Un stagiaire est en retard sur une note de recherche, alors il colle la lettre de mandat du client et un résumé du dossier dans ChatGPT pour obtenir plus vite une première ébauche. Le stagiaire n'en parle jamais. Trois semaines plus tard, l'associé signe la note, facture le client, et n'apprend jamais que les renseignements confidentiels du client ont quitté le contrôle du cabinet sur un compte personnel. Le travail avait l'air correct. L'exposition est invisible — et c'est à l'associé d'en répondre.
Voilà le scénario qui devrait empêcher les avocats superviseurs de dormir, et il n'a presque rien à voir avec les histoires de mémoires sanctionnés pour des citations inventées. Le risque ici n'est pas une mauvaise réponse. C'est le fait que des données confidentielles du client quittent le cabinet dès l'instant où elles entrent dans une zone de saisie, sur un outil que personne au cabinet n'a choisi ni ne contrôle.
L'erreur du junior est la responsabilité de l'avocat superviseur
Les règles de déontologie traitent le travail délégué comme elles l'ont toujours fait : quoi que produise un stagiaire, un collaborateur junior ou un assistant, l'avocat responsable en assume la charge. On attend d'un avocat superviseur qu'il supervise le travail de ceux à qui il délègue, et les erreurs remontent vers le haut. Un outil d'IA utilisé par un junior s'inscrit dans ce même cadre — il se comporte comme un autre junior dont vous êtes comptable du produit, sauf que celui-ci transmet en silence tout ce qu'on lui fournit.
Cela change la nature du devoir de supervision. Il ne suffit plus de relire la note pour en vérifier l'exactitude. L'associé est aussi responsable de la façon dont la note a été produite, car la méthode elle-même — coller des confidences du client dans un outil d'IA public — peut violer la confidentialité et, dans certaines circonstances, mettre en péril le secret professionnel. Une fois cette information soumise, elle peut devenir assujettie aux conditions d'utilisation du fournisseur, lesquelles peuvent accorder de larges droits de conservation et de traitement. Il n'y a pas de bouton pour tout rappeler. La divulgation a déjà eu lieu avant même que quiconque au cabinet ne sache qu'une requête a été tapée.
Et cela se produira. Les juniors se tournent vers les outils qu'ils utilisent déjà. Dans un sondage Gartner de 2026, 88 % des employés ayant accès à une IA d'entreprise utilisaient aussi des outils d'IA personnels pour le travail ; Cyberhaven a constaté en 2025 que 82,8 % des documents juridiques saisis dans des outils d'IA aboutissaient sur des comptes non corporatifs. Les personnes les plus proches de vos dossiers clients sont celles les plus susceptibles de les coller quelque part où vous ne pouvez pas voir.
Une politique de cabinet que l'associé ne peut pas voir n'est pas de la supervision
La plupart des cabinets ont réagi par une politique : ne pas mettre de renseignements clients dans ChatGPT. Le problème, c'est qu'une politique dont personne ne peut observer le respect n'est pas un contrôle — c'est un espoir. Si un stagiaire utilise un compte personnel sur son propre portable, le cabinet n'a aucune trace que la règle a été enfreinte, ni aucune trace qu'elle a été respectée.
Cette lacune coupe des deux côtés. Elle signifie que l'usage à risque passe inaperçu. Elle signifie aussi que l'associé n'a aucun moyen de démontrer que des mesures raisonnables ont été prises, ce qui compte lorsque quelque chose tourne mal. La discipline et les sanctions peuvent être atténuées lorsqu'un avocat démontre qu'il a pris des mesures adéquates pour prévenir le préjudice. Un associé qui peut invoquer une trace montrant que des données clients sensibles ont été interceptées avant d'atteindre un outil d'IA dispose d'une preuve de garanties raisonnables. Un associé qui s'appuie sur une note non appliquée détient un document qui prouve que la règle existait et rien sur la question de savoir si elle a fonctionné.
Voilà pourquoi les interdictions et les politiques sur papier échouent au test de la supervision. Elles sont rédigées pour contrôler quel outil un junior utilise. Mais personne ne dicte quelle IA un avocat ou un stagiaire va utiliser — ils prennent ce qui est rapide et familier. La question de supervision n'est pas quel outil mais quelles données sortent. Recadrez le devoir autour des données et l'image devient plus claire : l'associé a besoin de visibilité sur les endroits où l'information client est à risque, et d'un moyen de l'empêcher de sortir avant qu'elle ne le fasse.
De la visibilité sur le risque, pas de la surveillance des personnes
Il y a une tension évidente ici. Un associé doit savoir où l'usage de l'IA crée de l'exposition au sein de son personnel. Mais personne ne veut lire ce qu'un stagiaire a tapé dans une requête, et transformer la supervision en surveillance des frappes au clavier ronge la confiance dont dépend toute relation de formation.
La distinction qui résout cela : un avocat superviseur doit voir l'événement de politique — que des données clients ont été signalées, dans quel type de requête, à quelle fréquence, et où le risque se concentre — et non le contenu du travail de quiconque. Savoir que des collages à risque sont interceptés au sein du groupe corporatif, ou qu'un flux de travail particulier déclenche sans cesse des signalements, c'est exactement la visibilité que la supervision exige. Lire la requête elle-même n'ajoute rien au devoir et engendre de nouveaux problèmes.
Il y a aussi un moment que le junior mérite. Lorsqu'un stagiaire est sur le point de coller le dossier d'un client dans un outil public, la chose la plus utile qui puisse arriver n'est pas une journalisation silencieuse — c'est une explication, en langage clair, de ce qui a été signalé et pourquoi. Cela transforme une quasi-erreur en formation, et un stagiaire qui comprend pourquoi la lettre de mandat ne devrait pas aller dans ChatGPT est un stagiaire qui ne refera pas l'erreur sur le prochain dossier. Avec le temps, cette trace montre que les gens du cabinet deviennent mesurablement meilleurs dans l'usage sécuritaire de l'IA — ce à quoi ressemble réellement une diligence démontrable.
C'est le principe sur lequel repose Sanitized AI : les renseignements clients sensibles sont interceptés et caviardés avant qu'une requête n'atteigne l'outil d'IA, le junior reçoit une explication sur le moment, et l'avocat superviseur constate que le risque a été géré — jamais ce que quiconque a tapé. Le contrôle agit là où réside le devoir, avant la divulgation qui ne peut être annulée.
La question à laquelle répondre ce trimestre
Posez-la simplement : si un stagiaire collait demain un dossier client dans ChatGPT, le sauriez-vous un jour — et pourriez-vous démontrer à un client, ou à un organisme de réglementation, que votre cabinet a pris des mesures pour l'empêcher ? Si la réponse honnête est non aux deux volets, la lacune de supervision est déjà ouverte. Il vaut la peine de la combler avant qu'une note signée ne se transforme en une confidence divulguée.
Si vous souhaitez voir comment un cabinet peut protéger les données clients au niveau de la requête tout en donnant aux associés une visibilité sur le risque sans lire le travail de personne, demandez une démonstration.