16 août 2026.
Présentation générale
DeepJudge est une entreprise suisse de technologie juridique spécialisée dans l’utilisation de l’intelligence artificielle pour rechercher, structurer et exploiter les connaissances internes des cabinets d’avocats et directions juridiques.
Fondée en 2021 à Zurich par Paulina Grnarova, Yannic Kilcher et Kevin Roth, trois anciens chercheurs de Google titulaires de doctorats en intelligence artificielle de l’ETH Zurich, DeepJudge s’est initialement développée autour d’un moteur de recherche destiné aux importantes collections documentaires des professionnels du droit.
DeepJudge présente aujourd’hui son produit moins comme un simple moteur de recherche que comme une couche d’intelligence institutionnelle destinée à connecter les systèmes d’IA aux connaissances propres d’une organisation. Sa plateforme associe notamment Knowledge Search, consacré à la recherche dans les ressources internes, et AI Workflows, permettant d’utiliser ces informations dans des processus reposant sur l’IA générative et des agents.
Le positionnement de DeepJudge est donc sensiblement différent de celui d’un outil principalement consacré à l’interrogation de bases de jurisprudence ou de législation. Sa matière première est avant tout le capital documentaire privé du cabinet ou de l’entreprise : précédents, mémorandums, contrats, dossiers, correspondances, connaissances relatives aux clients et autres documents internes.
L’enjeu est celui de la gestion des connaissances juridiques (knowledge management) à l’ère de l’IA générative.
Points essentiels
- Nature : plateforme d’intelligence artificielle et de recherche destinée aux cabinets d’avocats et équipes juridiques.
- Siège : Zurich, Suisse.
- Création : 2021.
- Fondateurs : Paulina Grnarova, Yannic Kilcher et Kevin Roth, anciens chercheurs de Google et docteurs en IA de l’ETH Zurich.
- Fonction historique : recherche sémantique et contextuelle dans les ressources documentaires internes.
- Produits actuels : principalement Knowledge Search et AI Workflows.
- Particularité : connexion aux connaissances internes du cabinet en tenant compte des droits d’accès et « ethical walls » existants.
- Architecture : possibilité, selon DeepJudge, d’un hébergement dans son cloud, dans celui du client ou sur site, et choix du modèle d’IA utilisé.
- Données : DeepJudge affirme ne pas utiliser les données de ses clients pour entraîner ses modèles.
- Sécurité : certifications SOC 2 Type II et ISO 27001 annoncées par l’entreprise.
- Financement : levée de 10,7 millions de dollars en seed en 2024 puis de 41,2 millions de dollars en série A en novembre 2025.
- Clients publiquement annoncés : notamment Freshfields, Homburger, Lenz & Staehelin, CMS Switzerland, Gunderson Dettmer et d’autres cabinets et équipes juridiques.
- Évolution récente : partenariat annoncé avec Harvey en mai 2026 afin de connecter les workflows de cette plateforme aux connaissances institutionnelles accessibles par DeepJudge.
Origines et fondateurs
DeepJudge AG est établie à Zurich. Les sources suisses recensent son incorporation en janvier 2021.
Ses trois fondateurs possèdent un profil essentiellement technique :
Paulina Grnarova, cofondatrice et CEO ;
Yannic Kilcher, cofondateur ;
Kevin Roth, cofondateur.
Tous trois sont présentés comme d’anciens chercheurs de Google ayant obtenu un doctorat en intelligence artificielle à l’ETH Zurich.
Cette origine explique en partie le positionnement initial de DeepJudge : plutôt que de commencer par un chatbot juridique généraliste, l’entreprise s’est attaquée au problème de la recherche d’information dans des masses importantes de documents juridiques internes.
L’idée repose sur un constat : un cabinet possède souvent des années, voire des décennies, de contrats, consultations, dossiers et précédents, mais cette connaissance est fragmentée entre plusieurs systèmes et demeure difficilement exploitable par une recherche traditionnelle.
Fonctionnement
1. Knowledge Search
Knowledge Search constitue le socle historique de DeepJudge.
