Pour cette rentrée, j'inaugure un nouveau format : un article ou plutôt une tribune mensuelle. Le concept est simple : chaque mois, je prendrai la plume pour partager un regard plus personnel (et aussi plus engagé) que nos articles habituels, sur un sujet qui traverse notre pratique du contract management. C'est la première tribune d'une série qui pourra être longue si le format plaît, ou très courte si personne n'y trouve un grand intérêt. Vos retours sont donc les bienvenus!
Les publications que l'on retrouve sur internet ou sur les réseaux sociaux concernant l'IA appliquée aux métiers du contrat suivent presque toutes le même raisonnement : un chiffre ou une promesse de productivité spectaculaire, quelques cas d'usage plutôt génériques, une conclusion enthousiaste et les poncifs habituels, entre le « changement de paradigme » ou encore la traditionnelle conclusion : « l'IA ne vous remplacera pas, mais ceux qui l'utilisent remplaceront ceux qui ne l'utilisent pas ».
Pour cette première tribune, je vous propose plutôt un insight, une plongée trimestre par trimestre, pour revenir sur ce que nous avons réellement fait avec l'IA chez Prime Conseil ces douze derniers mois. Je vous partage ainsi nos essais, nos erreurs et surtout notre progression par itérations.
Une précision avant de commencer, pour celles et ceux d'entre vous qui ne le savent pas : avant de fonder Prime Conseil, j'avais fondé deux entreprises de logiciels, l'une sur l'avant-contrat, l'autre sur l'après-contrat, qui intégraient déjà de l'IA. Nous avons pu capitaliser sur cette expérience d'éditeur, ce qui nous a évité quelques gros biais, et qui a installé très tôt une conviction autour de l'IA et plus généralement du digital au sein de Prime Conseil. Ce passé nous a vaccinés contre deux postures radicales, le rejet d'un côté, le tout-IA inutile de l'autre.
Troisième trimestre 2025 : dessiner les premiers cas d'usage
Comme je vous le disais en introduction, nos réflexions sur l'IA ont en réalité commencé avant 2025. Il faut toutefois prendre un point de départ, et dès la rentrée 2025, nous avons acté une chose en interne : intégrer l'IA dans nos pratiques quotidiennes supposait de changer nos façons de faire, et donc de commencer par dessiner de vrais cas d'usage (et in fine de réussir à dégager du temps pour cela, ce qui n'est pas toujours aisé dans notre quotidien de consultants). Nous nous sommes donc appliqué un conseil que je répétais aux clients du temps de ma précédente vie d'éditeur : commencer pas à pas, notamment en constituant, pendant ce temps de réflexion, un espace de collecte de données. En effet, toutes les organisations possèdent beaucoup de données, mais peu la collectent, la centralisent, la nettoient et la préparent à l'IA.
Concrètement, nous avons construit notre propre datalake, hébergé sur nos serveurs, un choix de souveraineté cohérent avec la sensibilité des données que nous souhaitons utiliser comme matière première. Nous avons ouvert un espace de stockage dédié sur nos serveurs, organisé en buckets thématiques, dans lesquels nous avons importé nos données. Nous avons ensuite tenté d'assainir et étiqueter ces documents avec Label Studio, un outil d'annotation open source, pour in fine convertir ces données nettoyés en vecteurs, pour faciliter et améliorer le travail de l'IA. L'objectif était plutôt simple, et nous l'avons atteint sans trop de difficultés : créer rapidement un RAG permettant à un modèle d'aller puiser ses réponses dans nos propres documents plutôt que dans sa seule mémoire d'entraînement.
Une fois ce RAG créé, nous avons poussé la logique jusqu'au bout en connectant un LLM en local (en l'occurrence Ollama) à cette base. Jusqu'ici nous avons fait tout cela de façon artisanale, avec les moyens du bord, avec pour seul objectif d'obtenir des premiers résultats quitte à avoir une première architecture bancale. Nous avons ainsi en quelques semaines obtenu des premiers résultats, tout en local, qui se sont révélés corrects sur des tâches simples mais très clairement limités dès que la complexité augmentait pourtant sur des tâches de contract management simples (par exemple, faire des liens logiques entre un planning sous Ms Project et un chemin de croix annexé à un contrat). Nous en avons ainsi tiré un premier enseignement : une solution intégralement auto-hébergée semble assez peu compatible avec les moyens d'une PME comme Prime Conseil.
