L'IA générative dans l'expertise judiciaire

L’IA générative dans l’expertise judiciaire
Approche technique et méthodologique
Faculté de droit de Rouen le 6 novembre 2025
Conférence – Formation
Yvon GERVAISE
Expert Honoraire à la Compagnie
Animateur du GT SECF #LaboratoireduFutur
http://www.ExpertScience.fr
https://secf-expertschimie.org/groupes-
thematiques/

I.A. : Panorama des Applications
(3) Systèmes experts = Logiciel capable de reproduire les mécanismes cognitifs d’un Expert
@univ-grenoble-alpes.fr

L’IA AU SERVICE DE LA JUSTICE etde L’ EXPERT ? …
Typologie des cas d’usage recensés et correspondance technologique:
RAPPORT SUR L’IA AU SERVICE DE LA JUSTICE : STRATEGIE
ET SOLUTIONS OPERATIONNELLES juin 2025 >
https://www.justice.gouv.fr/sites/default/files/2025-
08/rapport_ia_au_service_de_la_justice.pdf

Outils d’I.A. Générative au palmarès des usages
➢ Les différents modèles de LLM
➢ Taille parametres en Milliards
➢ Système open source /fermé
➢ Perplixity Lab pour la recherhe approfondie web
➢ Generateur rapport multi - étapes

L’ I.A. : Nouvelle donne de L’Expertise Judiciaire ...
• La transformation numérique bouleverse les pratiques d’expertise judiciaire.
• L’IA s’impose comme un nouvel auxiliaire technique.
> Enjeu :
Elle interroge la méthodologie, la fiabilité , la responsabilité de l’expert.
Comment l’IA peut-elle être intégrée dans la chaîne d’expertise ?
➢ Objectifs de cette formation :
partager avec les confrères Experts la compréhension
> des limites et des modes de fonctionnement des outils l’IA…

Définition et typologie de l’IA générative
• Basée sur les réseaux de neurones de type Transformer (GPT,
LLaMA, Gemini...).
• Génère du texte, des images,de l’audio , du code
ou des hypothèses et prédictions à partir de données massives.
• Fonctionne selon un apprentissage auto-supervisé
Apports concrets de l’IA générative à l’expert
• Automatisation de la lecture et synthèse de milliers de pages.
• Modélisation de scénarios techniques. Fouilles de données
• Rédaction de rapports techniques standardisés

L’I.A. nouveau Sapiteur de L’expert ?
L’expert engage sa compétence, son jugement , son indépendance
> Lorsque l’expert fait appel à un Sapiteur
-IL doit mentionner son nom
-Justifier son recours
- Intégrer son analyse dans un raisonnement personnel
> C’est la même chose avec L’I.A.
- savoir en tirer des éléments pertinents dans une démarche
rigoureuse et transparente
- savoir vérifier , interpréter , intégrer

- Systèmes Experts
- Réseaux de neurones …
- Algorithmes d’apprentissage automatique ...
- I.A. Générative …
- Objective-Driven AI(IA axée sur les objectifs )
avénement des Agents IA ..
I.A. Intelligence Artificielle :
D’Où vient – elle ? Où en est t- elle ?
… Où va-t-elle ?
Généalogie
d’un nouveau
Sapiteur

L’IA D’OÙ VIENT ELLE ?
Une Machine Peut-elle Penser ? > le Test de Turing 1950 …
- le traitement du langage naturel
- représentation des connaissances
- raisonnement automatisé
- apprentissage pour s’adapter
Similitude ou différences entre IA et cognition humaine ?
Penser Rationnellement : les lois de la pensée
- Aristote (modèle de structure argumentaire )
-les logiciens du XIX siecle (Pb & notation logique)
-la théorie des probabilités
Généalogie
d’un nouveau
Sapiteur

Au fondement de L’I.A. ?
Les dispositifs mécaniques :
- Raymond Lulle ( 1232 -1315)
- Leonard de Vinci (machine a calculer )
- Blaise Pascal (1623- 1662 ) la Pascaline
- Hobbes ( Machine pensante Leviathan )
Les Mathématiques :
- Euclide (300 Av JC) algorithme de calcul
- Thomas Bayes ( 1702 – 1761 ) probabilite
- Markov ( 1856- 1922 ) ( chaines de Markov )
Les Neurosciences
- Frank Rosenblatt ( en 1957 le Perceptron )
Ingenierie Informatique ( CPU > GPU)
Théorie du contrôle et cybernétique
- Artefacts opèrent de façon autonome
Linguistique
- rapports entre le langage et la pensée
Généalogie
d’un nouveau
Sapiteur

