12 juillet 2026.
Présentation générale
Définition
Un jeu de données juridique est un ensemble structuré de données se rapportant au droit, à la justice ou à l’activité des professionnels du droit, constitué afin d’être consulté, analysé, réutilisé ou traité par un système informatique.
Il peut notamment comprendre :
- des textes législatifs et réglementaires ;
- des décisions de justice ;
- des contrats et clauses contractuelles ;
- des actes de procédure ;
- des consultations juridiques ;
- des articles doctrinaux ;
- des données relatives aux contentieux ;
- des métadonnées concernant les juridictions, les parties ou les procédures ;
- des annotations ou classifications juridiques ;
- des questions et réponses destinées à l’entraînement d’un système d’intelligence artificielle.
Dans le domaine de l’IA, le jeu de données peut remplir plusieurs fonctions. Il peut servir à l’entraînement, à la validation, au test, à l’évaluation comparative ou à l’alimentation documentaire d’un système de génération augmentée par la recherche, couramment désigné par l’acronyme RAG.
Le jeu de données ne doit pas être confondu avec la base de données au sens juridique. Le premier désigne principalement un ensemble de données exploité dans un contexte technique déterminé. La seconde est une notion juridique définie et protégée par le droit de la propriété intellectuelle. Un même ensemble peut toutefois être à la fois un jeu de données au sens technique et une base de données protégée au sens juridique.
Contexte
Les performances des systèmes d’intelligence artificielle juridique dépendent directement de la qualité des données auxquelles ils ont accès. Les décisions de justice, textes officiels, modèles d’actes, commentaires doctrinaux et corpus contractuels constituent ainsi une infrastructure essentielle pour :
- les moteurs de recherche juridique ;
- les outils d’analyse jurisprudentielle ;
- les assistants de rédaction ;
- les systèmes de classification des décisions ;
- les outils de revue contractuelle ;
- la justice prédictive ;
- les agents conversationnels juridiques ;
- l’entraînement ou l’adaptation de modèles spécialisés.
La constitution de tels corpus soulève cependant des questions distinctes : licéité de la collecte, protection des données personnelles, droits sur les documents, droit du producteur de base de données, secret professionnel, confidentialité, qualité des annotations et représentativité du corpus.
Analyse documentaire de la base Dabo Tibi Ius
L’analyse de la base fait ressortir cinq enseignements principaux.
1. Le jeu de données est un objet de gouvernance, et non un simple stock documentaire
La Fiche – Gouvernance des données, publiée le 26 juin 2026, définit la gouvernance comme l’ensemble des règles, responsabilités et mécanismes permettant d’assurer une gestion cohérente, sécurisée, transparente et conforme des données pendant tout leur cycle de vie.
Appliquée à un jeu de données juridique, cette approche impose de documenter :
- son origine ;
- sa finalité ;
- ses modalités de collecte ;
- les droits attachés aux documents ;
- les transformations opérées ;
- les règles d’accès ;
- les durées de conservation ;
- les mécanismes de correction et de mise à jour.
La valeur d’un corpus juridique ne dépend donc pas uniquement de son volume. Elle tient également à sa traçabilité, à son actualisation et à la capacité d’en apprécier les limites.
Source Dabo Tibi Ius :
Fiche – Gouvernance des données, 26 juin 2026
https://dabotibius.ai/gouvernance-des-donnees/
2. L’annotation constitue une étape juridique et méthodologique déterminante
La Fiche – Annotation des données et entraînement des systèmes d’intelligence artificielle, publiée le 14 juin 2026, rappelle que l’annotation consiste à enrichir, classer, qualifier ou corriger des données brutes afin de les rendre utilisables par un système d’IA.
Dans un corpus juridique, l’annotation peut porter sur :
- la juridiction ;
- la date et le numéro de la décision ;
- le domaine du droit ;
- les faits ;
- les prétentions ;
- la question de droit ;
- la solution ;
- le fondement juridique ;
- le sens de la décision ;
- les citations de textes ou de jurisprudence ;
- le caractère publié, inédit, infirmatif ou confirmatif.
La qualité de l’annotation est décisive. Une mauvaise qualification juridique peut introduire un biais systématique dans le modèle, par exemple en confondant une décision d’espèce avec une règle générale ou un moyen invoqué par une partie avec la motivation du juge.
