Du langage IA commun

En décembre 2025, l’Institut d’études juridiques du Conseil supérieur du notariat (CSN) publiait un guide d’« Introduction à l’intelligence artificielle », qui pose trois principes cardinaux : le caractère général et absolu du secret professionnel, la responsabilité exclusive du notaire et le respect du RGPD¹. La charte d’utilisation de l’IA publiée par le CSN en octobre 2026 le prolonge et affirme que chaque notaire doit expérimenter l’IA et s’y acclimater « pour en comprendre les atouts et en maîtriser les risques »². Comprendre avant de maîtriser suppose un langage commun. Or, dans bien des études, l’IA s’est installée sans que le vocabulaire qui l’accompagne s’installe avec elle. Les uns parlent de « chatbot », les autres de « modèle » ou d’« algorithme », et chacun croit désigner la même réalité. Ces sept notions, formulées simplement, suffisent à engager une conversation éclairée avec vos collègues, votre responsable IA ou votre fournisseur. Elles s’adressent à celles et ceux qui débutent comme à celles et ceux qui pratiquent déjà au quotidien, et qui trouveront ici de quoi mettre des mots précis en vue de parler un langage IA commun.

Notion 1 : IA descriptive et IA générative, deux familles distinctes

L’IA descriptive, dite aussi déterministe, fonctionne selon des règles prédéfinies et des algorithmes de classification : elle excelle dans l’analyse de documents, la détection d’anomalies et le tri automatique de pièces justificatives. L’IA générative produit, quant à elle, un contenu nouveau. La CNIL la définit comme un système qui crée du texte, du code, des images, du son ou des vidéos³ ; dans une étude, cela donne un projet de courrier, une synthèse de dossier, une reformulation de clause. C’est elle qui suscite l’enthousiasme et les interrogations du moment, parce que sa production prend l’allure d’un texte rédigé par un humain. La distinction compte dans votre pratique : une classification se vérifie d’un coup d’œil, tandis qu’un texte généré se relit, se contrôle et s’engage sous votre responsabilité.

Notion 2 : le LLM, moteur des assistants conversationnels

Un LLM, ou grand modèle de langage, est un modèle entraîné sur de très vastes ensembles de textes pour comprendre et générer du langage. Cet entraînement lui donne une puissance remarquable : il apprend les régularités du langage et calcule, à partir de votre demande, la suite de mots la plus plausible, ce qui lui permet de rédiger, reformuler, résumer, corriger ou traduire avec une aisance qui explique l’enthousiasme qu’il suscite. La CNIL le range parmi les systèmes d’IA « à usage général », capables de couvrir un large éventail de tâches³. Les assistants conversationnels grand public reposent sur ces modèles et leur doivent leur performance, que l’on retrouve dans les solutions spécialisées qui s’appuient sur eux. C’est sur cette puissance des grands modèles mondiaux que s’appuie Vice-Versa : notre solution relie l’office à ces modèles et identifie puis masque les données sensibles avant chaque échange, pour tirer parti de toute leur puissance dans le respect du secret professionnel. Savoir qu’un LLM prédit plutôt qu’il ne sait, c’est l’utiliser à sa juste mesure : profiter de sa puissance en gardant la main sur le fond.

Notion 3 : le prompt, votre demande et ce qu’elle transmet

Le prompt désigne la requête adressée à l’IA. Sa formulation conditionne la qualité de la réponse, mais aussi ce que vous transmettez au système. Un prompt se rédige donc comme un courrier susceptible d’être lu par un tiers, puisque la requête quitte votre poste pour rejoindre l’infrastructure du fournisseur. Si le texte saisi figurait dans une lettre adressée à un confrère inconnu, le diriez-vous de la même façon ? La formulation précise d’une demande fera l’objet d’un prochain Décryptages.

Notion 4 : l’hallucination, l’erreur qui ressemble à une certitude

Une hallucination désigne une information fausse générée par un modèle avec un degré de confiance élevé. La CNIL évoque des résultats « inexacts qui peuvent, pourtant, paraître plausibles »³ : aucun signal visuel ne distingue l’erreur d’une réponse exacte. En matière juridique, elle peut prendre la forme d’une référence législative ou jurisprudentielle erronée, d’un article de loi dont le contenu est déformé. Le réflexe qui s’impose consiste à contrôler toute référence à sa source avant de l’utiliser ou de la transmettre. Cette vérification vous incombe, y compris lorsque l’erreur provient de la machine. À l’heure de l’IA, c’est ce geste qui fait la valeur de votre signature.

