Lire lesbonnes pages
Comment une équipe juridique a utilisé MiruIQ comme logiciel d'analyse de contrats pour extraire des données de clauses spécifiques dans plus de 2 000 contrats, sans lire une seule page.
Plus de 80 000 pages réduites à des constats structurés par type de clause. Un calendrier de due diligence considérablement compressé. Chaque constat traçable jusqu'à une page précise.
Une équipe juridique d'entreprise menant une due diligence d'acquisition fait face à une data room virtuelle de plus de 2 000 documents de 30 à 80 pages chacun. Les collaborateurs recherchent des clauses précises : clauses de changement de contrôle, plafonds d'indemnisation, droits de résiliation. Lire chaque page représente six semaines de travail pour quatre personnes.
Ingestion
Le contenu de la data room est synchronisé dans le pipeline via S3 ou FTP.
Classification sémantique
Chaque document est évalué en parallèle par plusieurs Semantic Classifiers, un par type de clause recherché par l'équipe juridique. Chaque classificateur est configuré avec une description et des exemples de ce à quoi ressemble cette clause en pratique : un classificateur Résiliation reconnaît le langage de résiliation à travers différents styles contractuels, un classificateur Changement de contrôle repère les déclencheurs d'acquisition et les clauses de consentement, un classificateur Indemnisation identifie les formulations de plafonds et les exclusions. Seuls les documents correspondant sémantiquement à un type de clause poursuivent ; tout le reste est écarté.
Classification de structure de clause
Chaque Semantic Classifier alimente son propre Structure Classifier, qui définit les champs précis à extraire pour ce type de clause. La structure Résiliation définit des champs comme le délai de préavis en jours, la date d'effet après notification et les clauses pénales. La structure Changement de contrôle capture les conditions de déclenchement, les exigences de consentement et les droits de cession. La structure Indemnisation spécifie les montants de plafond, les exclusions et les périodes de survie. L'extraction de documents juridiques devient ainsi un problème de schéma : chaque type de clause est une structure, et l'extraction de données contractuelles remplit cette structure champ par champ.
Extraction
Chaque Structure Classifier alimente son propre Extractor, qui tire les valeurs réelles des pages du document. L'extracteur Résiliation lit le délai de préavis et la durée post-notification dans les paragraphes concernés. L'extracteur Changement de contrôle capture les événements déclencheurs et les exigences de consentement. L'extracteur Indemnisation relève les montants de plafond et les périodes de survie. Chaque extracteur produit des données structurées prêtes pour les systèmes en aval.
Sortie
Les extracteurs produisent deux sorties. Les documents sources sont stockés dans S3 ; les collaborateurs peuvent ainsi remonter à l'original pour vérifier un constat. En parallèle, les valeurs extraites sont écrites dans PostgreSQL sous forme de matrice de due diligence : pour chaque document, quelles clauses ont été trouvées, sur quelles pages, avec les termes clés et les signaux de risque. Les collaborateurs travaillent à partir de cette matrice au lieu de lire les documents bruts. Quand un nouveau type de clause devient pertinent (par exemple les clauses de non-concurrence), un nouveau triplet Semantic Classifier, Structure Classifier et Extractor est ajouté sans rien changer d'autre : une automatisation documentaire juridique qui grandit avec l'opération.
Filtrage sémantique préalable
Plusieurs classificateurs sémantiques s'exécutent en parallèle, chacun configuré avec des descriptions et des exemples d'un type de clause spécifique. Seuls les documents correspondant sémantiquement poursuivent ; tout le reste est écarté avant toute application de structure ou d'extraction.
Expansion parallèle des structures
Chaque classificateur sémantique alimente son propre classificateur de structure. Le classificateur sémantique décide si la clause est présente ; le classificateur de structure définit quels champs en extraire. De nouveaux types de clauses s'ajoutent comme de nouvelles paires de classificateurs, sans modifier les existants.
Classification-extraction appariée
Chaque classificateur de structure alimente son propre extracteur dédié. La structure définit ce qu'il faut chercher ; l'extracteur tire les valeurs réelles. La paire fonctionne comme une unité, réutilisable dans différents pipelines.
Des pipelines sémantiques par clause : chaque type de clause possède son propre classificateur sémantique (avec exemples), sa définition de structure et son extracteur. Le triplet fonctionne comme une unité, et de nouveaux types de clauses s'ajoutent sans toucher aux existants.
Questions sur les contrats
Ce que les équipes juridiques demandent sur l'analyse automatisée des contrats.
Tout ce que vous pouvez définir sous forme de schéma : parties, dates, délais de préavis, clauses de résiliation, conditions de changement de contrôle, plafonds d'indemnisation. Chaque type de clause devient une structure que l'extraction de données juridiques remplit champ par champ, sur une data room entière, pas contrat par contrat.
En gardant l'IA là où se trouvent les documents. MiruIQ fonctionne sur l'infrastructure du cabinet ou en hébergement suisse, avec des modèles d'IA locaux et une isolation d'état par pipeline : aucun document, embedding ou résultat d'extraction ne réside jamais chez un fournisseur d'IA tiers.
Un modèle correspond à votre processus ?
Chaque modèle est construit à partir des mêmes composants modulaires : classificateurs, extracteurs, validateurs et connecteurs. Trouvons ensemble la bonne combinaison pour vos documents.