Source Dabo Tibi Ius :
Fiche – Annotation des données et entraînement des systèmes d’intelligence artificielle, 14 juin 2026
https://dabotibius.ai/annotation-donnees-entrainement-ia/
3. L’open data des décisions de justice est une source majeure, mais encadrée
La Fiche – Open data des décisions de justice, publiée le 25 juin 2026, identifie les décisions rendues par les juridictions françaises comme une ressource stratégique pour les moteurs de recherche, l’analyse jurisprudentielle et les outils d’IA juridique.
Leur réutilisation demeure toutefois soumise à plusieurs exigences, notamment :
- l’occultation de certaines données d’identification ;
- la prise en compte du risque de réidentification ;
- le respect des règles relatives à la réutilisation des informations publiques ;
- les restrictions portant sur l’évaluation ou la comparaison des pratiques professionnelles des magistrats et membres de greffe.
L’article L. 111-13 du Code de l’organisation judiciaire prévoit la mise à disposition gratuite, sous forme électronique, des décisions judiciaires, sous réserve des règles particulières relatives à leur accès et à leur publicité.
Source Dabo Tibi Ius :
Fiche – Open data des décisions de justice, 25 juin 2026
https://dabotibius.ai/fiche-open-data-des-decisions-de-justice/
4. La présence de données personnelles déclenche l’application du RGPD
La Fiche – Données personnelles et intelligence artificielle, publiée le 8 juin 2026, souligne que les données utilisées pour développer un système d’IA peuvent relever du RGPD dès lors qu’elles concernent des personnes physiques identifiées ou identifiables.
Cette situation est fréquente dans les corpus juridiques : noms de parties, coordonnées, situations familiales, données de santé, informations pénales, opinions, situations professionnelles ou patrimoniales.
La CNIL recommande aux développeurs de déterminer précisément la finalité du traitement, la base légale, l’origine des données, la durée de conservation et les moyens permettant l’exercice des droits. Elle insiste également sur la qualité et la documentation des données d’entraînement.
Source Dabo Tibi Ius :
Fiche – Données personnelles et intelligence artificielle – Présentation générale, 8 juin 2026
https://dabotibius.ai/fiche-donnees-personnelles-et-intelligence-artificielle-presentation-generale/
5. La transparence porte aussi sur les données utilisées
La Fiche – Transparence algorithmique, publiée le 16 juin 2026, montre que la transparence ne se réduit pas à l’ouverture du code source. Elle comprend également la connaissance de la finalité du système, des catégories de données utilisées, des limites du corpus et des mécanismes de contrôle.
Pour les jeux de données juridiques, cette transparence est particulièrement importante : un utilisateur doit pouvoir savoir si l’outil couvre toutes les juridictions, toutes les périodes, les décisions inédites ou seulement une sélection éditoriale.
Source Dabo Tibi Ius :
Fiche – Transparence algorithmique, 16 juin 2026
https://dabotibius.ai/fiche-transparence-algorithmique/
Points essentiels
- Un jeu de données juridique peut contenir des textes officiels, des décisions, des contrats, de la doctrine ou des annotations.
- Sa licéité dépend de la nature des documents, de leur origine et des droits qui leur sont attachés.
- L’accès public à un document ne signifie pas nécessairement que toute réutilisation est libre.
- Les données personnelles demeurent protégées même lorsqu’elles figurent dans des documents juridiquement accessibles.
- Le droit d’auteur et le droit sui generis des bases de données peuvent se cumuler.
- La qualité juridique de l’annotation est aussi importante que la qualité technique du corpus.
- Pour les systèmes d’IA à haut risque, l’AI Act impose des obligations spécifiques de gouvernance des données.
- La documentation du corpus est indispensable pour mesurer les biais, la couverture et les limites du système.
Typologie des jeux de données juridiques
Corpus législatifs et réglementaires
Ils rassemblent notamment :
- les lois ;
- les ordonnances ;
- les décrets ;
- les arrêtés ;
- les règlements européens ;
- les directives ;
- les travaux préparatoires ;
- les versions historiques des textes.
La principale difficulté tient à l’actualisation et à la gestion des versions. Un système peut produire une réponse juridiquement erronée s’il traite une disposition abrogée comme encore applicable.