Qu’est ce que L’Intelligence Artificielle ( I.A.) ?
L’intelligence artificielle ( I.A.)
« c’est l’ensemble des techniques permettant à des
machines d’accomplir des tâches et de résoudre
des problèmes normalement réservés aux humains
et à certains animaux »
L’IA composée d’une grande quantité d’applications :
Généalogie
d’un
nouveau
Sapiteur

EXPERTSCIENCE
1- I.A. Symbolique : les algorithmes à
base de règles ( Systèmes Experts )
2- I.A. Connexionniste : les algorithmes
d’apprentissage avec réseau neurones
3- I.A. Générative ( GPT ) réseaux
neurones avec variante Transformer
4- I.A Agentic systemes capables
exécuter des taches de manière autonome
L’I.A comprend 4 catégories :
Généalogie
d’un nouveau
Sapiteur

I.A. où en sommes nous ?… Où va-t-elle ?
- IA générative quand on utiliser le terme IA on se concentre sur
L’IA générative telle la plateforme ChatGPT
…. Il y a bien d ’autres choses …
- IA multimodale LLM (Large langage Model) apprennent retiennent
et relient Texte ,Video , Son
….. pour l’instant nous sommes conscients de l’utilisation des
outils de IA générative mais l’IA va devenir invisible
- I.A. AGENT… l’étape suivante consiste à faire en sorte que
l’IA agisse comme une sorte d’agent en votre nom !
ChatGPT : l’arbre qui cache la foret
EXPERTSCIENCE
Généalogie
d’un nouveau
Sapiteur

EXPERTSCIENCE
Les systèmes Expert ( S.E) :
➢ Encapsulent les connaissances des experts
sous forme de règles ( si X alors Y)
➢Disposent d’un mécanisme d’inférence
➢ Utilisent ces connaissances pour résoudre des
problèmes et automatiser le traitement de
processus
➢ Ont évolué suivant différents modèles de
représentation
sémantique , graphe conceptuel , arbre de
décisions , langages informatique
(Exemples de S.E : prospector Mycin ,
Dendral)
1- I.A. Symbolique : (les Systèmes Experts )
les algorithmes à base de règles
Généalogie
d’un nouveau
Sapiteur

EXPERTSCIENCE
Le Système Expert Meta-Dendral
énigmatique pour les Experts chimistes
…depuis longtemps dans les
LABORATOIRES !
Permet de identifier des constituants
chimiques d’un matériau à partir de son
spectre de masse et de RMN.
Utilise la règle : « si le spectre de la molécule
présente 2 pics X1 et X2 tél que X1-X2= M+28
…alors la Molécule contient un groupe cétone ».
Ce S.E est le premier algorithme qui modélise la
connaissance d’un expert chimiste analyste.
Généalogie
d’un nouveau
Sapiteur

EXPERTSCIENCE
I.A connexionniste : Machine Learning réseau de
neurones artificiels …
✓L’I.A connexionniste imite l’architecture de base du cerveau
✓Les réseaux neurones artificiels peuvent recevoir et transmettre de l’information
▪ Neurone artificiel est une fonction mathématique qui mime le neurone biologique avec son
hardware
2- I.A. Connexionniste : Machine Learning
les algorithmes d’apprentissage avec réseau neurones
Généalogie
d’un nouveau
Sapiteur

EXPERTSCIENCE
L’I.A connexionniste la machine apprend puis résout
(Machine Learning )
▪ Phase d’apprentissage nourrit l’algorithme de multiples (data) exemples caractéristiques
▪ Phase de prédiction
▪ Phase de test de la qualité réponse/ prédiction

EXPERTSCIENCE
Du machine learning au Deep learning
grâce au réseau neurones profonds multicouches
▪ Aptitudes à la résolution problèmes complexes « Deep learning » Yann Le Cun
▪ Exigences de :
• Capacités de calcul (processeurs graphiques)
• Disponibilité de grandes quantités de données (Data) pour entraînement de l’algorithme
▪ Optimisation réseau neurone ( poids synaptiques , seuils d’activation … rétropropagation de gradient)
La machine découvre elle même les caractéristiques et est ensuite apte à capturer la relation entre
entrée et sortie.