Quatrième trimestre 2025 : confronter notre méthode artisanale et les modèles commerciaux à la réalité du contract management
C'est la structuration de nos connaissances et de nos process qui nous a fait franchir un palier avec l'IA, en la faisant réellement entrer dans notre métier.
Fort de ce constat, nous avons comparé dès le trimestre notre solution maison avec les offres "turnkey" des principaux fournisseurs du marché : OpenAI, Anthropic et Mistral. Je ne m'attarderai pas longtemps sur Copilot qui, bien qu'utilisant des LLM de la famille des GPT, a été écarté en quelques jours du fait de résultats restaient nettement en deçà des autres sur le contract management.
Ce test in concreto nous a appris une première chose qui vaut pour tous les praticiens : les benchmarks, y compris les benchmarks spécialisés en juridique tels que BenchLM ou encore Artificial Analysis, ne remplacent jamais un test sur vos propres usages. Dans tous les cas, il faut également garder en tête que le meilleur modèle d'aujourd'hui ne sera probablement pas celui de dans six mois, et que vos pratiques et votre culture d'entreprise ne ressembleront jamais à ce que les benchmarks testent.
À l'issue de ces premiers mois passés, disons, à jouer avec nos données, bien triées, bien rangées, anonymisées puis confiées en l'état aux LLM du marché, le verdict était en demi-teinte, avec de vraies bonnes surprises. Sur la création de fiches mémo de contrats simples, la pertinence était réelle, supérieure à ce que nous anticipions. Les taux d'hallucination, par rapport à ce que nous observions en 2022 sur les modèles publics, et sincèrement par rapport à ce que nous avons pu faire nous-mêmes sur nos modèles open source auto-hébergés, ont drastiquement chuté. Malgré tout, la déception demeure : l'intelligence métier est quasi absente des résultats. L'IA permet de lire, de restituer littéralement, d'ordonner ses données mais elle n'analyse pas au sens du contract management, notamment car notre métier consiste à interpréter des données qui semblent n'avoir aucune corrélation et de relier des points de façon illogique. A cette absence de fond s'ajoute par ailleurs un travers que l'on repère encore aujourd'hui, celui de la forme avec des structures sémantiques, des façons de s'exprimer ou de construire des slides qui restent très reconnaissables, avec un caractère franchement robotisé, parfois irritant.
Le bilan n'est toutefois pas négatif, et en interne une série de micro-usages se sont installés : rédaction de comptes rendus, préparation de supports internes de présentation, organisation de nos événements. En gros, utiliser l'IA pour créer des livrables imparfaits, mais qui existent, là où ils n'existaient parfois pas du tout faute de temps. Côté clients en revanche, l'usage était resté inexistant pour deux raisons majeures : d'une part, nos clients ont leurs propres politiques de sécurité et ne souhaitent pas voir d'IA sur leurs dossiers, et d'autre part, à ce stade, nous n'étions nous-mêmes pas convaincus de l'apport métier de l'IA.
Si le trimestre s'achevait sur un bilan mitigé avec des usages que l'on peut principalement qualifier de "bureautiques", la fin du trimestre a été marquée par un tournant qui, paradoxalement, rien à voir avec l'IA en tant que telle : la publication du contract management standard (CMS) ! Au-delà du texte lui-même, le CMS offre un référentiel métier, que nous avons enrichi, adapté (puis adopté) pour en faire notre propre référentiel de ce qu'est le contract management.
Surtout, il a mis en évidence une réalité simple : nous pratiquons notre métier au quotidien, avons des convictions sur le sujet, et nous demandions à l'IA de nous comprendre, de comprendre notre métier, sans avoir pris le temps de lui expliquer précisément, dans un language que l'IA est susceptible de comprendre. L'exercice nous a contraints à poser noir sur blanc nos processus, et à les décomposer en plusieurs centaines de tâches : ce qu'est un contract manager, comment se pratique le contract management, comment une compétence s'évalue et se développe mais aussi des tâches qui paraissent triviales comme : comment rédiger un courrier, comment analyser une clause de pénalités, etc.
C'est la structuration de nos connaissances et de nos process qui nous a fait franchir un palier avec l'IA, en la faisant réellement entrer dans notre métier. Pour reprendre une distinction qui me ramène à mes années d'étudiant en droit et à des cours de propriété intellectuelle : l'idée est de ne plus faire de la juxtaposition, mais de la combinaison. Une IA nourrie d'un référentiel métier solide et de nos pratiques réelles du quotidien produit autre chose qu'une IA à qui l'on pose des questions, même très pointues, sans lui avoir donné de cadre.