Corpus jurisprudentiels
Ils peuvent réunir :
- des décisions judiciaires ;
- des décisions administratives ;
- des décisions européennes ;
- des décisions d’autorités administratives indépendantes ;
- des métadonnées et résumés ;
- des liens entre décisions.
Un corpus limité aux décisions publiées ou aux décisions des juridictions supérieures ne reflète pas nécessairement l’ensemble de la pratique contentieuse.
Corpus contractuels
Ils peuvent comprendre :
- des contrats réels ;
- des modèles ;
- des clauses ;
- des avenants ;
- des tableaux de risques ;
- des annotations relatives à la négociation.
Ils soulèvent fréquemment des questions de confidentialité, de secret des affaires, de données personnelles et de droits contractuels.
Corpus doctrinaux
Les articles, ouvrages, commentaires et encyclopédies juridiques sont généralement protégés par le droit d’auteur. Leur acquisition licite ou leur consultation dans le cadre d’un abonnement ne confère pas automatiquement le droit de les incorporer dans un corpus d’entraînement.
Jeux de questions-réponses et données synthétiques
Des données peuvent être produites spécialement pour entraîner ou évaluer un modèle :
- cas pratiques ;
- questions à choix multiples ;
- consultations fictives ;
- raisonnements annotés ;
- contrats synthétiques ;
- décisions fictives.
Ces données réduisent parfois les risques de confidentialité, mais elles peuvent reproduire les erreurs et biais du système ou des personnes qui les ont générées.
Cadre juridique
1. AI Act
Jeux d’entraînement, de validation et de test
L’article 10 du règlement (UE) 2024/1689 impose, pour les systèmes d’IA à haut risque reposant sur l’entraînement de modèles, des pratiques appropriées de gouvernance et de gestion des jeux de données d’entraînement, de validation et de test.
Ces pratiques portent notamment sur :
- les choix de conception ;
- les opérations de collecte ;
- l’origine des données ;
- les méthodes d’annotation ;
- le nettoyage et la mise à jour ;
- la formulation d’hypothèses pertinentes ;
- l’examen des biais susceptibles d’affecter la santé, la sécurité ou les droits fondamentaux ;
- les mesures destinées à prévenir ou atténuer ces biais ;
- l’identification des lacunes ou insuffisances du corpus.
Les jeux doivent être pertinents, suffisamment représentatifs et, dans toute la mesure possible, exempts d’erreurs et complets au regard de la finalité prévue.
Ces exigences ne s’appliquent pas à tout outil juridique du seul fait qu’il utilise l’IA. Elles deviennent particulièrement importantes lorsqu’un système relève d’une catégorie à haut risque, par exemple certains systèmes utilisés par les autorités judiciaires pour assister l’interprétation des faits et du droit.
Modèles d’IA à usage général
Les fournisseurs de modèles d’IA à usage général sont soumis à des obligations distinctes, notamment en matière de documentation et de respect du droit d’auteur. Les règles relatives aux modèles d’IA à usage général sont applicables depuis le 2 août 2025 ; les pouvoirs de sanction de la Commission s’appliquent à compter du 2 août 2026.
2. RGPD
Le RGPD s’applique lorsqu’un jeu contient des données personnelles ou lorsque les opérations de collecte, de structuration, d’annotation ou d’entraînement constituent un traitement de telles données.
Les principales exigences sont :
- une finalité déterminée, explicite et légitime ;
- une base légale ;
- la minimisation ;
- l’exactitude ;
- une durée de conservation maîtrisée ;
- la sécurité ;
- l’information des personnes ;
- l’exercice des droits ;
- une analyse d’impact lorsque le traitement est susceptible d’engendrer un risque élevé.
La réutilisation de données pour l’entraînement doit être appréciée au regard du principe de limitation des finalités : les données ne peuvent pas être ultérieurement traitées d’une manière incompatible avec les finalités initiales.
Une décision publiée et pseudonymisée peut encore contenir des données personnelles si une personne demeure identifiable par recoupement. L’occultation des noms ne garantit donc pas, à elle seule, une anonymisation au sens du RGPD.
3. Droit d’auteur
Protection des documents contenus dans le corpus
Les textes officiels, décisions juridictionnelles et actes des autorités ne suivent pas nécessairement le même régime que les commentaires, résumés, notes ou enrichissements éditoriaux.
