99 % des clauses bien classées. Et celles qui manquent ?

L’essentiel. Un outil entraîné sur des contrats de chantiers de construction repère quelle obligation chaque clause attribue, et à qui. Aux tests, il classe correctement près de 99 % des clauses. Pour acheter une solution d’intelligence artificielle générative, des chercheurs proposent d’exiger du fournisseur un niveau minimal sur cinq points, dont le contrôle humain. Parmi les résultats à observer ensuite, ils retiennent la fréquence à laquelle un humain reprend réellement la main. Et des étudiants entraînés à négocier face à une intelligence artificielle ont fait mieux que les autres sur toutes les compétences.

✍️ Le mot de Sébastien

Près de 99 %. C’est la part des clauses qu’un outil entraîné sur des contrats de chantiers de construction a analysées et classées sans erreur lors de ses tests, en cherchant qui doit quoi à qui. Le chiffre est honnête. Il porte sur ce qui est écrit.

Or un contrat se juge aussi sur ce qu’il tait. Bien des mauvaises surprises d’exécution viennent d’une question que personne n’a posée avant de signer.

J’ai mis ce numéro sous une idée simple. On juge un outil, un achat ou un choix là où la mesure est facile, et ce qui compte se joue souvent ailleurs. Pour acheter une solution d’intelligence artificielle générative, des chercheurs proposent de suivre combien de fois l’humain reprend vraiment la main. Et des étudiants entraînés face à une machine qui joue l’autre camp font mieux que les autres en négociation, selon des correcteurs humains et non selon la machine elle-même.

Avant de croire le score d’un outil, demandez à son fournisseur sur quels contrats il l’a mesuré, sur quels types de clauses, et s’il comptait des clauses absentes ou ambiguës.

La découverte de la semaine

🤖 Ce que l’IA a repéré — Un outil entraîné sur des contrats de chantiers de construction classe correctement près de 99 % des clauses testées

Des chercheurs ont spécialisé sept modèles de langage, ces programmes qui apprennent à traiter du texte, sur des contrats de construction. La tâche consiste à lire une clause et à dire quelle obligation ou quel droit elle attribue, et à laquelle des trois parties que ces contrats distinguent, le maître d’ouvrage, l’entrepreneur ou l’ingénieur. Les modèles ont été testés sur plusieurs contrats types, ceux que la profession réemploie d’un chantier de construction à l’autre, et sur des contrats rédigés sur mesure. Le meilleur atteint 98,86 % de bonnes réponses. Les auteurs y voient un moyen d’accélérer la revue des contrats, de repérer les obligations de façon plus régulière et de réduire les litiges nés d’une mauvaise lecture des clauses.

📎 Source — Yasmine Elkhayat et Mohamed Marzouk, « Domain-Specific Language Model for intelligent construction contract analysis », Developments in the Built Environment (Elsevier), 2026, étude relue par les pairs : doi.org/10.1016/j.dibe.2026.101055

👁️ Mon regard

Le chiffre est remarquable, et il porte sur ce que l’outil a sous les yeux, des clauses écrites.

Les écologues lisent parfois un milieu autrement. Sur l’écorce des arbres, certains lichens disparaissent quand l’air se charge en dioxyde de soufre, et des chercheurs ont appris à estimer la pollution d’une région à l’absence de ces espèces. Un contrat se relit un peu de la même façon. Une clause de réversibilité absente pèse plus lourd, le jour où l’on veut changer de fournisseur, qu’une clause de pénalités mal classée.

Avant de confier une revue de contrats à cet outil, je demanderais d’abord ceci. Quand le contrat ne dit rien d’une obligation qu’il devrait prévoir, la réversibilité par exemple, l’outil vous le signale-t-il ?

📖 L’image du vivant — David L. Hawksworth et Francis Rose, « Qualitative scale for estimating sulphur dioxide air pollution in England and Wales using epiphytic lichens », Nature, 1970.

🧰 À emporter — Trois questions à poser avant de confier une revue de contrats à un outil

Un score de bonnes réponses dit ce que l’outil fait des clauses qu’on lui montre. Ces trois questions portent sur le reste.

La question, et ce que la réponse vous apprend.

Le terrain du test. Des contrats types, des contrats négociés, ou les deux. Un score obtenu sur des modèles standards dit peu de chose de vos contrats sur mesure.

Ce que compte le chiffre. Des clauses bien classées, des obligations bien attribuées ou des risques bien repérés. Ce sont trois exercices différents.

Le traitement de l’absent. Ce que l’outil signale quand une clause attendue manque au texte. S’il ne signale rien, la lecture des silences reste chez vous.

