Idées / lundi 12 octobre 2026

✓ RetenueN° 3 sur 3VentureInfrastructure IA

LLM juridique auto-hébergé pour les dossiers couverts par le secret professionnel

Un LLM juridique à poids ouverts, déployé sur site, avec adaptateurs par juridiction et vérification des citations, pour les cabinets qui ne peuvent pas envoyer leurs dossiers confidentiels vers des clouds américains ou chinois.

I want to build a venture-scale product. Help me plan and start the MVP.

Product: Self-hosted legal LLM for privileged matters
What it is: On-prem, open-weight legal LLM with jurisdiction adapters and citation verification for firms that can't send privileged files to US or Chinese clouds.
Who pays: Managing partners and GCs at 50–500 lawyer firms and regulated in-house teams handling sensitive matters; $2k–10k/mo per firm from the legal-tech/security budget
Closest alternatives: Harvey, CoCounsel (Thomson Reuters), Spellbook, self-hosted Llama/Qwen via vLLM
The gap: Harvey/CoCounsel are closed SaaS on US foundation labs whose usage policies explicitly allow judgment-based disclosure and require human-in-the-loop; consumer labs (Anthropic, OpenAI) and Chinese labs (Z.ai) are both disqualified for sensitive matters. No vendor ships an open-weight legal model with on-prem deployment, jurisdiction adapters and a clean data-provenance audit story aimed at firms.
Why now: Within the last year Anthropic formalized a policy allowing it to share user files with third parties when legal rights are affected, and Z.ai's workspace-snapshotting scandal plus the closed Chinese-model release made data sovereignty a live buying criterion rather than a theoretical concern.
Moat to build toward: Jurisdiction-specific adapter packs and citation-verification corpora compound with usage; trust/audit certification (SOC2, bar-association endorsements) is slow to copy.
Ouvrir la discussion ↗

Un brief prêt à coller dans Claude Code, Cursor ou tout agent de code (en anglais).

6.1sur 10
7Douleur6Payer8Timing6Manque5Défense4Faisable

Les arguments pour

Qui paieAssociés gérants et directeurs juridiques de cabinets de 50 à 500 avocats et d'équipes juridiques internes soumises à réglementation et traitant des dossiers sensibles ; 2 000 à 10 000 $ par mois et par cabinet, financés sur le budget legaltech ou sécurité.
Pourquoi maintenant

Au cours de l'année écoulée, Anthropic a formalisé une politique lui permettant de partager des fichiers utilisateurs avec des tiers lorsque des droits juridiques sont en jeu. Par ailleurs, le scandale de Z.ai, qui a capturé des espaces de travail entiers, et la sortie d'un modèle chinois fermé ont fait de la souveraineté des données un critère d'achat concret, et non plus une préoccupation théorique.

Les arguments contre

✕ Ce qui la ferait échouerHarvey ou Thomson Reuters lancent une offre cloud privé ou VPC et verrouillent la distribution auprès des cabinets avant qu'un nouvel entrant n'ait gagné la confiance.
L'objection la plus forte de la red team

La souveraineté des données est devenue un critère éliminatoire pour Harvey, Anthropic et Z.ai dans les dossiers couverts par le secret professionnel. Un modèle juridique à poids ouverts, déployé sur site, avec des packs par juridiction, est une position réellement ouverte : risqué sur l'exécution, mais non tué par un acteur établi.

Avantage défensif 5/10

Les packs d'adaptateurs propres à chaque juridiction et les corpus de vérification des citations se renforcent avec l'usage. Les certifications de confiance et d'audit (SOC 2, reconnaissances par les barreaux) sont lentes à copier.

Ce qui existe déjà
HarveyCoCounsel (Thomson Reuters)Spellbookself-hosted Llama/Qwen via vLLM
Le manque

Harvey et CoCounsel sont des SaaS fermés reposant sur des laboratoires de fondation américains dont les politiques d'usage autorisent la divulgation à l'appréciation du fournisseur et exigent une supervision humaine. Les laboratoires grand public (Anthropic, OpenAI) et les laboratoires chinois (Z.ai) sont tous deux disqualifiés pour les dossiers sensibles. Aucun fournisseur ne propose de modèle juridique à poids ouverts déployable sur site, avec adaptateurs par juridiction et une traçabilité claire des données, pensée pour les cabinets.

La construire en 3 étapes

  1. 1Affiner un modèle de base à poids ouverts (Qwen ou Llama) avec des adaptateurs juridiques pour 2 juridictions, et livrer un déploiement Docker sur site
  2. 2Développer une couche de vérification des citations qui contrôle chaque décision ou texte de loi cité auprès des sources officielles et bloque toute sortie non vérifiable
  3. 3Mener des pilotes payants avec 3 cabinets de taille moyenne, sur leur contrat type et leurs flux de notes de synthèse, et mesurer le temps de relecture économisé par les avocats
Discussion d'origine“GLM-Legal” ↗600 points, 333 commentairesDes commentairesArticle lié

Traduit de l'anglais. Lire l'original

Plus dans cette édition