ChatGPT et Claude pour la jurisprudence : tuto sources vérifiables

ChatGPT et Claude inventent de la jurisprudence. Ce n'est pas une opinion : en avril 2026, plusieurs avocats français ont été sanctionnés pour avoir soumis à des juges des arrêts entièrement fabriqués par un modèle de langage. Pourtant, ces outils peuvent être utiles pour la recherche juridique, à condition de savoir exactement comment les paramétrer et comment vérifier chaque résultat. C'est précisément ce que ce tutoriel vous donne.

Vous trouverez ici : pourquoi les LLM hallucinent en droit (et dans quelles conditions précises), comment activer et exploiter la recherche web dans ChatGPT et Claude, des prompts copiables qui forcent la citation de sources vérifiables, une méthode de vérification post-réponse sur Légifrance et Judilibre, et les cas où un système RAG vaut largement mieux que la recherche web grand public. Le tout sans promesses exagérées, comme le souligne d'ailleurs le guide déontologie et IA du CNB (mars 2026).

Pourquoi ChatGPT et Claude inventent de la jurisprudence

Pour comprendre le problème à la racine, il faut comprendre ce que fait réellement un modèle de langage. ChatGPT, Claude ou Mistral ne "savent" pas. Ils prédisent : à partir du texte que vous leur donnez, ils génèrent le texte qui statistiquement suit le mieux. Ce mécanisme produit des résultats remarquablement cohérents. Il produit aussi des erreurs remarquablement convaincantes.

En droit, cela prend une forme très précise : l'IA a appris, pendant son entraînement, que les arrêts de cassation ont un numéro de pourvoi à 8 chiffres, une chambre, une date, une solution et un chapeau. Quand vous lui demandez de citer un arrêt sur la faute inexcusable de l'employeur, elle génère quelque chose qui ressemble parfaitement à un arrêt de cassation. Le problème : ce numéro de pourvoi peut ne jamais avoir existé. La date peut être inventée. La solution peut être l'inverse de la jurisprudence réelle.

Le knowledge cutoff : le problème des textes récents

Au problème des hallucinations s'ajoute celui du knowledge cutoff. Chaque modèle a une date de coupure au-delà de laquelle il n'a pas ingéré de données. ChatGPT 4o a une coupure approximative à fin 2024. Claude 3.5 Sonnet à début 2025. Cela signifie concrètement :

• Une loi promulguée en 2025 peut ne pas figurer dans le modèle.
• Un revirement de jurisprudence de la Cour de cassation en 2025 est inconnu du modèle.
• Un arrêt rendu en chambre mixte en janvier 2026 n'existe tout simplement pas pour le modèle.

La recherche web atténue ce problème sans l'éliminer. Le modèle peut aller chercher des informations récentes, mais son interprétation de ces informations reste conditionnée par ses biais d'entraînement. Il peut mal lire une décision, en extraire la mauvaise partie, ou confondre deux affaires aux faits similaires.

Pourquoi le droit français est particulièrement à risque

La plupart des modèles de langage ont été entraînés massivement sur de l'anglais et du droit anglo-saxon. Le droit français, plus codifié, avec ses numéros d'article précis, sa terminologie spécifique (pourvoi, chambre sociale, Cour de renvoi, etc.) et sa jurisprudence en français, est moins bien représenté dans les corpus. Les hallucinations sont donc statistiquement plus fréquentes sur des questions de droit français spécialisé que sur des questions de droit américain généraliste.

C'est pour cette raison que des cabinets comme Doctrine, Ordalie ou Lextenso ont développé des outils spécialisés. Pas parce que leurs modèles sont "plus intelligents", mais parce qu'ils interrogent des bases juridiques vérifiées avant de générer une réponse. C'est exactement ce que fait un système RAG appliqué aux données juridiques.

Activer la recherche web : ChatGPT, Claude, Perplexity et Mistral comparés

Voici l'état réel de la recherche web dans chaque outil en mai 2026, avec une évaluation honnête pour le droit français. Aucun n'est parfait.

La configuration Claude + OpenLegi MCP (développée par un avocat spécialisé en droit du numérique) mérite une mention particulière : elle donne à Claude un accès direct à l'API officielle de Légifrance, ce qui change fondamentalement la fiabilité des références citées. Ce n'est pas une recherche web approximative, c'est une interrogation directe de la base officielle. La mise en place est plus technique, mais le résultat est d'une autre nature.