Sur le radar

🤖 Ce que l’IA a repéré — Pour acheter une solution d’IA générative, un article propose d’exiger un niveau minimal sur cinq points

Un article sur les transports urbains part d’un constat. L’intelligence artificielle générative entre dans leur exploitation plus vite que les outils dont disposent les autorités pour la gouverner. Ces outils ont été conçus pour des modèles qui prédisent une valeur dans un cadre fermé. L’article pose en hypothèse qu’ils fonctionnent mal face à des systèmes dont les réponses sont ouvertes, varient selon le contexte et restent probabilistes. Pour combler cet écart, il propose cinq piliers, la transparence, la responsabilité, l’équité, l’auditabilité et le contrôle humain, chacun noté de 0 à 4. Il en tire un standard d’achat, avec un niveau 2 à exiger sur chaque pilier, et douze propositions à tester qui relient ces niveaux à des résultats observables. L’un d’eux est la fréquence à laquelle les opérateurs humains reprennent effectivement la main. Aucune donnée n’est encore recueillie, c’est un cadre à éprouver.

📎 Source — Nirmal Acharya et Padmaja Kar, « Governing generative AI in urban mobility: a five-pillar framework and twelve falsifiable propositions for operations, accountability, and public trust », Frontiers in Future Transportation, 2026, article relu par les pairs : doi.org/10.3389/ffutr.2026.1951756

👁️ Mon regard

Ce qui m’intéresse ici est le mot achat. Les auteurs proposent d’écrire leur grille dans le cahier des charges, avec un niveau à atteindre avant de signer. C’est à cet endroit qu’une liste de principes devient une obligation.

Et l’indicateur qui retient mon attention est le plus modeste de la liste. Beaucoup de contrats d’outils d’intelligence artificielle écrivent qu’une validation humaine intervient avant les décisions importantes. Je n’en connais presque aucun qui prévoie de compter combien de fois cette validation a dit non. Une validation qui n’a jamais rien refusé peut signaler un outil excellent, ou un geste devenu machinal.

La question se pose telle quelle à votre fournisseur, ou à votre propre équipe. Sur les décisions de l’outil au dernier trimestre, combien un humain en a-t-il refusé ?

💡 La pépite

🤖 Ce que l’IA a repéré — Face à une IA qui joue l’autre camp, des étudiants progressent en négociation

Une expérience menée dans un seul établissement a comparé deux façons d’enseigner la négociation commerciale internationale à 124 étudiants chinois de troisième année, sur un semestre de quinze semaines. Dans le groupe expérimental, une intelligence artificielle générative tenait le rôle de l’interlocuteur, d’une autre culture que l’étudiant, plutôt que celui du tuteur. Les progrès ont été notés par des correcteurs humains qui ignoraient à quel groupe appartenait chaque étudiant, et non par les indicateurs du système. Même en tenant compte du niveau de départ et du temps passé à s’entraîner, le groupe expérimental dépasse le groupe témoin sur toutes les compétences évaluées. L’écart le plus net porte sur la sensibilité aux autres cultures et sur la variété des stratégies. L’auteur précise que ces résultats viennent d’une seule promotion.

📎 Source — Qunli Mo, « Development and application of a generative-AI-driven virtual simulation teaching system for international business negotiation scenarios », Scientific Reports (Nature Portfolio), 2026, étude relue par les pairs : doi.org/10.1038/s41598-026-64132-4

👁️ Mon regard

Ce résultat parle à quiconque forme à la négociation, pour une raison précise. La machine y tient le rôle de l’adversaire, celui qui résiste et qui pense autrement, et c’est face à elle que les étudiants ont appris.

L’autre détail compte autant. Les progrès ont été mesurés par des humains qui ignoraient qui avait utilisé l’outil. Un outil qui mesure lui-même les progrès qu’il produit est juge et partie.

Quand un fournisseur vous présente les progrès obtenus grâce à son outil, qui les a mesurés ?

📣 À vous de jouer

Un geste de vingt minutes, d’ici le 12 octobre.

Prenez le dernier contrat important que vous avez signé. Sur une feuille, écrivez trois événements plausibles pour l’année qui vient. Le fournisseur est racheté. Votre interlocuteur principal s’en va. Le prix d’un composant double.

Pour chacun, cherchez dans le contrat l’article qui dit ce qui se passe alors, et notez son numéro en face.

Trois lignes, et vous saurez si votre contrat a prévu l’année qui vient.

— Sébastien Müller · pivoinesconseil.com

🌱 Sous la surface. Cette lettre a ses obsessions, que je ne détaille pas ici. Distinguer le signal du bruit (le titre n’est pas un hasard). Me méfier de la monoculture des idées. Regarder le vivant et les systèmes pour mieux comprendre les contrats. Défricher la recherche, et débusquer les pépites qu’on ne lit nulle part ailleurs.