La plateforme indexe les ressources documentaires internes et permet de les interroger en langage naturel. Elle combine notamment recherche sémantique et recherche par mots-clés et exploite des informations concernant les clients, dossiers, documents et personnes.
Le produit est conçu pour rechercher simultanément dans différentes catégories de ressources, notamment :
- systèmes de gestion documentaire ;
- SharePoint ;
- intranets ;
- portails clients ;
- courriels ou autres référentiels connectés ;
- bases internes structurées ou non structurées.
L’objectif est de permettre au professionnel de formuler une question conceptuelle plutôt que de devoir identifier à l’avance les mots exacts présents dans les documents.
Une interrogation peut ainsi chercher, par exemple, les dossiers antérieurs comparables à une nouvelle affaire, les précédents contractuels relatifs à une clause particulière ou les positions précédemment acceptées par une partie adverse.
DeepJudge affirme également détecter les documents proches, les versions et redlines et classifier automatiquement les documents selon une taxonomie.
2. De la recherche à l’IA générative
L’intérêt stratégique de cette infrastructure apparaît avec le développement des grands modèles de langage.
Un LLM peut générer ou analyser un document, mais il ne connaît normalement pas l’ensemble du patrimoine documentaire privé du cabinet qui l’utilise. Le problème devient donc celui de la récupération du contexte pertinent.
DeepJudge adopte à cet égard une approche que l’on peut qualifier de retrieval-first : améliorer d’abord l’accès à l’information interne pertinente afin que les applications génératives puissent ensuite l’exploiter.
La société considère ainsi que la qualité d’un système d’IA juridique dépend non seulement du modèle génératif utilisé, mais également de sa capacité à identifier le bon document, le bon précédent ou la bonne connaissance institutionnelle.
Cette orientation rapproche techniquement DeepJudge des architectures de type RAG (Retrieval-Augmented Generation), tout en mettant l’accent sur les contraintes propres aux organisations juridiques : droits d’accès, multiplicité des versions, confidentialité et fragmentation des référentiels.
AI Workflows et agents
DeepJudge a progressivement étendu son activité au-delà de la recherche.
Ses AI Workflows permettent de connecter les résultats issus du Knowledge Search à des modèles génératifs afin d’effectuer des tâches complexes sur les connaissances internes.
Parmi les exemples présentés figurent :
- interrogation de plusieurs documents ;
- synthèse d’un dossier ;
- création de rapports à partir de résultats de recherche ;
- reconstitution d’une vue d’ensemble d’un client ou d’une affaire ;
- recherche de précédents de négociation ;
- conception de workflows personnalisés.
L’architecture est présentée comme model-agnostic : le client peut choisir ou combiner différents modèles commerciaux ou open source.
Cette caractéristique est importante pour comprendre le positionnement de DeepJudge. L’entreprise ne cherche pas nécessairement à faire de son propre modèle génératif le centre du système ; elle entend plutôt devenir une infrastructure permettant aux différents modèles et agents d’accéder, de manière gouvernée, aux connaissances de l’organisation.
DeepJudge et Harvey
Une évolution importante est intervenue le 20 mai 2026, lorsque DeepJudge et Harvey ont annoncé un partenariat.
L’objectif annoncé consiste à associer les capacités d’IA juridique de Harvey aux capacités d’intelligence institutionnelle de DeepJudge.
DeepJudge doit permettre aux workflows de Harvey d’accéder aux travaux antérieurs, connaissances et informations internes de l’organisation, tout en conservant les restrictions d’accès et ethical walls existantes.
Cette alliance illustre une tendance importante du marché : la dissociation possible entre plusieurs couches de l’IA juridique — modèle, interface, recherche, connaissances internes et workflows — susceptibles d’être fournies par des entreprises différentes.
DeepJudge ambitionne particulièrement d’occuper la couche de retrieval et d’accès gouverné aux connaissances institutionnelles.
Confidentialité, sécurité et secret professionnel
Pour un cabinet d’avocats, la valeur de DeepJudge dépend directement de sa capacité à rechercher de très grandes quantités de documents confidentiels. La sécurité constitue donc un élément central du produit.