Premier trimestre 2026 : l'accélération
Le référentiel posé, tout s'est enchaîné très vite, et ce trimestre concentre à lui seul l'essentiel de notre année. Il a commencé par la levée d'un verrou très concret, que tout praticien connaît : comment mettre un contrat dans une IA sans exposer de données sensibles ? Nous y avons répondu en janvier avec Prime Security, un petit exécutable maison qui anonymise les documents avant tout envoi. Rien de spectaculaire, mais ce déblocage a conditionné tout le reste.
Prime Academy, notre premier déploiement grandeur nature
Toujours sur la base de notre référentiel (qui est désormais clé dans tout ce que nous faisons), des jeux de données constitués fin 2025 et de notre expérience en tant que formateurs en contract management, nous avons pu construire la Prime Academy. L'IA ne nous a rien fait inventer : ce que nous y avons mis, nous le pratiquions depuis longtemps en présentiel. Elle nous a permis de le digitaliser : contenus, programmes pédagogiques, parcours, assemblés en une plateforme de formation structurée, développée dans des délais et surtout pour un coût qui auraient été inenvisageables autrement. Le contenu pédagogique et la méthode de formation restent intégralement les nôtres, l'IA a en revanche servi d'architecte et d'exécutant.
Toujours du côté de la formation, ce trimestre a aussi marqué un tournant parce que l'IA a spectaculairement progressé sur la vidéo. Fin 2025, nous avions réalisé un tournage avec notre partenaire Sidequest pour former des avocats dans le cadre du FIF PL.
Un exercice de qualité, mais en pratique chronophage, qui repose sur l'expertise du partenaire sur la captation d'images, sur le montage, et que l'on ne peut pas dupliquer à l'envi pour des raisons de budget et de temps. Or, dès le premier trimestre, au vu des progrès constatés sur les avatars, nous avons pu enrichir nos parcours en vidéo de façon autonome grâce à des avatars numériques qui portent notre visage et notre voix. Le résultat nous a sincèrement surpris, je vous laisse voir mon avatar ci-dessous :
Évidemment, mes proches ainsi que celles et ceux qui me connaissent verront qu'il s'agit d'un avatar, mais cela n'a pas d'impact sur le parcours pédagogique : ces modules se suivent en distanciel ou sous un format hybride, et les séquences confiées à l'avatar couvrent les parties les plus théoriques, celles qui nécessitent le moins d'interaction. L'humain, selon notre vision, reste précisément là où l'interaction compte.
La transformation de nos méthodes de staffing
Le staffing (ou recrutement) est sans doute l'une des parties les plus humaines de notre activité, et nous n'avons aucune intention de la déléguer (encore moins à une IA). Cela peut sembler contre-intuitif lorsque l'on voit certains ATS et autres logiciels de suivi de candidature boostés à l'IA, promettant des analyses automatiques de candidatures, mais nous restons convaincus que l'humain est au coeur de notre métier, que c'est ce qui fait la différence chez nos clients, donc l'idée est ailleurs.
Ce que nous avons mis en place en février s'apparente plus à un croisement de regards : l'équipe construit son staffing comme elle l'a toujours fait (appels, visios, etc.), puis se fait challenger par une IA qui recroise les besoins de la mission. Au final, notre outil ressemble à un poker menteur entre l'humain et la machine, dont la valeur ajoutée tient aux prismes de lecture radicalement différents : l'œil humain a ses biais, l'IA a les siens, et le croisement des deux vient en corriger une grande partie. On s'aperçoit par ailleurs que les évaluations entre l'humain et l'IA sont tout de même souvent proches :
Enfin, impossible pour moi de terminer ce paragraphe, sans glisser un mot au passage pour les candidats : n'optimisez pas vos CV pour des machines, ou à minima si vous le faites, faites-le avec malice comme le ferait un contract manager. Il n'y a en effet rien de pire que de lire des CV crées par ChatGPT ou Claude, qui se ressemblent tous sur la forme, mais aussi sur les tournures de phrase ou encore la vacuité du fond.
Le bootcamp Zevra et le passage à l'agentique
Fin mars, nous avons eu la chance de participer à un bootcamp organisé par Zevra. Trois jours pour mettre en musique tout ce que nous avions capitalisé : contrats, données, connaissances métier, rassemblés dans notre data lake, devenu entre-temps un jeu de données réellement exploitable.