Pour les autres outils sans intégration directe, la recherche web reste utile pour deux choses précises : la veille sur des thèmes récents, et la formulation d'axes de recherche à approfondir ensuite sur les sources officielles. C'est très différent d'une recherche jurisprudentielle fiable.

Structurer un prompt qui force la citation de sources vérifiables

La différence entre un prompt qui donne une réponse hallucinée et un prompt qui donne une réponse traçable tient à quelques instructions précises. Voici les briques à intégrer systématiquement.

Les instructions à ne jamais oublier

La structure type d'un prompt juridique fiable

Voici le squelette à réutiliser pour tout prompt de recherche jurisprudentielle. Les crochets indiquent les variables à remplir selon votre cas.

Structure de prompt à copier

Tu es un assistant de recherche juridique. Ton rôle est de m'aider à [objectif : trouver / vérifier / résumer / surveiller] des décisions de justice françaises.

Sujet : [thème juridique précis et anonymisé]

Périmètre : [juridiction : Cour de cassation / Conseil d'État / Cour d'appel de... / etc.], depuis [année].

Règles impératives :

- Ne cite que des arrêts publiés au Bulletin ou disponibles sur legifrance.gouv.fr.

- Pour chaque arrêt : donne le numéro de pourvoi exact, la date, la chambre et la décision (cassation / rejet / etc.).

- Si tu n'es pas certain de l'existence d'un arrêt, indique-le explicitement entre crochets : [à vérifier].

- N'invente aucune référence. Un "je ne sais pas" est préférable à une référence fictive.

- Si la recherche web est disponible, vérifie les références sur legifrance.gouv.fr avant de les citer.

Ma question : [question précise]

Cette structure ne garantit pas l'absence d'erreurs. Mais elle réduit significativement les hallucinations en forçant l'IA à exprimer son incertitude plutôt qu'à la masquer. Nos 7 prompts IA pour avocats utilisent le même principe d'incertitude explicite sur tous les types de tâches juridiques.

5 prompts opérationnels à copier-coller

Voici cinq prompts prêts à l'emploi, couvrant les cas d'usage les plus fréquents. Chacun intègre les instructions de traçabilité vues ci-dessus. Remplacez les zones entre crochets avant d'utiliser.

Prompt 1 : Recherche de jurisprudence sur un thème précis

À utiliser pour : identifier les arrêts de principe sur un sujet avant de consulter les bases juridiques professionnelles.

Prompt 1

Tu es un assistant de recherche juridique spécialisé en droit français.

Je cherche la jurisprudence de la Cour de cassation sur le sujet suivant : [sujet précis, ex : obligation de sécurité de résultat en matière de harcèlement moral].

Périmètre : chambre sociale, décisions publiées au Bulletin depuis 2018.

Pour chaque arrêt cité :

1. Donne le numéro de pourvoi exact.

2. Donne la date de l'arrêt.

3. Précise si l'arrêt est publié au Bulletin (B) ou seulement en ligne (BI).

4. Résume la solution retenue en deux phrases.

5. Si tu n'es pas certain du numéro de pourvoi, écris [à vérifier sur Légifrance] à côté.

Si la recherche web est activée, vérifie chaque référence sur legifrance.gouv.fr avant de la citer. Préfère trois arrêts certains à dix arrêts douteux.

Prompt 2 : Vérification d'un arrêt dont vous avez une référence partielle

À utiliser pour : vérifier si un arrêt que vous avez trouvé correspond à ce que vous en attendez, ou si une référence communiquée par un confrère est exacte.

Prompt 2

Tu es un assistant juridique. Je souhaite vérifier les informations suivantes sur un arrêt :

Référence fournie : [ce que vous avez, ex : "Cass. soc., 2 avril 2020, sur la faute inexcusable"]

Questions :

1. Connais-tu cet arrêt avec certitude ? Si oui, donne le numéro de pourvoi exact et confirme la chambre.

2. La solution que j'en retiens est la suivante : [résumé de ce que vous pensez que dit l'arrêt]. Est-ce exact selon toi ?

3. Existe-t-il des arrêts ultérieurs qui ont précisé, infléchi ou contredit cette position ?

Si tu n'es pas sûr de l'existence de l'arrêt ou de la portée que je lui prête, dis-le clairement. Ne confirme pas pour me faire plaisir.