Selon la documentation de l’entreprise, DeepJudge est certifiée SOC 2 Type II et ISO 27001. Elle annonce notamment :
- chiffrement des données en transit et au repos ;
- synchronisation des droits d’accès avec les systèmes sources ;
- respect du principe du moindre privilège ;
- maintien des ethical walls ;
- authentification des utilisateurs ;
- journaux d’audit ;
- contrôles sur les données indexées ;
- surveillance des intrusions.
DeepJudge indique en outre que les données peuvent être hébergées dans son environnement cloud, dans celui du client ou on premises, avec possibilité de choisir le modèle d’IA et sa résidence.
Surtout, l’entreprise affirme :
ne pas entraîner ses modèles sur les données du client.
Cette affirmation relève de la documentation commerciale et de sécurité publiée par DeepJudge et doit donc être distinguée d’un audit juridique indépendant.
Le cabinet suisse Homburger indique pour sa part que son déploiement conserve les droits d’accès et ethical walls natifs de ses systèmes et qu’aucune information n’est partagée avec des tiers externes dans le dispositif décrit par le cabinet.
Enjeux juridiques
1. Secret professionnel et confidentialité
L’utilisation de DeepJudge pose d’abord la question du secret professionnel de l’avocat et de la confidentialité des informations clients.
L’enjeu ne se limite pas à empêcher une fuite externe. Un système de recherche transversal pourrait également révéler en interne un document auquel l’utilisateur ne devrait pas avoir accès.
La conservation et la synchronisation des droits d’accès constituent donc une exigence essentielle. C’est précisément sur ce terrain que DeepJudge met en avant son architecture « permission-aware » et le maintien des ethical walls.
Pour un cabinet, ces garanties techniques ne dispensent néanmoins pas d’une analyse juridique et contractuelle propre au déploiement : localisation des traitements, sous-traitants éventuels, modèles connectés, conservation, journalisation, transferts internationaux et obligations particulières imposées par les clients.
2. Protection des données
L’indexation de documents internes peut entraîner le traitement d’importantes quantités de données à caractère personnel.
Pour les organisations soumises au RGPD, le déploiement doit donc être examiné notamment sous l’angle :
- des finalités et bases juridiques des traitements ;
- de la minimisation ;
- des durées de conservation ;
- de la sécurité ;
- des droits des personnes ;
- de la sous-traitance ;
- des transferts internationaux ;
- et, selon les circonstances, de la nécessité d’une analyse d’impact.
La politique de confidentialité publique de DeepJudge identifie DeepJudge AG, située à Zurich, comme exploitant du service et se réfère également au droit suisse de la protection des données.
Il convient toutefois de ne pas confondre la politique de confidentialité du site internet avec les conditions précises régissant les données documentaires d’un client professionnel, qui relèvent de la documentation contractuelle et technique propre à chaque déploiement.
3. Fiabilité et responsabilité professionnelle
Une recherche sémantique ou une réponse générée à partir de documents internes n’est pas juridiquement infaillible.
Deux risques doivent notamment être distingués :
le risque de génération, lorsque le modèle produit une conclusion incorrecte ;
le risque de retrieval, lorsque le système ne retrouve pas le document réellement pertinent ou privilégie un précédent inadapté.
Cette distinction est particulièrement importante en matière juridique. Une réponse générative apparemment exacte peut être problématique si son corpus contextuel est incomplet.
Le recours à DeepJudge ne supprime donc pas la responsabilité du professionnel dans la vérification des sources, l’appréciation du contexte et la validation du travail juridique final.
Déploiements connus
Plusieurs cabinets ont publiquement annoncé utiliser DeepJudge.
Homburger a été l’un des premiers cabinets à communiquer sur un déploiement à grande échelle. Le cabinet indique avoir choisi Knowledge Search après une phase pilote ; DeepJudge rapporte par ailleurs un taux d’adoption supérieur à 80 % des professionnels du cabinet.
Lenz & Staehelin utilise la technologie afin de rechercher dans plusieurs millions de documents internes et de connecter les résultats de recherche à des workflows génératifs.
CMS Switzerland figure également parmi les références publiquement présentées par DeepJudge, de même que des cabinets et équipes juridiques tels que Gunderson Dettmer, Freshfields et SBB Legal & Compliance.