EXPERTSCIENCE
Le deep learning au cœur d’une disruption pour les spécialistes
en biochimie et biologie moléculaire et structurale
o Le problème : Impossible de lire dans une séquence d’acides aminés la structure 3D
après repliement d’une protéine
o La solution :
AlphaFold algorithme de Deep Learning remporte en 2021 avec succès le CASP (
Critical Assessment Proteins structure Prediction ) avec GDT ( Global Distant Test ) > 92

EXPERTSCIENCE
L’I.A. un nouveau challenge : la révolution
AlphaFold et le pouvoir prédictif
Google Deep-Mind en partenariat avec EMBL ( Laboratoire Européen de Biologie Moléculaire ) a mis au
point AlphaFold
De juillet 2021 à juillet 2022 la base de données AlphaFold de structures 3D de protéines a été multipliée
par X 200
DeepMind and EMBL
release the most
complete database of
predicted 3D
structures of human
proteins

EXPERTSCIENCE
Nouvelle approche & Performances de l’I.A : la
révolution AlphaFold
La connaissance acquise de la structure dans l’espace de ces molécules que sont les
protéines renseigne sur leur fonction dans les organismes vivants
° Ce résultat s’apprécie comme approche
combinée associant :
- les données d’entrainement : un
corpus de données issus du séquençage
des acides aminés et et de quelques
structures 3D établies par les techniques
de Cristallographie X et Cryo-microscopie
électronique
- la capacité de l’IA ( AlphaFold ) : à
décrypter le lien unissant structure
primaire / tertiaire

I.A. & Prix Nobel de chimie 2024.
pour la prédiction de la structure 3D des protéines
assistée par l’IA à partir de leur séquence d'acides aminés.

Sens
Traduction
Texte
Reseau de neurones
Propriété
Physico-
chimique
Structure
Moleculaire
Réseau de Neurones : IA et Prédiction Propriété
Détournement analyse du langage naturel Machine Learning
EXPERTSCIENCE @ Emmanuel Frenod See-D

I.A. : Ingredients…et le principe :
EXPERTSCIENCE
Jeux de données – Modèle – Fonction de de Coût
▪ Modèles Paramétriques :
- arbre de décision
- régression
- réseau de neurones

Conception outil IA : données d’entrainement , apprentissage et
exploitation
Modèle de Machine Learning …
Bases de données
Apprentisage
Entrainement
du Modèle
Exploitation du Modèle : prédiction solubilité ,enthalpie etc …
EXPERTSCIENCE

IA et exploitation des données massives … Clé du
developpement &Fonctionnement de l’IA connexionniste
EXPERTSCIENCE
Protéine
Réseau Neurones
Données
GDT
SCORE
Structure 3D
@fxcoudert E.N.S.
Valorisation et exploitation des données

IA et Nouvelles Approches Méthodologiques pour l’
Expertise du Risque Chimique : méthodes alternatives QSAR / QSPR )
usages reseaux de Neurones , IA Machine Learning supervisé et non supervisé
Usage reseaux de Neurones , IA Machine Learning
@Guillaume Fayet INERIS
EXPERTSCIENCE

1- I.A. Générative = exploite des techniques d’IA pour générer du contenu (
textes , images , son et même code )
2- 2000 Modèle de langue (LLM) concept clé est formulé
= modèle capable de prédire le prochain mot dans une phrase
= représentation vectorielle des mots avec cordonnées dans espace
sémantique
3- 2022 arrivée de ChatGPT (GPT=Generative Pretained Transformer )
= Algorithme capable d’apprendre des représentations de mots contextualises
= Modèles statistiques probabilistes qui déterminent l’agencement, la
distribution des mots en s’appuyant sur des données massives ingérées lors de leur
entrainement
3- I.A. Générative ( GPT )
réseaux neurones avec variante Transformer
>> Bing GPT4 – Bibliographie
-- solver d’equation
Microsoft openAI , Anthropic Amazon , Google
EXPERTSCIENCE

IA classique vs IA générative : quelles différences fonctionnelles et techniques ?

