Contexte :
Cet article a été publié par la Swiss LegalTech Association (SLTA), dont P&TS est membre corporate. Classé dans la catégorie « Law & Tech Insight », il s’ajoute aux nombreuses publications qui examinent les changements apportés au secteur juridique par l’utilisation des nouvelles technologies.
Tous les articles peuvent être consultés sur le site de la SLTA à l’adresse suivante : https://www.swisslegaltech.ch/en/documentation/index.php
Nous remercions la Swiss LegalTech Association de nous donner l’occasion de partager notre expertise dans ce domaine particulier. L’article original a été publié en anglais.
Par Christophe Saam, CEO de P&TS
Équipe éditoriale : Rucsandra Bratu, Legal Operations Lead à la Swiss LegalTech Association (SLTA)
Introduction
L’IA générative est déjà présente dans la plupart des études d’avocats, que la direction en ait conscience ou non. Elle apporte de véritables gains d’efficacité, mais introduit des risques qualitativement différents des menaces traditionnelles de cybersécurité. Ce chapitre complète, sous l’angle de la sécurité de l’information, les Lignes directrices de la FSA/SAV portant sur l’utilisation de l’intelligence artificielle de juin 2024 (version consolidée de février 2025). Il intéresse également les conseils en brevets, qui sont soumis à des obligations équivalentes en matière de secret professionnel. Il ne remplace pas ces lignes directrices, mais apporte la couche pratique de sécurité qui s’y ajoute.
LLM sur site ou externe : choisir son architecture
Le choix fondamental que chaque étude doit faire est d’héberger un modèle d’IA sur sa propre infrastructure (déploiement sur site, on-premise) ou d’utiliser un service externe hébergé dans le cloud. Le déploiement sur site offre une confidentialité maximale et un contrôle total sur les données, et constitue la voie la plus directe pour se conformer aux règles du secret professionnel. Ses inconvénients sont bien réels : coût de mise en place important, exigences en matière d’expertise informatique et obsolescence rapide des modèles auto-hébergés.
Recourir à un LLM externe donne accès à des capacités de pointe pour un coût d’infrastructure plus faible, mais implique que les données quittent l’étude, ce qui rend la conformité contractuelle et réglementaire essentielle. Les Lignes directrices de la FSA/SAV valident les deux voies, sous réserve de conditions strictes pour l’option externe. Le choix n’est pas définitif : une infrastructure bien conçue peut prendre en charge les deux simultanément et permettre à l’étude de faire évoluer son approche à mesure que la technologie gagne en maturité.
Secret professionnel : la contrainte non négociable
Pour les avocats et les conseils en brevets suisses, le secret professionnel n’est pas une simple formalité de conformité : il est assorti de sanctions pénales selon l’art. 321 CP (RS 311.0), ainsi que d’obligations disciplinaires professionnelles selon l’art. 13 LLCA (RS 935.61) pour les avocats et l’art. 10 LCBr (RS 935.62) pour les conseils en brevets. Saisir des données de clients dans un système d’IA constitue une divulgation à un tiers et doit être traité comme tel. La loi fédérale sur la protection des données (LPD, RS 235.1) s’applique directement à tout traitement de données assisté par l’IA.
Un prestataire externe ne peut être considéré comme un auxiliaire légitime que si un ensemble de conditions cumulatives et strictes sont remplies : il doit être situé en Suisse ou dans l’UE/EEE, ou bénéficier d’un mécanisme adéquat de transfert de données ; les prompts et les réponses doivent rester stockés dans ces juridictions ; le prestataire doit être contractuellement tenu de ne pas partager les données avec des tiers ; et il doit s’engager à ne pas utiliser les données de l’étude pour l’entraînement ou l’affinage (fine-tuning) de modèles. Lorsque ces conditions ne sont pas remplies, aucune donnée de client ne doit être saisie – pas même sous une forme que l’avocat considère comme anonymisée, si une réidentification reste possible.
Lorsqu’elles sont remplies, la minimisation des données reste une bonne pratique : évitez les noms, les numéros de dossier et les détails permettant l’identification partout où la tâche le permet.