C'est à cette occasion que nous avons mesuré l'écart entre deux façons d'utiliser l'IA. La première (la notre jusqu'alors), minimaliste voire artisanale, consistant à donner un contrat, un contexte et une méthode à un modèle en lui demandant en retour un fichier de sortie. Cette première méthode fournit des résultats corrects mais pas incroyables. La seconde relève de l'architecture : une approche agentique où plus d'une vingtaine d'agents et de sous-agents spécialisés se répartissent le travail, se contrôlent et se complètent. Les résultats n'ont alors plus rien à voir, sur la qualité de la réflexion, sur l'exploitation des pièces et bien entendu sur le fichier de restitution. C'est sur cette base que nous avons, en collaboration avec Smartpreuve, relancé Smartclaim, outil de préparation de courriers de claim entrants et sortants.
Une (mauvaise) surprise mérite d'être partagée, parce que personne ne publie ce genre de chiffre : le coût ! Mobiliser l'ensemble des agents pour produire un courrier de claim abouti consomme environ 30 euros de tokens. Notre première réaction a été de trouver cela extrêmement élevé, à une ère où l'IA est une commodité, avant de suivre un autre raisonnement : rapporté au temps qu'un contract manager consacre à la rédaction d'un tel courrier, obtenir un premier draft sérieux pour 30 euros est remarquablement économique.
Ce bootcamp organisé par Zevra a aussi consolidé une pratique qui est devenue le fil rouge de notre approche s'agissant de l'IA : "human in the loop". Une notion selon laquelle l'humain et la machine collaborent, pour obtenir un résultat. Cette volonté de mettre l'humain au centre n'est pas un rejet du "tout-IA" qui arrivera peut être un jour sur certains aspects du contract management, mais plutôt du pragmatisme face à notre propre niveau d'exigence qui fait que l'IA seule produit un résultat qui ne nous satisfait pas, et que le croisement systématique entre la machine et le regard d'un contract manager produit des résultats qui, eux, nous impressionnent.
Deuxième trimestre 2026 : outiller le métier, des compétences aux contrats
Le deuxième trimestre a été celui de la consolidation : transformer les apprentissages du bootcamp et le référentiel posé en outils durables. Le premier, aujourd'hui intégré à la Prime Academy, s'appelle le Skills Evaluator. Cet outil est né d'une synthèse entre plusieurs sources : le CMS qui donne un cadre au contract management, les fiches interface de l'AFCM, ainsi que nos propres pratiques, accumulées mission après mission.
L'outil rationalise deux exercices que la plupart des organisations traitent encore de manière largement intuitive : l'évaluation des compétences et le pilotage de la montée en compétences de chaque consultant. Il a aussi trouvé un prolongement naturel dans notre staffing : évaluer finement les forces et les faiblesses d'un candidat permet de le faire matcher avec les bons projets et les bons clients, et vient nourrir le croisement des regards décrit plus haut. Là encore, l'IA n'a rien inventé : elle a permis d'assembler des référentiels et une expérience que nous avions déjà, pour en faire un outil utilisable au quotidien.
Le second boucle la boucle ouverte à l'automne 2025 : les fameuses fiches mémo. Nos premiers essais, honnêtement, ne pouvaient servir que sur de petits contrats. Nous avons ainsi retenté l'expérience avec nos apprentissages pour créer Contract Memo Maker. L'outil, à ce stade, reste volontairement simple : on charge un contrat, il l'anonymise, le vectorise, l'envoie à l'IA, puis génère une fiche mémo construite avec un prisme de contract management : droits, obligations, mécanismes clés, etc.
L'intention n'est pas de remplacer le travail du contract manager, mais de le seconder sur un point précis que nous observons chez la plupart des grands donneurs d'ordre : sur un grand projet, le contrat principal a son mémo, mais le portefeuille de contrats de sous-traitance et de contrats fournisseurs n'en a presque jamais, faute de temps. Ces mémos générés sont moins fins que ceux d'un contract manager expérimenté, mais vont en revanche nettement plus loin que ce que produisent aujourd'hui les CLM du marché, et surtout ils existent là où, avant, il n'y avait rien.
