La phrase latine « Da mihi factum, dabo tibi ius » (« Donnez-moi les faits, je vous donnerai le droit ») implique que les faits sont facilement accessibles, complets et à jour. Cependant, cette hypothèse est rarement vérifiée lorsque les systèmes d'intelligence artificielle fournissent des réponses qui citent correctement leurs sources. Dans une discussion précédente intitulée La signature en bas de page, l'accent était mis sur les hallucinations, la vérification des sources et la responsabilité des professionnels utilisant du contenu généré par l'IA. Le besoin de fiabilité demeure, car même une règle précise pourrait ne pas s'appliquer à une entreprise spécifique. Cette discussion porte non sur la conformité des systèmes d'IA, qui est régie par le Règlement (UE) 2024/1689, mais sur la manière dont ces systèmes sont utilisés pour appliquer le droit à des entreprises individuelles. Un service juridique en France supervise une douzaine d'entreprises. Le service des ressources humaines se demande si une filiale, qui compte désormais 54 employés, est soumise à l'obligation de participer aux résultats. Un outil d'IA peut identifier les articles pertinents du Code du travail, citer correctement le seuil de 50 employés et expliquer le régime applicable. Cependant, la conclusion pourrait ne pas être exacte. L'obligation commence après la période civile de cinq ans mentionnée dans le Code de la sécurité sociale, et le seuil doit être atteint ou dépassé pendant cinq années consécutives. Une diminution du nombre d'employés remet le compteur à zéro. La main-d'œuvre concernée n'est pas le nombre actuel, mais la moyenne sur l'année civile précédente. Par conséquent, le nombre de 54 employés seul n'est pas suffisant pour répondre à la question. Des données historiques sont nécessaires, et ces données sont souvent réparties entre plusieurs systèmes, tels que les ressources humaines et les paies. Les techniques de génération augmentée par récupération (RAG), qui utilisent des documents récupérés à partir d'un corpus pour étayer les réponses d'un modèle, réduisent le risque de citer des sources inexistantes. Cependant, elles n'informent pas le modèle sur la situation réelle de l'entreprise. Par exemple, les documents peuvent confirmer un seuil mais pas la main-d'œuvre juridiquement pertinente. Cela met en évidence un aspect clé du raisonnement juridique : les faits sont interprétés à la lumière de la règle, et la règle est choisie en fonction des faits. Dans des travaux publiés en 2026, Eljas et Tuula Linna examinent la question du raisonnement juridique par l'IA en utilisant le cadre de l'Issue, de la Rule, de l'Application et de la Conclusion. Ils soulignent l'importance du choix du bon cadre juridique, de l'application de la règle et de l'évaluation des preuves. Le défi demeure dans l'identification des faits dont dispose le système, leur fiabilité et ce qu'il faut faire lorsqu'on manque des faits nécessaires. Les professionnels du droit travaillent souvent sur des opérations en cours, des litiges ou des questions relatives à une date spécifique. Les services juridiques gèrent des organisations dont les caractéristiques changent constamment : le nombre de personnel, l'ouverture ou la fermeture de sites, les acquisitions, et de nouvelles activités à l'étranger. Les lois évoluent également : de nouveaux textes entrent en vigueur, les seuils changent et les interprétations juridiques se modifient. Une conclusion qui était précise à l'époque peut nécessiter plus tard une révision, sans que le raisonnement initial soit faux. À l'échelle d'un groupe comportant de nombreuses entreprises, ou pour les professionnels qui gèrent des centaines d'entreprises, il est essentiel d'identifier les entités concernées par un changement et les faits nécessaires pour déterminer cela. Cela exige de savoir où se trouve l'information, qui en assure la précision, et quelles modifications justifieraient une reconsidération d'une conclusion. À mesure que les systèmes « agentifs », qui utilisent les données et les outils de l'organisation, deviennent plus courants, ces défis deviendront plus complexes. L'absence d'information n'est pas la même chose que d'avoir des informations négatives. L'absence de données montrant qu'une entreprise dépasse un seuil ne prouve pas qu'elle est en dessous. Une activité non enregistrée dans un système peut tout de même exister, et les données provenant de différents systèmes peuvent s'entrecontradire. Un point de données qui était autrefois précis peut ne plus l'être. Par conséquent, un système conçu pour aider à l'application du droit devrait distinguer au moins trois scénarios : la règle s'applique, elle ne s'applique pas, ou les informations sont insuffisantes pour conclure. Le troisième scénario est souvent sous-estimé. Une réponse indiquant que l'on ne peut pas conclure sans l'historique de la main-d'œuvre de la filiale peut être moins impressionnante qu'une réponse rapide, mais elle est souvent plus utile au juriste qui doit traiter de la question. Certains travaux mettent l'accent sur des chaînes de décision audibles, des mécanismes d'évaluation de l'incertitude et des architectures hybrides, tout en reconnaissant leurs limites. Savoir quand ne pas conclure est une méthode : identifier ce qui manque et laisser le professionnel agir en conséquence.