Avec le consentement spécifique et éclairé du client, un avocat peut utiliser un outil qui ne répondrait pas autrement aux critères ci-dessus. Ce consentement doit toutefois couvrir à la fois le secret professionnel et la protection des données, et ne peut être ni présumé ni déduit.
Politique interne, gouvernance et problème du shadow IT
Avant tout déploiement d’un outil d’IA, l’étude doit disposer d’une politique interne écrite en matière d’IA, approuvée au niveau des associés. Celle-ci doit préciser quels outils sont autorisés, quelles catégories de données peuvent ou non être utilisées comme prompts, qui est autorisé à utiliser quels outils, et quel processus de contrôle s’applique avant que du contenu généré par l’IA ne soit utilisé ou transmis. En l’absence d’une telle politique, le risque le plus important ne vient pas d’attaquants externes, mais de l’intérieur. Les collaborateurs qui découvrent un outil d’IA utile et commencent à l’utiliser sans autorisation, en saisissant des données de clients dans des systèmes grand public tels que les versions gratuites de chatbots commerciaux, représentent l’une des menaces les plus immédiates et les plus sous-estimées pour le secret professionnel. C’est ce que l’on appelle le shadow IT : l’utilisation d’outils non autorisés, qui fonctionnent entièrement en dehors du périmètre de sécurité de l’étude. La politique doit l’interdire explicitement et indiquer clairement les conséquences professionnelles du non-respect.
Les risques propres à l’IA exigent également une formation dédiée, distincte de la sensibilisation générale à la cybersécurité. Le personnel doit comprendre ce que signifie le secret professionnel dans le contexte d’un prompt, pourquoi la vérification des résultats de l’IA est une obligation professionnelle et non une simple suggestion, et pourquoi s’écarter des outils approuvés par l’étude a des conséquences réelles. La formation doit être périodique plutôt que ponctuelle, compte tenu du rythme auquel les outils comme les menaces évoluent.
Garanties contractuelles avec les prestataires externes
Les conditions générales publiques n’offrent pas une protection suffisante : elles sont modifiables unilatéralement et sont rarement rédigées en tenant compte des obligations de secret professionnel. Un contrat de sous-traitance (Data Processing Agreement, DPA) bilatéral signé est fortement préférable. Parmi les clauses essentielles à vérifier ou à négocier figurent : l’interdiction explicite d’utiliser les données de l’étude pour l’entraînement ou l’affinage de modèles, des engagements clairs en matière de localisation des données obligeant le prestataire à les conserver en Suisse ou dans l’UE/EEE, l’interdiction de partager les données avec des tiers, y compris les sociétés affiliées et les sous-traitants, une obligation de confidentialité à la charge du personnel du prestataire, des délais de conservation et de suppression des données définis et courts, ainsi que des droits d’audit. Les certifications pertinentes (ISO 27001 pour le management de la sécurité de l’information et, de plus en plus, ISO 42001 pour les systèmes de management de l’IA) constituent un indicateur de référence utile de la maturité d’un prestataire.
Lorsqu’un DPA ne peut pas être négocié, l’étude devrait au minimum documenter son examen des conditions générales applicables, s’abonner aux notifications de modification et réévaluer sa position chaque fois que ces conditions sont mises à jour.
Gestion des données : historique des conversations et indépendance vis-à-vis des prestataires
Un autre risque concerne l’historique des conversations et la mémoire contextuelle. Les performances d’un LLM s’améliorent à mesure que le modèle accumule du contexte sur l’utilisateur, ses clients et ses dossiers, mais cet historique accumulé constitue une donnée sensible de l’étude. Il ne devrait pas être stocké de manière permanente dans l’infrastructure du prestataire. La bonne pratique consiste à utiliser une couche de gestion des conversations qui stocke l’historique localement, au sein de l’infrastructure propre de l’étude, en ne transmettant au LLM que le contexte nécessaire au moment de chaque requête, et à choisir des prestataires qui s’engagent contractuellement à supprimer rapidement les données de session.