Troisième trimestre 2026 : optimiser nos processus
L'été nous a permis d'élargir le terrain de jeu au-delà du contrat lui-même. Comme tout cabinet, Prime Conseil dispose d'un intranet qui centralise notre gestion au quotidien, alors plutôt que d'empiler des abonnements ou de solliciter un prestataire pour chaque besoin, nous avons mis au point une série d'extensions à l'intérieur de cette plateforme.
Le premier chantier a porté sur la chaîne de facturation, avec un exemple parlant : le time-tracking. Chaque consultant saisit ses temps, l'outil les consolide par mission et par client, et la facturation s'appuie directement sur ces données, là où l'exercice reposait auparavant sur des fichiers dispersés et des ressaisies. Nous avons ensuite outillé le suivi de nos publications, du calendrier éditorial jusqu'à la diffusion, puis une série de petits outils du quotidien qui, pris isolément, ne justifieraient jamais un développement : un formulaire interne par-ci, un tableau de bord par-là.
C'est d'ailleurs l'une des leçons de ce trimestre : il existe au sein de chaque entreprise des besoins réels, pas toujours d'envergure mais qui génèrent des points de friction au quotidien. Ces besoins sont réels, mais souvent trop spécifiques et trop modestes pour faire l'acquisition d'un outil spécifique. L'IA permet de trouver des solutions puisque ce qui restait à l'état d'idée ou de fichier Excel est devenu un outil intégré en quelques jours. La logique reste la même que sur tout le reste : des outils internes, sur nos données, avec un humain qui garde la main, et un contrôle d'autant plus naturel que nous savons précisément ce que l'outil doit faire, puisque nous le vivons au quotidien.
En synthèse, ce que nous avons retenu de ces 12 derniers mois
En prenant l'exemple du claim management, que nous avons poussé avec Smartclaim, le bilan est contrasté mais instructif. Après quelques mois d'utilisation, il est rare que l'IA trouve un argument que nous n'avions pas vu (en revanche, la réciproque est quasi systématique). La force de l'IA est ailleurs : parmi les arguments identifiés, elle excelle à les remobiliser dans le bon ordre, avec exhaustivité, avec les bonnes références et les bonnes sources, en d'autres termes, l'IA se révèle être un assistant remarquable, mais encore un stratège médiocre.
Plus généralement, nous observons encore une vraie limite au cœur même de notre métier puisque la nature même du contract management est d'être un métier d'interface. En pratique (je le disais plus haut), cela veut dire croiser un planning, des spécifications techniques, un contrat et un compte rendu de chantier pour y détecter des signaux faibles, et in fine connecter des points que rien ne relie explicitement. Sur cet exercice, l'IA reste (très) faible, et nous pensons que c'est à ce stade assez structurel. Il est difficile de modéliser notre métier d'un point de vue arithmétique, chaque configuration est unique, et cette lecture mobilise de la subjectivité, du sens critique, une intuition construite par l'expérience. On n'entraîne pas facilement une machine sur des cas qui ne se répètent jamais.
Dans cette synthèse, je dois aussi faire un mea culpa avec une prédiction que j'assume d'avoir ratée. J'ai longtemps été convaincu que l'IA permettrait aux profils moins à l'aise à l'écrit de combler leur écart, et par là d'ouvrir davantage le contract management aux profils moins à l'aise avec les finesses rédactionnelles. En pratique, le contraire s'est produit car l'IA est (trop) bavarde, ceux qui peinaient à produire des écrits y parviennent désormais aisément, mais produire n'est pas rédiger. La conséquence visible depuis quelques mois est que l'on voit fleurir des courriers et des comptes rendus à rallonge dont on ne comprend plus l'objectif. Le fossé entre les contract managers à l'aise à l'écrit et les autres ne s'est pas réduit, il s'est creusé : les premiers utilisent l'IA comme un amplificateur, ils coupent, hiérarchisent, gardent une intention, tandis que les seconds produisent beaucoup, en masse, sans objectif précis. La porte reste ouverte aux profils non littéraires, mais elle ne passe pas par là où je l'attendais : ce qui compte n'est plus la capacité à produire du texte, c'est le discernement sur ce qui mérite d'être écrit (et c'est plutôt une bonne nouvelle pour la discipline).
Enfin, un dernier apprentissage à partager concerne les modèles. En 12 mois nous sommes passés de Ollama à GPT, avant de passer sur Claude, et au vu de la course que se livrent Anthropic, OpenAI voire même DeepSeek ou Qwen, il y a fort à parier que nous changerons encore d'ici quelques mois.