Prompt 3 : Comparaison de positions doctrinales récentes sur un sujet

À utiliser pour : préparer un axe argumentaire en identifiant les courants doctrinaux, avant d'aller chercher les sources primaires.

Prompt 3

Sujet : [question juridique précise].

Je souhaite connaître les grandes positions doctrinales sur ce point, notamment depuis [année].

Pour chaque position identifiée :

1. Décris la thèse en deux à trois phrases.

2. Cite si possible un auteur et une revue associés à cette position (ex : D. 2023, RTD civ. 2024). Si tu n'es pas certain de la référence exacte, écris [source à vérifier dans Dalloz/RTD/AJDI selon le sujet].

3. Indique si cette position est majoritaire, minoritaire ou émergente.

N'invente pas de noms d'auteurs ou de références bibliographiques. Un "je ne connais pas de doctrine établie sur ce point" est acceptable et préférable.

Prompt 4 : Veille légale et jurisprudentielle sur un sujet en cours

À utiliser avec la recherche web activée, pour surveiller l'évolution d'un thème. Ce prompt est particulièrement adapté à Perplexity ou ChatGPT en mode web.

Prompt 4 (mode web requis)

Je réalise une veille juridique sur le sujet suivant : [thème précis].

Cherche les évolutions législatives, réglementaires et jurisprudentielles publiées entre [date de début] et aujourd'hui.

Sources à consulter en priorité :

- legifrance.gouv.fr (textes officiels et jurisprudence)

- cour-de-cassation.fr (communiqués et rapports annuels)

- conseil-etat.fr si applicable

Pour chaque résultat :

1. Donne le titre exact du texte ou de l'arrêt.

2. Donne la date de publication ou de rendu.

3. Fournis l'URL directe si disponible.

4. Résume l'apport en deux phrases.

Si tu ne trouves pas de résultat certain, dis-le. Ne génère pas de faux positifs pour paraître exhaustif.

Prompt 5 : Synthèse d'une décision avec sources primaires

À utiliser quand vous avez déjà identifié et vérifié un arrêt sur Légifrance, et souhaitez en obtenir une synthèse exploitable.

Prompt 5

Voici le texte intégral (ou extrait) d'une décision de justice vérifiée sur Légifrance :

[Collez ici le texte de la décision]

Produis une synthèse structurée ainsi :

1. Références : juridiction, chambre, date, numéro de pourvoi.

2. Faits : résumé factuel en 3 à 5 phrases.

3. Question de droit : la question tranchée, formulée en une phrase.

4. Solution : ce qu'a décidé la juridiction, avec la qualification exacte (cassation partielle, rejet, etc.).

5. Portée : est-ce un arrêt de principe, un arrêt d'espèce ? Y a-t-il un chapeau ?

Ne complète pas les lacunes du texte avec des informations extérieures. Si un élément est absent du texte fourni, indique-le.

Le prompt 5 est le plus fiable de tous parce que vous fournissez vous-même la source primaire. L'IA n'est plus en mode "mémoire", elle est en mode "lecture et structuration" : un rôle où les LLM sont bien meilleurs et bien moins sujets aux hallucinations.

Méthode de vérification post-réponse

Quelle que soit la qualité du prompt, la vérification humaine est non négociable. Voici la méthode en quatre étapes, avec les outils à utiliser pour chaque type de vérification.

Étape 1 : Vérifier l'existence de l'arrêt sur Judilibre

Judilibre est la base de données officielle de la Cour de cassation, en open data. C'est votre premier réflexe pour tout arrêt de cassation cité par l'IA.

• Cherchez par numéro de pourvoi : un numéro fictif ne donnera aucun résultat.
• Cherchez par date et chambre si vous n'avez pas le numéro de pourvoi exact.
• Vérifiez que la solution citée par l'IA correspond à la solution réelle de l'arrêt.

Étape 2 : Confirmer le texte sur Légifrance

Légifrance est la source officielle pour les textes législatifs et réglementaires, mais aussi pour une grande partie de la jurisprudence. Pour un arrêt de cassation, cherchez dans la base "Jurisprudence judiciaire". Pour une décision administrative, cherchez dans "Jurisprudence administrative".

