L’IA transforme le secteur juridique : croissance rapide des ARR des LegalTech
Alors que l’intelligence artificielle s’installe dans pratiquement tous les domaines – de la santé au service client – son impact sur l’écriture de code a longtemps été considéré comme le cas d’usage le plus lucratif. Aujourd’hui, un phénomène similaire se profile dans le monde du droit : les modèles de langage à grande échelle (LLM) trouvent dans les vastes corpus juridiques une matière première idéale pour automatiser la rédaction, l’analyse et la recherche de documents.
Clio : un exemple de montée en puissance grâce à l’IA
Fondée en 2006 au Canada, Clio propose une suite de logiciels de gestion destinés aux cabinets d’avocats (suivi du temps, facturation, paiements). En 2023, l’entreprise a intégré des fonctions d’IA générative dans sa plateforme, ce qui a coïncidé avec une accélération notable de ses revenus récurrents annuels (ARR). Selon le communiqué de presse de Clio publié en juin 2024, l’ARR a franchi la barre des 200 millions de dollars ; six mois plus tard, ce chiffre avait doublé pour atteindre 400 millions de dollars ; enfin, en décembre 2024, Clio a annoncé un ARR de 500 millions de dollars[1].
Jack Newton, co‑fondateur et PDG de Clio, explique que « les LLM sont excellents pour le codage, car tout le code existant dans le monde constitue un énorme référentiel sur lequel s’entraîner ». Il voit une analogie directe avec le droit : les cabinets d’avocats possèdent d’importants ensembles de contrats, de mémoires et de jurisprudence, formant une base de données textuelle riche exploitable par les modèles d’IA[2].
Cette trajectoire s’est accompagnée d’une valorisation forte. En novembre 2023, Clio a levé une série G de 500 millions de dollars, portant sa valorisation à environ 5 milliards de dollars[3]. Peu après, la société a acquis la plateforme d’intelligence de données vLex pour 1 milliard de dollars, permettant désormais aux utilisateurs de Clio d’exploiter l’IA pour la recherche juridique[4].
Harvey et Legora : concurrents en pleine expansion
Clio n’est pas isolée dans cette dynamique. Harvey, une startup de quatre ans spécialisée dans les LLM destinés aux cabinets d’avocats, a déclaré avoir atteint un ARR de 190 millions de dollars d’ici la fin de 2025, selon un post LinkedIn de son co‑fondateur et PDG Winston Weinberg[5]. Son principal rival, Legora, a annoncé en janvier 2026 avoir franchi le cap des 100 millions de dollars d’ARR seulement 18 mois après le lancement de sa plateforme[6].
Ces chiffres illustrent un engouement marqué pour les solutions d’IA capables d’automatiser des tâches chronophages telles que la relecture de contrats, la rédaction de mémoires ou la génération de résumés de jurisprudence. Selon une étude du cabinet Gartner publiée en 2024, près de 45 % des cabinets d’avocats de taille moyenne envisagent d’investir dans un outil d’IA juridique d’ici 2027[7].
L’apport des modèles de langage comme Claude d’Anthropic
Au-delà des acteurs purement juridiques, les fournisseurs de modèles de fondation adaptent leurs offres au secteur légal. Début 2025, Anthropic a lancé « Claude for Legal », une suite de fonctionnalités spécifiquement conçues pour assister les avocats dans la rédaction de plaidoiries, l’analyse de preuves et la veille réglementaire[8]. Harvey et Legora s’appuient notamment sur Claude comme l’un de leurs modèles de base, ce qui crée une situation où un même fournisseur peut être à la fois partenaire et concurrent[9].
Cette évolution souligne l’importance croissante de l’interopérabilité entre les modèles généraux d’IA et les applications verticales spécialisées. Les experts du Brookings Institution notent que, tant que les fournisseurs maintiennent une transparence sur les données d’entraînement et les limites de leurs modèles, le risque de dépendance excessive reste gérable[10].
Pourquoi le droit est un terrain particulièrement favorable aux LLM
Le secteur juridique présente plusieurs caractéristiques qui le rendent propice à l’adoption de l’IA générative :
- Des volumes considérables de texte structuré (contrats, jugements, codes) disponibles en interne ou via des bases de données publiques.
- Des tâches répétitives et à forte valeur ajoutée (relecture de clauses, génération de modèles de documents) qui bénéficient fortement de l’automatisation.
- Une pression constante pour réduire les coûts tout en maintenant une haute précision, ce que les LLM peuvent aider à atteindre lorsqu’ils sont correctement supervisés par des juristes.
Comme le souligne Jack Newton, la similitude entre l’entraînement sur du code source et l’entraînement sur des textes juridiques réside dans la présence de patterns récurrents et de structures syntaxiques prévisibles, ce qui permet aux modèles de produire des sorties fiables lorsqu’ils sont guidés par des prompts bien conçus.
Défis et considérations éthiques
Malgré l’enthousiasme, plusieurs défis demeurent :
- Biais et hallucinations : Les LLM peuvent reproduire des biais présents dans leurs données d’entraînement ou générer des informations inexactes. Dans le contexte juridique, une erreur peut avoir des conséquences graves.
- Confidentialité des données : Les cabinets doivent s’assurer que les informations sensibles ne sont pas exposées lors de l’envoi de requêtes à des services cloud.
- Responsabilité professionnelle : La frontière entre assistance automatisée et conseil juridique reste floue ; les barreaux commencent à publier des lignes direct