Les œuvres doctrinales, contrats originaux, commentaires, plans, résumés et sélections peuvent être protégés lorsque leur forme exprime des choix libres et créatifs.
L’intégration d’un document protégé dans un jeu de données peut mettre en jeu les droits de reproduction et, selon les modalités de mise à disposition, de représentation.
Fouille de textes et de données
Les articles 3 et 4 de la directive (UE) 2019/790 prévoient des exceptions relatives à la fouille de textes et de données. L’article 3 concerne la recherche scientifique menée par les organismes de recherche et institutions du patrimoine culturel. L’article 4 prévoit une exception plus générale, sous réserve notamment que l’accès aux œuvres soit licite et que les titulaires de droits n’aient pas expressément réservé l’utilisation de leurs œuvres.
Ces exceptions ne signifient pas que toute collecte automatisée de contenus juridiques protégés serait libre. Leur application dépend de la finalité, de l’accès licite, de l’éventuelle réservation des droits et des conditions concrètes de conservation des copies.
4. Droit des bases de données
La directive 96/9/CE et les articles L. 341-1 et suivants du Code de la propriété intellectuelle protègent le producteur d’une base lorsque la constitution, la vérification ou la présentation de son contenu traduit un investissement substantiel.
Le producteur peut notamment interdire :
- l’extraction de la totalité ou d’une partie substantielle du contenu ;
- la réutilisation de la totalité ou d’une partie substantielle ;
- certaines extractions répétées et systématiques de parties non substantielles excédant les conditions normales d’utilisation.
Cette protection est distincte des droits susceptibles d’exister sur chaque document. Un corpus peut ainsi cumuler :
- un droit d’auteur sur sa structure originale ;
- un droit sui generis sur son contenu ;
- des droits sur chacun des documents incorporés ;
- des restrictions contractuelles d’accès ou de réutilisation.
5. Open data et informations publiques
La loi pour une République numérique du 7 octobre 2016 a consacré l’ouverture progressive des décisions de justice.
Pour les décisions judiciaires, l’article L. 111-13 du Code de l’organisation judiciaire et le décret n° 2020-797 du 29 juin 2020 encadrent leur mise à disposition. La Cour de cassation est responsable de la diffusion électronique des décisions judiciaires, selon les conditions réglementaires applicables.
La libre réutilisation n’est cependant pas absolue. Elle doit être conciliée avec :
- la vie privée ;
- la sécurité des personnes ;
- la prévention de la réidentification ;
- la protection des données personnelles ;
- les restrictions légales propres à l’open data judiciaire.
6. Secret professionnel, confidentialité et secret des affaires
Un jeu de données juridique constitué à partir de dossiers d’avocats, d’actes internes ou de contentieux privés peut contenir des informations couvertes par :
- le secret professionnel de l’avocat ;
- le secret des affaires ;
- une obligation contractuelle de confidentialité ;
- le secret de l’instruction ou de l’enquête ;
- le secret médical ;
- des règles sectorielles.
La suppression des noms ne suffit pas toujours à lever ces protections. La question essentielle est de savoir si le détenteur du corpus avait le droit d’utiliser les documents pour la finalité envisagée.
Exigences de qualité propres aux corpus juridiques
Exactitude normative
Le corpus doit distinguer :
- le droit en vigueur ;
- le droit abrogé ;
- les versions successives ;
- les dispositions transitoires ;
- les règles territoriales ;
- les textes non encore applicables.
Hiérarchie des sources
Un système doit pouvoir différencier :
- un texte contraignant ;
- une décision juridictionnelle ;
- une recommandation ;
- une doctrine administrative ;
- une opinion doctrinale ;
- une simple allégation d’une partie.
Représentativité
Un jeu peut être déséquilibré lorsqu’il contient principalement :
- des décisions de cassation ;
- des décisions publiées ;
- des contentieux gagnés ;
- des documents provenant d’un seul secteur ;
- une majorité de sources anciennes ;
- des décisions issues d’un nombre limité de juridictions.
La représentativité juridique ne se réduit donc pas à un équilibre statistique. Elle suppose que le corpus reflète correctement la diversité des sources, des procédures et des niveaux normatifs pertinents.
Traçabilité
Chaque donnée devrait, autant que possible, être associée à :
- sa source ;
- sa date ;
- sa version ;
- son statut juridique ;
- sa licence ;
- ses conditions d’accès ;
- les opérations de nettoyage ou d’annotation ;
- les personnes ou outils ayant participé à sa qualification.