Comment capturer le sens d’une phrase ? …et Génerer du Texte
Le Secret qui se cache derrière le modèle LLM ChatGPT ? …1
I)- Apprendre : il faut d’abord des données d’exemples permettant d’entrainer le réseau de neurones
où chaque mot est transformé en vecteur (sauf que le sens de chaque mot dépend du contexte )
Quel mot trouver après travail ?
Connexions entre mots voisins
par des relations mathématiques
Homonymes : sens différents
Voisins différents
zoe.lambert@univ-rouen.fr

Comment capturer le sens d’une phrase ? …et Générer du Texte
2)- Révolutionner grace aux Transformeurs (2018) pour améliorer la prise en compte du contexte de séquence
entière créant la représentation des mots par des vecteurs enrichis grâce à un mécanisme clé : l’ Attention
où regarder dans la phrase pour
comprendre sens du mot feu
3)-Comprendre :I’attention aide le modèle à déterminer quels mots d’une phrase sont les plus significatifs pour
comprendre le contexte , ce mécanisme génère un vecteur unique qui possède une pondération spécifique à chaque mot
ce mécanisme génère un vecteur unique

Mots à proximite mot
Travail
Compléter la suite ou la phrase
Avec le mot le + probable
ChatGPT connait maintenant
Le mot qui va suivre
4)- Générer du texte : lesTransformeurs sont essentiels dans les modèles avancés de Traitement du Langage comme G.P.T.
T= Transformeur (brique de base) , P= Pré-appris (sur des Mds de textes) , G=Générative (complète les séquences)

5)- Dialoguer : ChatGPT >ChatBot agents Conversationnels :
Ces outils ont appris à comprendre
et produire du texte
Apprendre à dialoguer avec des exemples
et du renforcement
Pédagogie de L’IA Générative

Vectorisation et espace sémantique en IA Générative :
Les embeddings : traduire les mots en vecteurs :chaque mot est converti en vecteur multidimensionnel qui capture sa
signification, mais aussi ses relations sémantiques avec d’autres mots. Mots proches sémantique/ proches Espace vectoriel

La première couche du réseau projette chaque mot du
contexte (en gris) vers sa représentation vectorielle
(en bleu). Puis la couche cachée (en vert) analyse ces
représentations vectorielles afin de tenter de prédire
le mot central (encadré en rouge).
les mots qui partagent des contextes similaires soient
représentés par des vecteurs numériques proches.
L’IA Générative & prédiction mot via Représentations
vectorielles

1. Approches symboliques (avant1990)
-Le langage est traité à l’aide de règles
- Basé sur la logique et la linguistique
-Traducteurs automatiques Systemes Experts
2. Approches statistiques et apprentissage
automatique ( années 1990–2010)
-Ce Modèle apprend les probabilités (loi de Bayes )
d’enchaînement de mots de la langue
-Apprentissage automatique (Machine Learning)
-Google Translate première génération (SMT)
3. Approches neuronales et modèles
de type Transformer (depuis 2015, 2022…)
-Réseaux de neurones profonds avec Transformers
-Modélise le contexte global d’une phrase (attention)
-Représentations sémantiques profondes.(word2vec)
• BERT (Google, 2018) pour la compréhension.
• GPT, T5, LLaMA, etc. pour la génération.
• Applications : chatbots , résumé automatique,
recherche sémantique, etc.
TALN (NLP)
3 étapes de perfectionnement
pour aboutir
IA Générative (GPT)

Comment fonctionnent les LLM (Large Language Models) en 2025 ?
1-Les mots ne sont plus traités comme
de simples chaînes de caractères, mais comme
vecteurs numériques (embeddings)
word2vec
2-Les modèles peuvent analyser une phrase
dans son ensemble, au lieu de lire mot par
mot : mécanisme d’attention des
Transformeurs
3 - émergence de comportements non
prévus (raisonnement, traduction, écriture
« créative »).
et 2024/2025 -Émergence des Generative
Search Engines (GSE) comme Perplexity,
Copilot (Microsoft), Gemini (Google).

Les LLMs base de ( l’IAGen) dans la grande famille de l’IA
Leur particularité ?
Ils ont été entraînés sur des milliards de mots
(livres, articles, dialogues, pages web, code…)
et disposent de milliers de milliards de paramètres.
Des capacités ont émergé !
grâce à leur taille et à la richesse de leurs données,
révolutionne aujourd’hui notre rapport aux machines.
En 2025, les LLMs sont partout
:comme ChatGPT, Gemini , Claude
on compte plus 70 000 Modèles !
À l’origine ce sont des modèles qui permettent de modéliser
la construction des phrases par une approche probabiliste,

