Traduit de l’original anglais. Les chiffres et les sources sont inchangés. Lire l’original en anglais
Pakistan trial courts
Le Pakistan déploie JudgeGPT de façon aléatoire auprès de 1 559 juges de première instance, et les districts résolvent plus d’affaires
Des chercheurs et la justice pakistanaise ont confié un assistant d’IA, JudgeGPT, à des juges de première instance dans le cadre d’une expérience randomisée portant sur 118 tribunaux. Les districts comptant davantage de juges formés ont résolu plus d’affaires, environ 6,3 % au-dessus de la moyenne pour une exposition médiane, sans hausse des appels.
Chiffres clés
Repris tels quels des sources. Copiez n’importe quel chiffre avec sa citation.
1 848
Affaires supplémentaires résolues par district et par an pour une exposition médiane aux juges formés1
6,3 %
Hausse des affaires résolues par rapport à la moyenne pour une exposition médiane1
environ 616
Affaires supplémentaires résolues par district et par an au 25e centile d’exposition1
1 559
Juges répartis aléatoirement dans l’expérience1
Ce que cela a demandé
Le coût, la taille de l’équipe et le calendrier ne sont pas communiqués dans les sources.
Le problème
Le Pakistan compte très peu de juges pour sa population, et des millions d’affaires attendent une décision. The Decoder fait état de 2,26 millions d’affaires en instance fin 2024, la plupart devant les tribunaux de première instance. Les juges travaillent avec peu de technologie et sans personnel d’appui.
Ce qu’ils ont construit
JudgeGPT est un chatbot fondé sur la famille de modèles GPT-4 d’OpenAI. Il a été adapté au Pakistan à l’aide d’une consigne personnalisée et d’une bibliothèque de décisions de justice et de lois qu’il consulte avant de répondre, si bien que ses réponses citent de vrais documents. Cette approche s’appelle la génération augmentée par récupération (RAG).
Comment ils s’y sont pris
Des chercheurs de l’ETH Zurich, de l’Imperial College London et de la New Economic School ont travaillé avec la justice. Ils ont réparti aléatoirement 1 559 juges de première instance, dans 118 tribunaux, entre trois groupes : accès à l’IA avec formation ciblée, accès à l’IA avec formation générale sur la technologie et le droit, ou formation générale seule. La formation du premier groupe a été échelonnée par cohorte, à partir de mars 2024. Les journaux de conversation ont montré comment les juges utilisaient l’outil.
Résultats
Les juges disposant de l’IA et d’une formation ciblée ont adopté l’outil davantage, l’ont plus utilisé et ont continué à le faire. Les districts davantage exposés à ces juges ont résolu plus d’affaires : environ 1 848 de plus par district et par an pour une exposition médiane, soit 6,3 % de plus que la moyenne. Les appels par affaire résolue n’ont pas augmenté et ont plutôt légèrement diminué. La formation a déplacé l’usage vers l’aide à la correction et à la rédaction, et l’a éloigné des questions larges de recherche juridique.
Tous les chiffres publiés
| Indicateur | Chiffre | Citation |
|---|---|---|
| Affaires supplémentaires résolues par district et par an pour une exposition médiane aux juges formés | 1 8481 | |
| Hausse des affaires résolues par rapport à la moyenne pour une exposition médiane | 6,3 %1 | |
| Affaires supplémentaires résolues par district et par an au 25e centile d’exposition | environ 6161 | |
| Juges répartis aléatoirement dans l’expérience | 1 5591 | |
| Tribunaux couverts | 1181 |
Enseignements pour votre projet
Associez l’accès et la formation. Dans l’étude, les juges ayant reçu une formation ciblée ont davantage utilisé l’outil et ont continué à le faire ; l’accès seul comptait bien moins.
Orientez les utilisateurs vers les tâches où l’outil est fiable, comme l’amélioration de textes, et éloignez-les des questions ouvertes dont la vérification est coûteuse.
Mesurez la production à partir de données administratives, et pas seulement d’enquêtes auprès des utilisateurs, et suivez la qualité (taux d’appel) en parallèle du volume.
Randomisez le déploiement quand c’est possible. Cela a donné à ces résultats une crédibilité qui manque à la plupart des études de cas de fournisseurs.
Réserves
- Les chiffres sont des résultats de recherche : les estimations des auteurs sur la façon dont la production d’un district évolue avec la part de juges formés, et non un décompte des affaires résolues par l’outil lui-même.
- L’article est un document de travail daté du 9 août 2026 et pourra être révisé. L’article de The Decoder (21 juillet 2026) le résume.
- Le document donne un ordre de grandeur du coût, d’environ 41,90 dollars de capacité équivalente en salaires par dollar dépensé, et d’au moins 10 dollars avec des hypothèses prudentes. The Decoder rapporte 38,50 dollars. Comme il s’agit d’une estimation modélisée, elle n’est pas présentée ici comme un résultat.
- Le document nomme un modèle de la famille GPT-4 ; aucune version exacte n’est donnée. La première cohorte de formation a débuté en mars 2024, date retenue ici comme début.
- Les données de production utilisées dans l’analyse s’arrêtent à fin 2024 ; seule la toute première cohorte y contribue.
Sources
- Courts of Tomorrow: Evidence from a Nationwide Rollout of Generative AI
Mehmood, Goessmann, Ash (working paper) · 2026-08-09 · Article de recherche · elliottash.com
- An AI system helped Pakistani judges clear massive backlogs at $38.50 return per dollar invested
The Decoder · 2026-07-21 · Presse · the-decoder.com
Résumé dans nos propres mots à partir des sources ci-dessus. Une erreur ? Consultez les corrections.