Notion 5 : le biais, le reflet des données d’entraînement

Un système d’IA s’appuie sur des données d’entraînement. Lorsque celles-ci sont déséquilibrées ou incomplètes, leurs défauts peuvent se retrouver, parfois amplifiés, dans ses productions. Pour une profession dont l’impartialité fonde la fonction, ce point mérite une attention particulière : une synthèse ou une proposition de rédaction peut pencher, discrètement, vers une lecture plutôt qu’une autre. Le notaire, garant de l’impartialité, exerce un regard critique systématique sur les productions de l’IA. Ce regard demeure le dernier filtre, et il s’exerce d’autant mieux que l’on connaît l’origine du phénomène.

Notion 6 : pseudonymisation et anonymisation

Les données traitées par les offices comptent parmi les plus sensibles : identité, situation familiale, patrimoine, finances, fiscalité. Or masquer juste le nom d’un client ne suffit pas à protéger son identité : dans un dossier notarial, une adresse, une référence cadastrale, un numéro de lot, une date ou un montant permettent de reconstituer l’identité d’une personne par simple recoupement. Protéger un client consiste donc à masquer tout ce qui permet de le reconnaître, et deux techniques s’y emploient. L’anonymisation efface définitivement les informations : le dossier perd sa cohérence, et la réponse de l’IA devient inexploitable pour le travail sur l’acte. La pseudonymisation remplace chaque donnée sensible par un substitut cohérent, transmet au modèle un dossier lisible, puis restitue les données d’origine au retour : l’IA travaille sur le fond du dossier sans connaître le client, et le travail se poursuit de façon durable et collective dans l’office. La force d’une pseudonymisation repose sur deux conditions : la qualité du masquage, qui doit couvrir les noms, prénoms, adresses, montants, dates, références cadastrales et lots, et la protection de la table de correspondance entre substituts et données réelles. Une vérification humaine de ce qui part vers le modèle complète le dispositif : le contrôle reste une prérogative de l’utilisateur.

Notion 7 : le shadow AI, l’IA utilisée dans l’ombre

Le shadow AI désigne l’utilisation de systèmes d’IA au sein d’une organisation en dehors de tout cadre défini : comptes personnels, versions gratuites, règles que personne n’a validées. Il naît d’un constat simple : les usages s’installent plus vite que les décisions. La Banque des Territoires recense déjà, dans les offices, la recherche documentaire et jurisprudentielle, la revue d’actes pour repérer les incohérences ou la rédaction assistée à partir de modèles⁴. La question n’est donc plus de décider s’il faut adopter l’IA, mais d’encadrer celle qui existe déjà : choisir une solution dont l’hébergement et les garanties contractuelles ont été vérifiés, et former chacun à ses usages et à ses limites⁴.

De la notion à la décision : trois réflexes pour votre étude

Ces sept notions forment un socle, non un aboutissement. Trois réflexes en découlent :

  • Partir d’un besoin concret plutôt que d’un déploiement sans objectif, comme le recommande la CNIL à toute organisation qui souhaite déployer une IA générative³.
  • Limiter chaque requête aux données nécessaires et vérifier chaque production avant qu’elle ne quitte l’étude. Ces gestes relèvent moins de la technique que de la discipline professionnelle que vous exercez déjà sur les actes.
  • La CNIL recommande aussi de former et de sensibiliser les utilisateurs aux usages interdits et aux risques³.

Nos prochains Décryptages en détailleront la mise en œuvre.

Sources

¹ Institut d’études juridiques du CSN, guide « Introduction à l’intelligence artificielle », 12 décembre 2025. Principes rappelés dans le communiqué du CSN.

² Charte d’utilisation de l’intelligence artificielle dans la profession notariale, Conseil supérieur du notariat, octobre 2026 (préambule).

³ CNIL, « Comment déployer une IA générative ? La CNIL apporte de premières précisions », 18 juillet 2024.

⁴ Banque des Territoires, « IA et notaires : la profession passe à l’acte », 30 septembre 2026.