui attend les organisations. Il rappelait qu’avant les ordinateurs, des immeubles entiers pouvaient être remplis de « calculateurs humains » qui effectuaient à la main les opérations aujourd’hui réalisées instantanément par un simple tableur. Un ordinateur portable avec une feuille de calcul peut désormais dépasser le travail de centaines de ces personnes.

Mais le point le plus intéressant de son analogie venait ensuite : imaginez que presque toutes les cellules de votre feuille Excel soient calculées instantanément par l’ordinateur, sauf quelques cellules qui doivent encore attendre qu’un humain prenne sa calculatrice et inscrive lui-même le résultat. Toute la feuille finit par attendre ces cellules. Musk en tirait une conclusion volontairement brutale : les entreprises entièrement fondées sur l’IA dépasseront massivement celles qui maintiennent des humains dans toutes les tâches que la machine peut déjà accomplir.

Je ne sais pas si l’avenir sera aussi absolu qu’il le prévoit, mais pour un cabinet d’avocats, l’image est excellente. Si votre cabinet n’intègre réellement l’intelligence artificielle que dans 10 % de son fonctionnement, il restera nécessairement davantage de goulots d’étranglement que chez celui qui l’a intégrée intelligemment dans 25 % de son travail. Celui qui est rendu à 25 % risque à son tour d’être moins efficace que celui qui a automatisé ou accéléré 50 % des tâches qui peuvent l’être. Et celui qui aura transformé 90 % de ses tâches mécaniques conservera davantage de temps humain pour les 10 % qui ont véritablement besoin d’un humain.

C’est pourquoi je crois qu’un avocat ou un étudiant qui attend encore de savoir si cette technologie est une mode pose déjà la mauvaise question. La question n’est plus de savoir si vous utiliserez l’intelligence artificielle un jour. La question est de savoir à quel moment vous apprendrez à l’intégrer suffisamment bien pour qu’elle ne soit plus simplement un petit raccourci dans votre travail, mais une véritable augmentation de votre capacité.

Il faut évidemment vérifier ce qu’elle produit. Un avocat doit préserver la confidentialité, son jugement professionnel et ses obligations envers le client et le tribunal. Le Barreau du Québec a d’ailleurs rendu obligatoire en 2026 une formation consacrée précisément à l’encadrement de l’IA générative dans la pratique du droit. Mais ces obligations ne constituent pas une raison de rester loin de la technologie. Elles constituent une raison supplémentaire d’apprendre à la maîtriser sérieusement.

Après près de 5 000 heures passées à observer tout cela, ma conclusion demeure finalement assez simple : ne dépensez pas votre énergie à souhaiter que la machine disparaisse. Apprenez ce qu’elle sait faire, apprenez exactement où elle se trompe, utilisez-la pour éliminer ce qui vous éloigne inutilement de votre véritable travail, puis devenez exceptionnel dans ce qu’elle ne peut pas remplacer.

Pour le reste, désolé l’ami : sur une quantité grandissante de tâches mécaniques, documentaires, répétitives et même analytiques, la machine nous dépasse déjà. Et le fait d’être d’accord ou non n’y changera rien.