Interview • Jehanne Dussert • #GEN2020

Interview • Jehanne Dussert • #GEN2020

🎙 Grand Est Numérique 👥 2K 📅 12 octobre 2020 ⏱ 20 min 👁 307 📄 vulgarisation 🧭 2026-10-10
Disponible en : Français (actuel) English

Mots-clés

algorithme juridiqueapprentissage automatiquedécisions de justicediscrimination algorithmiquejuriste développeur

Résumé

Dans cette interview menée sur le plateau de Moselle TV lors du salon Grand Est Numérique 2020, Jehanne Dussert, juriste spécialisée en nouvelles technologies et intelligence artificielle et étudiante à l’école 42, présente les applications de l’IA dans le domaine juridique. Elle explique d’abord ce qu’est un algorithme et le machine learning, puis décrit comment les machines peuvent être entraînées à partir de décisions de justice pour prévoir des issues judiciaires. Elle évoque les usages actuels en France, principalement en justice civile, et les craintes liées aux biais discriminatoires, à la transparence, à la fiabilité, aux coûts et à l’impact environnemental. Elle aborde également la question de l’accès inégal à ces outils pour les cabinets d’avocats, ainsi que le mythe du juriste de demain qui combine compétences juridiques et informatiques. Enfin, elle discute des objectifs de l’IA juridique : informer les justiciables, faire gagner du temps et de l’argent, et démocratiser le droit, tout en soulignant l’importance de la formation et de l’éthique.

163 mots

Évaluation critique

Valeur des informations & solidité de l’argumentation

La valeur des informations est correcte pour une introduction au sujet, mais sans profondeur ni données chiffrées. L’argumentation est cohérente : l’interviewée explique clairement le fonctionnement de l’apprentissage machine appliqué au droit, en donnant des exemples concrets (prévision de décisions, moteurs de recherche juridiques). Elle reconnaît les limites et les risques, ce qui renforce la crédibilité. Cependant, elle ne fournit pas de preuves ou d’études à l’appui, et les affirmations restent générales. Le point central – la distinction entre justice prédictive et prévisible – est bien développé.

Rigueur scientifique, qualité des sources, adéquation du titre

La rigueur scientifique est faible : aucune source précise n’est citée, seules quelques références institutionnelles générales (Conseil de l’Europe, CEPEJ, OCDE) sont mentionnées verbalement. Les outils cités (Doctrine.fr, Prud’hommes) ne sont pas détaillés. Le titre est fidèle au contenu, car il s’agit bien d’une interview. La description fournit des liens vers le site de l’événement et la société de captation, mais ils ne sont pas des sources scientifiques.

170 mots

Adéquation titre / contenu

Le titre correspond au contenu : il s'agit bien d'une interview de Jehanne Dussert dans le cadre du salon GEN2020.

Qualité & fiabilité

6/10

Interview de vulgarisation avec une juriste étudiant en informatique, sans démonstration technique ni vérification des sources. Les propos sont clairs et structurés mais reposent sur des généralités et des exemples non sourcés. La fiabilité est moyenne pour un contenu d'initiation.

Moments clés

Sources citées

Sources concordantes

  • Article sur les legaltech en France — L'interviewée mentionne des startups comme Doctrine et Prud'hommes sans en détailler le fonctionnement.

Apport & nouveautés

L’apport principal de cette vidéo est de vulgariser le concept d’IA juridique en le reliant à des exemples concrets et aux enjeux éthiques et pratiques. Elle souligne l’importance du dialogue entre juristes et développeurs, et introduit l’idée du juriste augmenté.

Pour aller plus loin :

  • Justice prédictive (Wikipédia) — Vue d’ensemble du concept, de ses applications et controverses.
  • Intelligence artificielle et droit (Wikipédia) — Panorama des interactions entre IA et domaines juridiques.
  • Machine learning (Wikipédia) — Fondements techniques de l’apprentissage automatique évoqués dans la vidéo.
  • Commission européenne pour l’efficacité de la justice (CEPEJ) — Source institutionnelle citée concernant les recommandations sur l’usage de l’IA en justice.
  • Discrimination algorithmique (Wikipédia) — Notion clé des biais dans les algorithmes, pertinente pour le sujet.

121 mots

Profil radar

Le profil radar montre des scores moyens en quantité et qualité de l'information, un niveau technique faible et une fiabilité modérée. Cela correspond à une vidéo de vulgarisation destinée à un public non spécialisé, avec des informations générales mais peu approfondies.

Fiabilité 5/10