Les témoignages de clients constituent néanmoins des retours d’expérience sélectionnés et publiés commercialement : ils sont utiles pour identifier les usages réels mais ne doivent pas être assimilés à des évaluations comparatives indépendantes des performances.
Financement et développement économique
DeepJudge a levé 10,7 millions de dollars en juin 2024 lors d’un tour de seed conduit par Coatue.
Une nouvelle étape a été franchie le 4 novembre 2025 avec une série A de 41,2 millions de dollars, conduite par Felicis avec la participation de Coatue.
Forbes a alors rapporté une valorisation d’environ 300 millions de dollars. Cette valorisation est une information de presse et non un chiffre publié dans des comptes audités accessibles dans les sources examinées.
DeepJudge indiquait à l’occasion de la série A que ses revenus avaient augmenté de plus de 500 % sur un an et faisait état de taux d’utilisation active de 80 à 90 % parmi ses clients. Ces chiffres proviennent de l’entreprise elle-même et doivent donc être interprétés comme des données déclaratives.
Acteurs
Les principaux acteurs associés au développement de DeepJudge sont :
Paulina Grnarova, CEO et cofondatrice ; Yannic Kilcher et Kevin Roth, cofondateurs ;
Coatue, investisseur ayant conduit le tour de seed de 2024 ;
Felicis, investisseur ayant conduit la série A de 2025 ;
et, depuis 2026, Harvey, partenaire technologique dans l’intégration entre intelligence institutionnelle et workflows d’IA juridique.
Débats actuels
Le développement de DeepJudge illustre plusieurs débats structurants de l’IA juridique.
Le premier concerne le choix entre connaissance externe et connaissance interne. Les grandes bases juridiques donnent accès au droit publié ; DeepJudge cherche principalement à valoriser ce que l’organisation sait déjà.
Le deuxième porte sur la place du retrieval. L’amélioration des LLM ne suffit pas nécessairement à résoudre les problèmes de connaissance interne : encore faut-il fournir au modèle les documents pertinents et autorisés.
Le troisième concerne l’interopérabilité. Une architecture indépendante du modèle peut devenir stratégique si les cabinets souhaitent changer de fournisseur de LLM sans reconstruire leur couche de knowledge management.
Enfin, la recherche transversale dans des millions de documents accentue paradoxalement l’importance de la gouvernance des accès : plus l’information devient facile à trouver, plus les restrictions d’accès doivent être correctement reproduites.
Actualité récente
L’année 2025 a constitué une phase d’accélération avec la série A de 41,2 millions de dollars et l’annonce de clients internationaux, dont Freshfields, Holland & Knight, Cozen O’Connor, ArentFox Schiff et Schoenherr.
En mai 2026, le partenariat avec Harvey a matérialisé une nouvelle orientation : DeepJudge ne constitue plus seulement une destination de recherche mais peut devenir une infrastructure de connaissances mise à disposition d’autres systèmes d’IA juridique.
En 2026, DeepJudge a également été retenue dans le classement AI 100 de CB Insights.
L’évolution du produit vers les AI Workflows et agents confirme plus généralement le passage d’une logique de moteur de recherche à celle d’une plateforme d’intelligence institutionnelle.
Ressources essentielles
Site officiel de DeepJudge — présentation générale de la plateforme et de ses fonctions.
Sécurité de DeepJudge — hébergement, contrôle d’accès, certifications et politique relative aux données.
DeepJudge – Product — Knowledge Search et AI Workflows.
DeepJudge, « The Future of Legal AI is Here and It Lives in Your Knowledge », annonce de la série A de 41,2 millions de dollars, 2025.
Felicis, « AI-Powered Search Built for the Complexity of Law Firms », 4 novembre 2025 — analyse du positionnement de DeepJudge par l’investisseur ayant conduit sa série A.
DeepJudge et Harvey, annonce du partenariat, 20 mai 2026.
Homburger, « Homburger partners with DeepJudge » — retour d’expérience d’un cabinet utilisateur.
FAQ
Qu’est-ce que DeepJudge ?