Mise à jour
Un corpus juridique devient rapidement obsolète. Il convient d’organiser :
- la détection des modifications législatives ;
- la consolidation des textes ;
- l’ajout des nouvelles décisions ;
- la correction des métadonnées ;
- la suppression ou la rectification de données inexactes.
Cycle de vie d’un jeu de données juridique
1. Définition de la finalité
Il faut déterminer si le corpus sert à :
- rechercher des sources ;
- classer des décisions ;
- générer des réponses ;
- assister la rédaction ;
- prédire un résultat contentieux ;
- entraîner un modèle ;
- évaluer ses performances.
La finalité conditionne la pertinence du corpus et les garanties nécessaires.
2. Cartographie des sources
Chaque catégorie documentaire doit être identifiée avec son régime juridique :
- données publiques ;
- sources sous licence ;
- bases éditoriales ;
- dossiers internes ;
- archives ;
- contenus collectés en ligne.
3. Vérification des droits
Cette étape doit couvrir :
- le droit d’auteur ;
- le droit des bases de données ;
- les licences ;
- les conditions générales d’utilisation ;
- le RGPD ;
- la confidentialité ;
- les secrets protégés.
4. Nettoyage et pseudonymisation
Il peut être nécessaire de :
- supprimer les doublons ;
- corriger les erreurs ;
- exclure les documents non pertinents ;
- occulter certains identifiants ;
- réduire le risque de réidentification ;
- isoler les données sensibles.
5. Annotation
Les règles d’annotation doivent être formalisées. Les désaccords entre annotateurs doivent être mesurés et arbitrés, notamment lorsque la qualification suppose un raisonnement juridique.
6. Séparation des sous-ensembles
Les jeux d’entraînement, de validation et de test doivent être séparés afin d’éviter que l’évaluation porte sur des données déjà vues par le modèle.
Pour un système juridique, il peut également être opportun de réaliser une séparation chronologique afin de vérifier sa capacité à traiter des décisions ou réformes postérieures à son corpus d’entraînement.
7. Documentation
La CNIL met à disposition un modèle de fiche descriptive destiné à documenter les jeux de données d’entraînement, de validation et de test.
Une documentation utile devrait notamment préciser :
- la finalité ;
- le responsable ;
- la composition ;
- les méthodes de collecte ;
- les licences ;
- les données personnelles présentes ;
- les méthodes d’annotation ;
- les biais connus ;
- les exclusions ;
- la période couverte ;
- les conditions de mise à jour.
8. Contrôle continu
Le corpus doit faire l’objet d’audits portant sur :
- sa conformité ;
- sa sécurité ;
- sa qualité ;
- ses biais ;
- sa couverture ;
- son actualisation ;
- les incidents et demandes d’exercice des droits.
Jurisprudence
Protection des bases de données
La jurisprudence européenne relative à la directive 96/9/CE distingue notamment la protection de la structure originale par le droit d’auteur et la protection de l’investissement consacré à la constitution, à la vérification ou à la présentation du contenu par le droit sui generis.
L’existence d’un investissement important dans la création même des données ne suffit pas nécessairement : le droit sui generis protège principalement les investissements consacrés à la recherche, à la collecte, à la vérification ou à la présentation de données existantes.
Open data judiciaire
Le Conseil d’État a eu à connaître de recours relatifs aux modalités et délais de diffusion des décisions de justice. Dans sa décision du 19 août 2022, n° 443528, il a notamment examiné la différence entre les délais prévus pour les juridictions administratives et judiciaires et n’a pas retenu de méconnaissance manifeste du principe d’égalité.
Contentieux relatifs à l’entraînement
Les contentieux concernant l’utilisation de contenus protégés pour entraîner des modèles d’IA sont encore en évolution. Ils portent notamment sur :
- l’existence d’actes de reproduction ;
- l’accès licite aux contenus ;
- la portée des exceptions de fouille de textes et de données ;
- la réservation des droits ;
- la preuve de l’utilisation d’une œuvre dans un corpus.
À ce stade, il serait excessif d’en déduire une règle générale selon laquelle tout entraînement serait licite ou, à l’inverse, illicite.