Les briques techniques qui font tourner un LLMs
1-tokenisation & embeddings :
Un ordinateur ne comprend pas directement les mots . Il a besoin de les transformer en nombres
(Vecteurs) « constituant » une carte géante où les mots proches par le sens sont rapprochés
mathématiquement.
2-Processing :
Savant mélange de maths et d’ingénierie qui apprend grâce à TRANSFORMERS à relier ces nombres puis à
générer du texte fluide en s’appuyant sur ses milliards de réglages internes

des premiers Modèles
aux LLMs Modernes …
leurs innovations clés & leurs
impacts

L’utilisation des réseaux de neurones ingrédient fondamental des LLM
1-une représentation initiale, sous forme de vecteurs, est
transformée par un réseau de neurones :
en une nouvelle représentation par multiplication avec une
matrice de paramètres, déterminée automatiquement lors de
l’apprentissage
2-Le résultat de cette opération est un nouveau vecteur
correspondant à une représentation enrichie
où les informations pertinentes deviennent plus
« accessibles »

Les Transformers , le modèle derrière la puissance de ChatGPT
Les Transformers ont été initialement utilisés pour la traduction puis d’autres types de tâches
d’IA Générative modèles GPT ( Generative Pretrained Transformer)
Architecture encodeur/décodeur
Un LLM fonctionne souvent avec deux étapes principales :
L’encodeur analyse et comprime le texte d’entrée (comme si on résumait toutes les informations utiles).
Le décodeur utilise ensuite cette analyse pour générer une réponse, mot après mot.

Décodage des grands modèles de langage (LLM ) (ChatGPT
CNRS: cerisara@loria.fr

Qu’est ce qui fait la performance d’un modèle LLM ( ChatGPT) ? ...
2- Taille du modèle : les milliards de « poids »
ajustés pendant
l’entraînement.( paramètres )
3- Taille du dataset : course aux données
d’entrainement (données massives)
1-Puissance calcul : recours aux GPU
Processeurs graphiques

1-L'explosion de la taille (2019-2022)
GPT-2 (2019) marque un bond quantique avec 1,5 milliard de paramètres,
suivi de GPT-3 (2020) qui atteint 175 milliards de paramètres.
2- Le lancement de ChatGPT en novembre 2022
Démocratise l’accès des LLM au grand public.
3- Révélation du potentiel des LLM (2023-2025)
GPT-4 (2023) introduit les capacités multimodales (texte +> audio +> images +)
(2024 -2025) fait émerger le « few-shot learning »
– la capacité d’apprendre de nouvelles tâches avec seulement quelques
exemples
Gigantisme du nombre de Paramètres des LLM GPT et conséquences
Puissance d’un LLM = ses paramètres : les milliards de « poids » internes ajustés pendant l’entraînement

@Louis Naugès
I.A. Générative capacités multimodales : texte, code , audio , image ,video

@Louis Naugès
I.A. Générative : applications multitâches, multi
secteurs
avec les SLM , évolutions avec les foundations models

Comment les LLM sont entraînés ?...3 étapes
1-Pre-training → apprentissage massif sur Internet.
2-Fine-tuning → apprentissage domaine spécifique
2-RLHF → alignement avec nos attentes

Les étapes clés de l'entraînement des LLM :
Phase 1 : Le pré-entraînement sur corpus massifs
- apprend à prédire le mot suivant , par ce jeu prédictif comprend la structure du langage
- accumule ainsi une gigantesque base de connaissances implicite
Phase 2 : Le fine-tuning supervisé
- Le fine-tuning continue l’entraînement du LLM sur un dataset spécialisé
-Adapte et spécialise le LLM aux besoins spécifiques d’expertise sur secteur donné
Phase 3 : RLHF - L'apprentissage par renforcement à partir de retours humains
- introduit par Open AI : Le Reinforcement Learning from Human Feedback (RLHF)
- rendre le modèle utile et aligné avec les attentes humaines

I.A. Générative au service de l’Expert Chimiste grâce au fine tuning
l’extraction automatisée d’informations dans les publications scientifiques.
Le fine-tuning permet d’ajuster un LLM généraliste (comme GPT-J, Llama ou Mistral) à des problématiques précises ex chimie
https://pubs.rsc.org/en/content/articlelanding/2024/sc/d4sc00924j
( infoscience.epfl.ch )

I.A. Générative au service de l’Expert en bâtiment CVC
1-Utilisation de LLM pour l’estimation du
coût d’un bouquet de travaux de
rénovation de chaufferie
https://semies-grenoble.sciencesconf.org/data/pages/sujet_Walterre.pdf
https://www.waltapp.io/product/
2-I.A. et Architecture cas d’usage
:
https://futurearchi.blog/fr/
3-I.A.& B.I.M.(Building Information Modeling)