DeepJudge est une plateforme d’IA juridique spécialisée dans la recherche et l’exploitation des connaissances internes des cabinets d’avocats et directions juridiques.
DeepJudge est-il une base de données juridiques ?
Pas principalement. Son positionnement central consiste à rechercher dans les propres ressources documentaires de l’organisation, plutôt qu’à remplacer une base externe de législation ou de jurisprudence.
DeepJudge utilise-t-il de l’IA générative ?
Oui. Knowledge Search repose sur des technologies de recherche avancées, tandis qu’AI Workflows permet d’utiliser des modèles génératifs et des agents sur les informations retrouvées.
DeepJudge impose-t-il un modèle d’IA particulier ?
Selon l’entreprise, non. Son architecture est model-agnostic et permet de choisir ou combiner différents modèles commerciaux ou open source.
Les données servent-elles à entraîner les modèles de DeepJudge ?
DeepJudge affirme ne pas entraîner ses modèles sur les données de ses clients. Cette information repose sur les engagements publiés par l’entreprise.
Les droits d’accès sont-ils conservés ?
DeepJudge affirme synchroniser les permissions des systèmes sources et respecter les ethical walls. Homburger a publiquement confirmé ce fonctionnement pour son propre déploiement.
Quelle est la différence entre DeepJudge et Harvey ?
Les produits se chevauchent désormais partiellement, mais leur positionnement historique diffère. DeepJudge s’est spécialisée dans la recherche et l’accès aux connaissances institutionnelles, tandis que Harvey s’est développé comme plateforme d’IA générative pour les professionnels du droit. Leur partenariat de 2026 vise précisément à connecter ces deux couches.
Quels sont les principaux risques juridiques ?
Ils concernent notamment le secret professionnel, la confidentialité, les données personnelles, les droits d’accès, les transferts de données, la sécurité informatique et la fiabilité des résultats.
Pour aller plus loin
DeepJudge doit être rapproché des notions de RAG appliqué au droit, knowledge management juridique, agents d’IA, secret professionnel et IA, confidentialité des données juridiques, IA générative dans les cabinets d’avocats, Harvey, recherche sémantique juridique et gouvernance des systèmes d’IA.
Son développement est particulièrement intéressant pour comprendre une évolution du marché : la valeur d’une IA juridique ne dépend plus seulement de la puissance du modèle utilisé, mais aussi de sa capacité à accéder de façon fiable, contextualisée et juridiquement gouvernée aux connaissances propres de l’organisation.
Méthodologie : Cette fiche a été générée avec l’assistance de l’intelligence artificielle à partir de la base documentaire et de sources juridiques complémentaires lorsque cela était nécessaire. Elle constitue une synthèse documentaire et ne remplace pas un avis juridique.
Résumé pédagogique
Définition
DeepJudge est une entreprise suisse fondée en 2021 qui développe une plateforme d’intelligence artificielle destinée principalement aux cabinets d’avocats et directions juridiques. Sa spécialité est la recherche dans les connaissances internes : contrats, consultations, dossiers, précédents, courriels et autres documents professionnels.
Exemple
Un avocat peut demander au système de retrouver les dossiers dans lesquels son cabinet a déjà négocié une clause comparable. DeepJudge recherche alors dans les documents auxquels cet avocat est autorisé à accéder. Les informations retrouvées peuvent ensuite alimenter un workflow d’IA générative.
Problématique juridique
L’accès automatisé à l’ensemble des connaissances d’un cabinet soulève des enjeux particulièrement importants de secret professionnel, confidentialité, cloisonnement des dossiers, protection des données et fiabilité des résultats. Le maintien effectif des droits d’accès est donc déterminant.
Cadre légal
DeepJudge AG étant établie en Suisse, elle relève notamment du droit suisse applicable à la protection des données. Selon le contexte et les utilisateurs, son déploiement peut également relever du RGPD, du droit professionnel applicable aux avocats, des règles de confidentialité et, lorsqu’elles sont applicables au système ou à ses usages, des réglementations relatives à l’intelligence artificielle. L’analyse doit être conduite en fonction de l’architecture et des modèles effectivement retenus par chaque organisation.