• Vérifiez le visa exact de l'article cité (l'IA peut confondre des articles voisins).
• Lisez le "chapeau" de l'arrêt : c'est lui qui fixe la portée normative de la décision, pas le résumé de l'IA.
• Vérifiez que l'article de loi n'a pas été modifié entre la date de l'arrêt et aujourd'hui.

Étape 3 : Évaluer la portée sur Dalloz ou Lextenso

Légifrance vous dit si l'arrêt existe. Dalloz, Lextenso ou LexisNexis vous disent ce qu'il signifie dans l'état de la doctrine. Un arrêt peut exister avec le bon numéro et avoir été critiqué, nuancé ou contredit par la doctrine dominante. L'IA n'a aucune visibilité sur cela.

Étape 4 : Vérifier l'évolution postérieure

La jurisprudence n'est pas statique. Un arrêt de 2019 peut avoir été contredit en 2023, nuancé en 2024 ou rendu obsolète par une loi en 2025. Sur Légifrance, la fonctionnalité "versions successives" et le renvoi aux "textes cités" permettent de vérifier que rien n'a changé depuis.

Quand un système RAG sur base juridique vaut mieux que la recherche web grand public

La recherche web dans ChatGPT ou Claude est utile. Elle n'est pas suffisante pour tous les cas d'usage. Voici les situations où un système RAG connecté à des bases juridiques validées offre un avantage décisif.

Les limites structurelles de la recherche web grand public

La recherche web grand public indexe ce qui est public et indexé par les moteurs. Légifrance est partiellement indexé. Judilibre l'est davantage. Mais votre base de jurisprudence interne, vos archives de dossiers, vos notes de position : rien de tout ça n'est accessible via une recherche web. Or c'est souvent là que se trouve la vraie valeur pour un cabinet.

Par ailleurs, les LLM avec recherche web n'interrogent pas les bases juridiques professionnelles comme Dalloz, Lextenso ou LexisNexis. Ces bases sont payantes, structurées, et contiennent une profondeur doctrinale que le web public ne reproduit pas.

Cas d'usage où le RAG est nécessaire

En résumé : la recherche web grand public est utile pour accélérer le cadrage et la veille. Elle n'est pas conçue pour la production documentaire professionnelle, qui exige une traçabilité que les LLM seuls ne peuvent pas garantir.

C'est là qu'intervient le RAG (Retrieval-Augmented Generation) : plutôt que de répondre "de mémoire" ou via une recherche web approximative, un assistant RAG interroge en temps réel des bases de données juridiques vérifiées, connectées par API ou indexées. Chaque réponse cite sa source avec un lien direct vers le document original. Pour comprendre l'architecture, notre article sur le fonctionnement du RAG appliqué aux données internes pose toutes les bases. Et pour voir la différence avec un chatbot classique, notre comparaison RAG versus chatbot simple est plus directe.

Les cabinets qui ont franchi ce pas témoignent d'une économie de temps sur la vérification des sources, plus que sur la recherche elle-même. Moins de temps à vérifier, c'est plus de temps pour analyser et argumenter. Plusieurs cas concrets d'applications RAG en contexte professionnel sont détaillés dans notre article sur les 3 cas d'usage RAG en entreprise. Et si vous souhaitez comprendre comment les agents IA peuvent orchestrer plusieurs sources en parallèle, l'article sur l'agentic RAG et les agents IA retrieval va plus loin dans l'architecture.

Ce que Tensoria propose concrètement

Nous déployons des assistants RAG connectés aux bases juridiques de vos cabinets (Légifrance via API, Dalloz si abonnement, archives internes de dossiers) avec hébergement en France. Le principe : vous posez votre question en langage naturel, l'assistant cherche dans vos sources validées et cite le passage exact avec le lien vers le document. Pas de génération hors source, pas de références inventées.

Ce n'est pas adapté à tous les cabinets ni à tous les budgets. C'est pour cela que nous commençons toujours par un audit pour identifier si les cas d'usage justifient l'investissement. Pour les cabinets qui traitent plus de 5 recherches jurisprudentielles complexes par semaine ou qui veulent interroger leurs archives de dossiers, le ROI est généralement atteint en moins de 6 mois.

Erreurs fréquentes et comment les éviter

Ces erreurs sont documentées dans des affaires réelles, y compris en France depuis décembre 2025 selon Village de la Justice. Elles sont toutes évitables.