Acteurs
Producteurs et détenteurs de données
- juridictions ;
- administrations ;
- éditeurs juridiques ;
- cabinets d’avocats ;
- directions juridiques ;
- universités ;
- organismes de recherche ;
- legaltechs ;
- plateformes documentaires.
Autorités et institutions
- CNIL ;
- Commission européenne ;
- Bureau européen de l’intelligence artificielle ;
- Cour de cassation ;
- Conseil d’État ;
- Direction de l’information légale et administrative ;
- autorités chargées de l’open data et de la réutilisation des informations publiques.
Intervenants techniques
- data engineers ;
- juristes annotateurs ;
- documentalistes ;
- développeurs ;
- fournisseurs de modèles ;
- prestataires d’hébergement ;
- auditeurs ;
- spécialistes de la cybersécurité.
Débats actuels
Les décisions publiques peuvent-elles être librement utilisées pour entraîner une IA ?
Le caractère public d’une décision facilite son accès, mais ne résout pas toutes les questions. Il faut encore prendre en compte les règles d’open data, la réidentification, les restrictions propres aux décisions judiciaires, les conditions de la source de collecte et la présence éventuelle d’enrichissements éditoriaux protégés.
Les données juridiques doivent-elles être considérées comme une infrastructure d’intérêt général ?
Une partie de la doctrine considère que l’accès aux textes et décisions est indispensable à l’égalité devant le droit et à l’innovation. D’autres soulignent que la production de bases fiables, consolidées et enrichies suppose des investissements importants qui doivent pouvoir être protégés.
Peut-on entraîner un modèle sur les dossiers d’un cabinet d’avocats ?
Une telle opération n’est envisageable qu’après une analyse rigoureuse du secret professionnel, des instructions du client, de la base légale applicable, des contrats conclus avec les prestataires, de la sécurité et des risques de mémorisation ou de restitution des informations.
Les données synthétiques résolvent-elles les difficultés juridiques ?
Elles peuvent limiter certains risques, mais elles ne les suppriment pas. Les données synthétiques peuvent être dérivées de contenus protégés, reproduire des données personnelles ou amplifier les erreurs et biais du modèle qui les a générées.
Faut-il publier la composition exacte des jeux d’entraînement ?
La transparence permet l’audit et la contestation. Elle peut cependant entrer en conflit avec le secret des affaires, la sécurité, les contrats de licence et la protection des données. Le droit européen privilégie généralement une documentation proportionnée plutôt qu’une ouverture intégrale et systématique de tous les corpus.
Actualité récente
Au 12 juillet 2026, l’AI Act poursuit son entrée en application progressive. Les obligations concernant les modèles d’IA à usage général sont applicables depuis le 2 août 2025, tandis que l’application générale du règlement est prévue à partir du 2 août 2026, sous réserve des calendriers particuliers prévus pour certaines dispositions.
Les recommandations de la CNIL publiées en juillet 2025 précisent parallèlement les conditions dans lesquelles les développeurs peuvent collecter, annoter et utiliser des données personnelles pour développer des systèmes d’IA.
Ressources essentielles
Textes
- Règlement (UE) 2024/1689 sur l’intelligence artificielle, notamment article 10.
- Règlement (UE) 2016/679, dit RGPD.
- Directive 96/9/CE concernant la protection juridique des bases de données.
- Directive (UE) 2019/790 sur le droit d’auteur dans le marché unique numérique, notamment articles 3 et 4.
- Code de la propriété intellectuelle, articles L. 341-1 et suivants.
- Code de l’organisation judiciaire, article L. 111-13.
- Code de justice administrative, dispositions relatives à la diffusion des décisions administratives.
- Loi n° 2016-1321 du 7 octobre 2016 pour une République numérique.
- Décret n° 2020-797 du 29 juin 2020 relatif à la mise à disposition du public des décisions de justice.
Publications Dabo Tibi Ius
Fiche – Gouvernance des données
26 juin 2026
https://dabotibius.ai/gouvernance-des-donnees/
Fiche – Annotation des données et entraînement des systèmes d’intelligence artificielle
14 juin 2026
https://dabotibius.ai/annotation-donnees-entrainement-ia/
Fiche – Données personnelles et intelligence artificielle – Présentation générale
8 juin 2026
https://dabotibius.ai/fiche-donnees-personnelles-et-intelligence-artificielle-presentation-generale/
Fiche – Open data des décisions de justice
25 juin 2026
https://dabotibius.ai/fiche-open-data-des-decisions-de-justice/
Fiche – Transparence algorithmique
16 juin 2026
https://dabotibius.ai/fiche-transparence-algorithmique/
Fiche – Modèles d’IA à usage général (GPAI)
22 juin 2026
https://dabotibius.ai/modeles-ia-usage-general-gpai/
FAQ
Qu’est-ce qu’un jeu de données juridique ?