Plus largement, les études devraient construire une infrastructure indépendante du prestataire, c’est-à-dire qui ne crée pas de dépendance à l’égard d’un seul fournisseur. Les outils fondés sur des protocoles ouverts tels que le Model Context Protocol (MCP) permettent à l’étude de changer de prestataire sans perdre le contexte qu’elle a stocké ni perturber ses flux de travail. Cela importe non seulement pour la flexibilité, mais aussi pour la résilience : un prestataire peut modifier ses tarifs, ses conditions, ou cesser son activité. La dépendance à un fournisseur (vendor lock-in) dans un flux de travail critique est un risque stratégique que les études envisagent rarement avant qu’il ne soit trop tard.
Responsabilité à l’égard des résultats de l’IA : hallucinations, responsabilité et propriété intellectuelle
L’avocat ou le conseil en brevets reste pleinement responsable de tous ses travaux, qu’ils soient assistés par l’IA ou non. Cela comporte deux dimensions pratiques. La première concerne les hallucinations : les LLM peuvent produire, et produisent effectivement, des citations juridiques, des références jurisprudentielles ou des dispositions légales plausibles mais factuellement inexactes, généralement sur le même ton assuré et péremptoire que des résultats exacts. Soumettre une écriture ou un avis de droit généré par l’IA sans vérification indépendante de chaque source citée expose l’avocat à une mise en cause de sa responsabilité professionnelle et, dans un contexte contentieux, à des sanctions de la part du tribunal.
La seconde dimension est la propriété intellectuelle. Les résultats générés par l’IA peuvent intégrer du contenu issu des données d’entraînement du modèle et reproduire ainsi, potentiellement, du matériel protégé par le droit d’auteur de tiers, sans mention de la source ni licence, ce qui expose l’étude à des actions en contrefaçon pour un contenu utilisé de bonne foi. Parallèlement, selon le droit d’auteur suisse (art. 6 LDA), seule une personne physique peut être auteur : le contenu généré par l’IA ne bénéficie d’aucune protection par le droit d’auteur, et l’étude ne peut faire valoir aucun droit de propriété sur un travail purement généré par l’IA. L’avocat ou le conseil en brevets qui utilise l’IA supporte à la fois le gain d’efficacité et le risque juridique.
Injection de prompt et menaces émergentes
À mesure que les outils d’IA sont intégrés aux flux de travail juridiques, une nouvelle catégorie d’attaque devient pertinente : l’injection de prompt (prompt injection). Un acteur malveillant peut dissimuler des instructions cachées dans un document ou un courriel que l’IA est chargée de traiter. Le modèle, incapable de distinguer les instructions légitimes des commandes injectées, peut être manipulé pour divulguer des informations, produire des résumés trompeurs ou entreprendre des actions non voulues. Ce risque s’accroît à mesure que les systèmes d’IA gagnent en autonomie : un système capable d’envoyer des courriels ou d’accéder à des bases de données externes de manière autonome pour le compte de l’avocat représente une surface d’attaque nettement plus étendue qu’un générateur de texte passif. Les études devraient s’assurer que leur expert en sécurité de l’information (Information Security Expert) connaît ces vecteurs d’attaque propres à l’IA, qui se distinguent des logiciels malveillants et de l’hameçonnage classiques et exigent une réponse différente.
Conclusion
L’IA générative n’est pas un risque futur : c’est un risque présent, déjà à l’œuvre dans la plupart des études, au travers d’outils approuvés, du shadow IT, ou des deux. Les Lignes directrices de la FSA/SAV de 2024 fournissent le cadre professionnel ; ce chapitre apporte la couche de sécurité de l’information. Le message clé est simple : utilisez l’IA, mais encadrez-la. Une politique écrite, les bons contrats, une architecture indépendante du prestataire, un personnel formé et une vérification rigoureuse des résultats constituent le minimum requis pour un déploiement responsable. Comme pour tous les aspects de la sécurité de l’information traités dans ce guide, le point de départ consiste à travailler avec votre expert en sécurité de l’information (Information Security Expert) et, pour la dimension du secret professionnel, avec un avocat ou un conseil en brevets qui connaît les obligations spécifiques de la profession juridique ainsi que le droit informatique.