Un exemple de fine-tuning pour l’expertise judiciaire
3 diplômés de CentraleSupélec ont fine-tuné des technologies de speech-to-text et LLMs
pour l’expertise judicaire
Speech-to-text
LLMs
Technologies existantes
 « Saint Peter » ou « sapiteur » ?
 « Maitre Dupont » ou « mètre du
pont » ?
Technologies existantes
 Résumé linéaire d’une visite de
site
 Style rédactionnel familier et
non factuel
Technologie fine-tunée
✓ « Sapiteur »
✓ « Maitre Dupont »
✓ « À un mètre du pont »
Approche « chain of thought »
✓ Résumé lieu par lieu d’une
visite de site
✓ Style rédactionnel
juridique et factuel
Fine-tuning sur des
enregistrements de
constatations
Réentrainement
pour des taches
spécifiques

Application SYNIA : automatisez la génération de comptes
rendus
Instantané
Activez SYNIA durant la visite
Application mobile, installation en 1 clic
1 2
Obtenez votre compte rendu
En ligne, par email, ou en impression
Optimisé pour les notes aux parties
Avec reconnaissance des interlocuteurs
Incluant vos photos (avec numérotation)
Intégrant une traçabilité entre le texte et l’audio
100% personnalisable selon vos besoins

Essayez SYNIA gratuitement
Intégration intelligente des photos
Modèle de compréhension du contexte de l’expertise
Hébergement et développement en France
Reconnaissance vocale adaptée pour l’expertise
Identification et isolation des différents interlocuteurs
Algorithme de nettoyage / réparation de l’audio
15 jours d’essai gratuit,
sans engagement
thomas@synia.tech
+33 6 51 51 65 53
https://experts.synia.tech

Expert judiciaire et IA : entre Opportunité & Vigilance
1 : Opportunité
- Les capacités de L’IA interpellent la pratique de l’expert judiciaire
et questionne sa méthode en regard du potentiel de IA Générative
( analyse ,Traitement , production contenu )
2 : Vigilance
- Peut-on faire confiance à une IA pour assister un expert judiciaire ?
3 : Responsabilité
- Neutralité, transparence ,traçabilité des analyses produites engagent
la responsabilité de l’expert

Intégrer L’I.A. dans la chaine de l’Expertise Judiciaire : Méthodologie
1 – Le LLM & Algorithme étaient-ils fiables et validés scientifiquement ?
2 – Étaient-ils à jour au moment de leur intégration comme « Sapiteur »?
3 – L’Expert en comprenait-il les limites et le mode de fonctionnement ?
4 – A-t-il pris une décision autonome ou simplement suivi la suggestion ?
5 – Les traces de cette assistance sont-elles documentées dans le Rapport ?

I.A. Générative :Les défis majeurs des LLM : biais et limitations
1- Le phénomène d'hallucination
- Les LLM peuvent générer des informations factuellement incorrectes avec une confiance
apparente, un phénomène appelé « hallucination ».
2- Limitations de la fenêtre de contexte
- Même les modèles les plus avancés sont limités par leur fenêtre de contexte – la quantité
d’informations qu’ils peuvent traiter simultanément.
3-Défis de gouvernance et de contrôle
- La complexité croissante des LLM rend difficile la compréhension de leurs mécanismes de
décision internes. Cette « boîte noire » pose des questions de responsabilité et de traçabilité

Par l’Intégration Nouveau Schéma : données → IA → expert-avocat → rapport → juge
L’IA ouvre-t-elle l’ère d’un Expert Judiciaire augmenté ?
Les technologies I.A vont s’installer de manière discrète dans les interstices
où elles créent réellement de la valeur
courbe de Gartner
( hype cycle )

EXPERTSCIENCE
Merci !
Yvon Gervaise https://www.linkedin.com/in/yvon-gervaise-22a1b035/
https://twitter.com/expertscience
https://tgacworkshop-paris.com/wp-content/themes/thegreenanalitycalchimstry/presentations/15-YVON%20Gervaise-
EN1st%20Green%20Analytical%20.pdf
Mail : expertscience.ygervaise@protonmail.com
Web: http://www.expertscience.fr
Tél : 06 60 67 91 50
Conférence – Formation
L’IA générative dans l’expertise judiciaire

L'IA générative dans l'expertise judiciaire

Contenu connexe

Tendances

Similaire à L'IA générative dans l'expertise judiciaire

Plus de Yvon Gervaise

Dernier

L'IA générative dans l'expertise judiciaire