Le Stanford RegLab a publié le 19 novembre une étude qui recense les traces d'écriture assistée par IA dans les plaintes de quatre tribunaux de comté américains. Dans les plaintes de 2026 hors recouvrement de créances, la part portant un signal d'IA est de 38 % dans le comté de Santa Clara et de 36 % à San Francisco, tous deux en Californie ; à Tulsa et dans le comté d'Oklahoma, en Oklahoma, elle est respectivement de 17 % et de 16 %.
À Santa Clara, cet indicateur était encore proche de zéro en 2022. La hausse la plus rapide concerne les justiciables qui saisissent la justice seuls, sans avocat : de 19 % en 2024 à 72 % en 2026 ; pour les actes déposés par des avocats, elle passe de 5 % à 34 %. Par type d'affaire, les litiges du travail et commerciaux en Californie affichent la proportion la plus élevée, tandis que les plaintes en recouvrement de créances ne montrent presque aucun signe d'IA, alors qu'elles représentent près de la moitié des dossiers dans certains tribunaux. Les signaux d'IA apparaissent surtout dans l'exposé des faits et dans les fondements de la demande.
Les cas d'hallucination comme réponse de référence
La difficulté tient à la preuve. L'équipe s'appuie sur une base de données tenue par Damien Charlotin, qui recense depuis avril 2025 les affaires où des juges accusent ou réprimandent des parties pour usage de citations fausses ; les seuls États-Unis en comptent plus de 1 500. Les erreurs de ces documents sont assez flagrantes pour que le recours à l'IA soit certain, ce qui les rend adaptés comme vérité de référence.
Les chercheurs l'ont associée à un échantillon témoin soigneusement choisi pour former le nouveau banc d'essai PhantomDocket, et ont proposé une méthode de calibrage appelée ScoreMix afin d'estimer combien de plaintes ressemblent davantage à ces documents hallucinés qu'à ceux d'avant ChatGPT. Les détecteurs existants, Pangram et EditLens, donnent de mauvais résultats utilisés tels quels : soit ils ne détectent rien, soit ils exigent beaucoup de réglages. Pangram Labs a fourni un accès pour l'étude ; l'équipe affirme que l'entreprise n'a participé ni à la conception ni à l'analyse de la recherche.
"AI detection is most reliable for estimating population prevalence, not pinpointing which specific filings used AI."
(La détection d'IA est surtout fiable pour estimer une prévalence globale, pas pour identifier quels dossiers précis ont utilisé l'IA.)
L'écriture juridique repose sur un vocabulaire étroit et beaucoup de formules toutes faites, ce qui laisse peu de signal aux détecteurs, et les données d'entraînement des détecteurs commerciaux ne contiennent pas forcément de textes juridiques. Même les meilleurs détecteurs affichent des taux de faux positifs et de faux négatifs loin d'être faibles. Le communiqué de l'étude ne publie ni la taille de l'échantillon de PhantomDocket ni le tableau de précision des détecteurs ; il faut pour cela consulter l'article complet. La recommandation de politique publique de l'équipe est que les tribunaux instaurent une obligation de déclarer l'usage de l'IA, afin que les statistiques et la mise en cause des responsabilités à venir reposent sur des bases solides.
Le regard sur les tribunaux chinois
Le texte correspondant en Chine est l'avis sur l'encadrement et le renforcement de l'application judiciaire de l'intelligence artificielle, publié en décembre 2022 par la Cour populaire suprême. Il porte surtout sur la manière dont les tribunaux eux-mêmes utilisent l'IA pour appuyer le traitement des affaires, et précise que l'IA ne peut pas remplacer le juge pour trancher. Quant à savoir si les parties et les avocats qui recourent à l'IA générative pour rédiger plaintes et mémoires doivent le déclarer, les dispositions publiques ne contiennent pas de règle spécifique.
Aux États-Unis, certains juges fédéraux exigent déjà des avocats qu'ils indiquent par écrit s'ils ont utilisé l'IA générative et qu'ils vérifient eux-mêmes les citations. L'enseignement de l'étude de Stanford est que, là où aucune déclaration n'est requise, on ne peut estimer de l'extérieur qu'une proportion globale au moyen de détecteurs, avec une marge d'erreur non négligeable. Pour les parties et cabinets chinois de plus en plus nombreux à rédiger leurs plaintes avec de grands modèles, le risque de citations fausses est le même ; les conséquences d'une découverte par un juge dépendent pour l'instant du traitement au cas par cas de chaque tribunal.
Sources : Stanford HAI, article du Stanford RegLab, CocoLoop, Cour populaire suprême de Chine ; ont été vérifiés les proportions de signaux d'IA dans quatre tribunaux de comté, l'évolution entre justiciables sans avocat et actes d'avocats, la taille de la base de cas d'hallucination et la fourchette des résultats de détection.