Il s’agit d’un ensemble organisé de données relatives au droit ou à la justice, destiné à la recherche, à l’analyse, à l’entraînement, à la validation ou à l’évaluation d’un système informatique.
Une décision de justice est-elle librement réutilisable ?
Elle peut être réutilisée dans le cadre de l’open data, mais cette réutilisation reste soumise aux règles d’occultation, de protection des personnes et aux restrictions prévues par les textes. Les enrichissements éditoriaux ajoutés par un éditeur peuvent, quant à eux, être protégés.
Un jeu de données est-il automatiquement protégé par le droit d’auteur ?
Non. Sa structure doit présenter une originalité. Indépendamment de cette protection, son producteur peut bénéficier du droit sui generis si la constitution, la vérification ou la présentation du contenu représente un investissement substantiel.
Peut-on intégrer des articles doctrinaux dans un corpus d’entraînement ?
Pas automatiquement. Il faut vérifier les droits d’auteur, les licences, les conditions d’accès et l’éventuelle application d’une exception de fouille de textes et de données.
Le RGPD s’applique-t-il aux décisions pseudonymisées ?
Il peut continuer à s’appliquer si une personne reste identifiable, directement ou indirectement. La pseudonymisation ne doit pas être confondue avec l’anonymisation.
Qu’est-ce qu’un jeu de validation ?
Il sert à ajuster ou sélectionner les paramètres et choix de développement du modèle sans être utilisé comme jeu principal d’entraînement.
Qu’est-ce qu’un jeu de test ?
Il sert à mesurer les performances finales du système sur des données qu’il n’est pas censé avoir rencontrées pendant l’entraînement.
L’AI Act impose-t-il des exigences à tous les jeux de données ?
Les exigences détaillées de son article 10 concernent principalement les systèmes d’IA à haut risque. D’autres obligations peuvent néanmoins résulter du RGPD, du droit d’auteur, des contrats ou de règles sectorielles.
Une base juridique sous abonnement peut-elle être aspirée pour entraîner une IA ?
L’abonnement ne confère pas nécessairement un droit d’extraction ou d’entraînement. Il faut examiner les conditions contractuelles, le droit des bases de données, le droit d’auteur et les exceptions éventuellement applicables.
Comment documenter correctement un jeu de données juridique ?
La documentation devrait indiquer son origine, sa finalité, sa période, son périmètre, ses licences, ses traitements, les données personnelles présentes, ses biais connus, ses méthodes d’annotation et sa politique de mise à jour.
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
Un jeu de données juridique est un ensemble structuré de textes, décisions, contrats, annotations ou autres informations relatives au droit, utilisé pour rechercher de l’information, entraîner un modèle d’intelligence artificielle ou évaluer ses performances. Il peut être un objet technique tout en constituant juridiquement une base de données protégée.
Exemple
Une legaltech constitue un corpus de décisions de justice afin d’entraîner un outil capable d’identifier les fondements juridiques et de résumer les solutions retenues. Elle doit documenter l’origine des décisions, vérifier les règles de réutilisation, limiter les risques de réidentification et contrôler la qualité des annotations.
Problématique juridique
L’accès à un document ne confère pas toujours le droit de l’incorporer dans un corpus d’entraînement. La constitution d’un jeu de données juridique met simultanément en jeu le RGPD, le droit d’auteur, le droit du producteur de base de données, l’open data, les licences, le secret professionnel et les règles de gouvernance prévues par l’AI Act.
Cadre légal
Le cadre repose principalement sur le règlement européen sur l’intelligence artificielle, notamment son article 10, le RGPD, la directive 96/9/CE sur les bases de données, la directive 2019/790 sur la fouille de textes et de données, le Code de la propriété intellectuelle et les dispositions françaises relatives à l’open data des décisions de justice.
Fiches Dabo Tibi Ius associées :