Erreur 1 : Faire confiance à un lien qui n'existe pas

L'IA peut générer une URL Légifrance qui ressemble parfaitement à la vraie structure du site, avec le bon format, la bonne catégorie, et un identifiant plausible. L'URL n'existe pas. Cliquer sur un lien et obtenir une page 404 est le meilleur signal d'alarme. Mais certains avocats ont copié l'URL sans cliquer, en faisant confiance à l'apparence de la référence. La règle : chaque URL doit être ouverte et le contenu de la page doit correspondre à ce que l'IA a dit.

Erreur 2 : Oublier que la jurisprudence évolue

Un arrêt de 2019 existe peut-être réellement. Il a peut-être aussi été contredit par un arrêt de chambre mixte en 2023, puis partiellement réhabilité par une loi en 2025. Les LLM n'ont pas accès à cette dimension temporelle de la jurisprudence, même avec la recherche web. La seule façon de détecter un revirement : chercher la jurisprudence postérieure sur le même point, sur Légifrance ou via une base professionnelle.

Erreur 3 : Ignorer la chambre

Une décision de la chambre sociale et une décision de la chambre commerciale sur le même sujet peuvent avoir des portées très différentes. L'IA confond parfois les chambres, ou cite un arrêt de chambre sociale quand vous posez une question de droit des affaires. La chambre n'est pas un détail administratif : c'est une information structurante pour évaluer si la jurisprudence s'applique à votre situation.

Erreur 4 : Utiliser la synthèse de l'IA à la place de l'arrêt réel

Même quand l'arrêt existe et que le numéro de pourvoi est correct, la synthèse de l'IA peut déformer la solution. L'IA peut saisir une obiter dictum (remarque incidente du juge) comme si c'était la ratio decidendi (solution principale). Elle peut inverser qui a cassé et qui a résisté. Elle peut attribuer à l'arrêt une portée que les commentateurs ont refusé de lui reconnaître. Lisez le chapeau. Lisez l'arrêt.

Erreur 5 : Envoyer des faits de dossier sans anonymisation

C'est l'erreur de confidentialité, pas l'erreur de fiabilité. Mais elle est tout aussi grave. Dans la fébrilité d'une recherche urgente, il est tentant de coller directement les faits du dossier pour que l'IA "comprenne mieux". Chaque donnée identifiante envoyée à ChatGPT ou Claude transite sur des serveurs dont vous ne maîtrisez pas l'hébergement. Le secret professionnel ne s'arrête pas à la porte du numérique. L'automatisation pour cabinets d'avocats intègre systématiquement ces contraintes de confidentialité dans la conception des flux.

Erreur 6 : Croire que la recherche web élimine le problème

C'est peut-être l'erreur la plus dangereuse, précisément parce qu'elle est subtile. La recherche web réduit les hallucinations sur les textes récents. Elle ne les élimine pas. L'IA peut trouver une vraie page Légifrance et en extraire une mauvaise information. Elle peut confondre deux décisions dont les titres se ressemblent. Elle peut lire un commentaire d'arrêt et le citer à la place de l'arrêt lui-même. Le reflexe de vérification reste identique, recherche web ou pas.

Pour aller plus loin

• 7 prompts IA pour avocats : jurisprudence, conclusions, mise en demeure : la boîte à outils complète pour toutes les tâches de rédaction juridique.
• Automatiser un cabinet d'avocats avec n8n : comment les workflows IA peuvent prendre en charge la veille, le traitement documentaire et les relances, dans le respect du secret professionnel.
• Agentic RAG et agents IA retrieval : l'architecture qui permet à un assistant IA d'interroger plusieurs bases de données en parallèle et de synthétiser les résultats.
• 3 cas d'usage RAG en entreprise : exemples concrets de déploiements RAG, avec gains mesurés et conditions de réussite.
• Comprendre le RAG appliqué aux données internes : architecture, limites et bonnes pratiques pour évaluer si le RAG est adapté à votre cabinet.
• RAG versus chatbot simple : quand choisir l'un ou l'autre : pour décider si votre cas d'usage justifie un investissement RAG ou si un chatbot suffit.
• Nos solutions IA pour cabinets d'avocats : découvrez notre offre dédiée aux professions juridiques, de l'audit au déploiement.

Questions fréquentes