ILTACon Jour Deux : L'Impact Précoce de l'IA sur le KM Juridique et l'Heure Facturable
Le deuxième jour d’ILTACon a mis en lumière la relation transformatrice mais complexe entre l’intelligence artificielle et la profession juridique, avec des plongées profondes dans son impact sur la gestion des connaissances, la vénérable heure facturable et le déploiement stratégique du capital humain.
Une table ronde significative sur la gestion des connaissances (KM) a révélé un sentiment prédominant de scepticisme à l’égard des outils d’IA, reflétant une industrie encore à ses premiers stades d’adoption. De nombreux cabinets ont exprimé des hésitations à investir massivement dans des solutions dont la viabilité à long terme reste incertaine, ce qui a conduit à ce que certains ont appelé la « fatigue des programmes pilotes », alors que les équipes KM jonglent entre l’évaluation de nombreux outils et leurs tâches régulières. Malgré cela, les cabinets qui ont commencé à intégrer l’IA signalent une valeur tangible. Il ne s’agit pas seulement de gagner du temps, mais, plus crucialement, de le réaffecter à des activités à plus forte valeur. Les avocats, par exemple, exploitent l’IA pour générer des brouillons initiaux ou des calendriers de divulgation, les libérant ainsi pour se concentrer sur l’analyse stratégique plutôt que sur une édition minutieuse ou de partir d’une page blanche. L’adage, « les avocats préfèrent un stylo rouge à une page blanche », a profondément résonné, soulignant l’utilité de l’IA pour fournir un point de départ pour le perfectionnement.
Un défi majeur mis en évidence était le désordre des connaissances internes. De nombreux cabinets d’avocats ne stockent pas systématiquement tous les documents dans leurs systèmes de gestion documentaire (DMS), ce qui entraîne une dispersion des informations sur diverses plateformes comme OneDrive, SharePoint et les dossiers personnels. Cette fragmentation entrave la recherche efficace, soulève des problèmes de sécurité et complique le contrôle des versions, laissant souvent même les avocats d’origine incertains du document final. L’avènement d’outils d’IA comme Copilot, qui peuvent faire surface des documents auparavant obscurs, met en évidence ces problèmes de contrôle d’accès, révélant des vulnérabilités de sécurité plus profondes. Pour que l’adoption de l’IA s’étende, une intégration transparente entre les systèmes est primordiale ; une expérience utilisateur fragmentée, plus que des résultats imparfaits de l’IA, s’avère être le plus grand obstacle à l’adoption. Ce paysage en évolution remodèle également les rôles de KM, les faisant passer de la simple maintenance de bases de connaissances à l’orchestration de flux de travail d’IA, à la garantie de la qualité des données et même à l’assistance aux clients avec leurs propres implémentations d’IA, nécessitant potentiellement une augmentation du personnel KM. En fin de compte, le consensus était clair : une adoption réussie de l’IA repose sur des processus robustes et une culture organisationnelle saine ; sans cela, même les outils les plus avancés deviennent des distractions coûteuses.
Le débat houleux sur les « Heures Facturables (avec IA) » a exploré si l’IA modifiera fondamentalement le modèle traditionnel de service juridique. La discussion sur les accords de honoraires alternatifs (AFAs) a vu un plus grand soutien du public pour leurs avantages — tels que la prévisibilité pour les clients, l’accent sur la valeur et la libération des avocats pour le travail stratégique — malgré les préoccupations concernant la précision des prix et les difficultés de redéfinition du périmètre. Lorsqu’on a demandé ce que les clients désirent réellement des cabinets utilisant l’IA, le consensus s’est orienté vers une qualité améliorée et une utilisation plus efficace des dépenses, plutôt que de simples coûts plus bas, bien que l’efficacité des coûts reste un indicateur clé de performance pour les services juridiques.
Un point convaincant est apparu concernant l’impact des AFAs sur les jeunes avocats. Les partisans ont soutenu que les AFAs réduisent la crainte des radiations, encourageant les associés à impliquer et former les jeunes collaborateurs, considérant cela comme un investissement précieux à long terme. Le public a largement convenu que les AFAs bénéficient aux jeunes avocats. Le débat a également abordé la question de savoir si les structures de revenus traditionnelles des cabinets d’avocats entravent l’innovation. Une majorité a estimé que la rémunération des associés liée aux relations clients peut en effet créer une résistance aux nouvelles approches, suggérant que l’IA pourrait être un outil pour démontrer une plus grande valeur et attirer de nouveaux clients. De plus, le rôle des professionnels alliés devrait croître considérablement en raison de l’influence de l’IA, bien que cela ne crée pas nécessairement de nouvelles sources de revenus. Cependant, malgré le rythme rapide du changement, le panel et le public ont largement convenu qu’il est peu probable que l’heure facturable devienne obsolète au cours des cinq prochaines années, car les besoins des clients continuent d’évoluer.
Enfin, une master class sur le « Mappage du temps aux résultats » a souligné une lacune critique dans l’adoption de l’IA : les cabinets mesurent souvent les taux d’adoption au lieu de la véritable métrique de valeur – le temps passé. Un exemple frappant a cité l’expérience d’un cabinet avec Copilot, qui a réduit une tâche de 100 heures par mois à seulement 20, une économie qui n’était apparente qu’après une mesure diligente avant et après. Le principal enseignement était que les cabinets opèrent à l’aveugle sur leur « chaîne d’approvisionnement en capital humain » sans mapper les entrées de temps aux résultats par une collecte de données appropriée. Alors que l’IA excelle dans l’automatisation de la recherche et la génération de suggestions, la pensée stratégique et la persuasion restent des domaines uniquement humains. L’industrie juridique s’oriente vers un modèle « agent-first » pour les tâches de routine, soulignant qu’une meilleure mesure améliore directement les taux de réalisation. Le principe fondamental est simple : vous ne pouvez pas optimiser ce que vous ne mesurez pas, et les métriques d’adoption seules ne révèlent pas les économies de temps réelles ou la création de valeur.