Système agentique Claude : vérifiez vos documents en 25 min

1. Le problème : quand l’IA hallucine devant un juge

Le 26 février 2026, un avocat s’est présenté devant le juge des référés de la cour administrative de Bordeaux avec des conclusions contenant des jurisprudences inventées par l’intelligence artificielle. Des noms de juridictions fictifs, des dates erronées, des numéros de pourvoi inexistants. L’affaire a secoué la communauté juridique.

Lors d’un accompagnement pour un cabinet d’avocats en Pays de la Loire, j’ai constaté exactement le même problème : ChatGPT, Claude, Gemini — tous les LLM hallucinent sur la jurisprudence. Le principe juridique peut être correct, mais les références concrètes (nom, juridiction, date, numéro de répertoire) sont générées de manière probabiliste. Elles n’existent pas.

Le vrai problème n’est pas que l’IA se trompe. C’est que personne n’a le temps de tout vérifier manuellement. Un document juridique de 10 pages contient facilement 7 articles de loi et 5 citations de jurisprudence. Vérifier chaque référence sur Légifrance et les bases de la Cour de cassation prend 2 à 3 jours. C’est exactement le type de problème que le système agentique Claude résout.

2. Ma réponse : une flotte d’agents IA spécialisés

Face à ce constat, j’ai développé un système agentique complet dans Claude Code. Le principe : au lieu de confier la vérification à un seul agent (qui accumulerait trop de contexte et perdrait en précision), je lance 4 agents spécialisés qui travaillent en parallèle, chacun avec une mission précise.

Mon approche repose sur un processus que j’applique systématiquement avec mes clients :

1. Identifier la douleur métier — Ici : le temps colossal de vérification des références juridiques et le risque d’erreur devant un tribunal.
2. Coder un prompt système structuré — Une SOP (Standard Operating Procedure) complète de 3 pages qui cadre le comportement de chaque agent.
3. Tester sur des cas réels — Pas sur des données fictives, mais sur de vrais documents juridiques fournis par le cabinet.
4. Déployer et former — Installer le système, former l’équipe, assurer le suivi.

L’avantage majeur : pas besoin de développer une interface. Le système tourne directement dans Claude Code. C’est un prompt système de skill, opérationnel immédiatement. Pour les cabinets d’avocats comme pour toute entreprise confrontée à de la vérification documentaire, c’est une compétence IA déployable en quelques jours.

3. Architecture : head agent et 4 sub-agents en action

Le système agentique Claude que j’ai conçu fonctionne sur une hiérarchie claire :

Les agents 1 et 2 se lancent simultanément grâce au mode fan-out (background true). Les agents 3 et 4 sont différés : ils attendent que leur extracteur respectif ait terminé pour démarrer la vérification. Le head agent compile ensuite un rapport final avec le statut de chaque élément vérifié.

Point technique souvent ignoré : au-delà de 128 000 tokens de contexte, les capacités de compréhension de Claude décroissent significativement. C’est une raison supplémentaire de distribuer le travail entre agents spécialisés plutôt que de tout charger dans un seul contexte. Gemini annonce 1 million de tokens, mais avec 75 % de taux d’hallucination à ces niveaux — ce n’est pas exploitable en production.

4. Les fonctions critiques du prompt système agentique

Un prompt système agentique professionnel ne ressemble en rien aux prompts que l’on trouve sur les réseaux sociaux. Celui que j’ai développé fait environ 3 pages et intègre des fonctions précises :

Background true/false — contrôle du parallélisme

Quand j’assigne background: true à un agent, il se lance immédiatement en tâche de fond. Avec background: false, il attend la fin de l’étape dont il dépend. C’est un système booléen qui structure toute la séquence d’exécution.

Retry error — gestion des échecs

En conditions réelles, les API ont des rate limits, les connexions échouent. La fonction retry_error définit combien de cycles de relance l’agent a le droit d’effectuer. Sans cette fonction, un workflow classique s’arrête au premier timeout. Avec, Claude relance automatiquement et enregistre l’incident dans le fichier log.

HITL — Human In The Loop

Si un agent ne trouve pas un document après ses cycles de retry, au lieu de tourner pendant 45 minutes, il interrompt la tâche et ouvre l’interface pour signaler le problème. C’est l’équivalent d’un collaborateur qui vient dire « il me manque cette pièce ». Cette fonction rend le workflow dynamique et évite les erreurs silencieuses.

Fichier log — traçabilité entreprise

Chaque session crée un fichier log horodaté. Pour une entreprise, c’est capital : on sait exactement quand un agent a démarré, ce qu’il a fait, les incidents rencontrés et comment ils ont été résolus. C’est ce niveau de traçabilité qui fait la différence entre un gadget et un outil SOP professionnel.

5. Résultats concrets : 6 erreurs détectées en 25 minutes

Sur un document juridique réel de 10 pages générées par ChatGPT Deep Search, voici ce que mon système agentique a identifié :

Articles de loi — 2 erreurs sur 7

• Article 2449 du Code civil — ChatGPT a cité la version du 20 mai 2024, alors qu’une mise à jour du 17 février 2024 existait. Claude a détecté l’écart et fourni la version correcte avec la source Légifrance.
• Article L140 vs 1240 — ChatGPT a écrit « article L1 40 » au lieu de « article 1240 du Code civil » (responsabilité délictuelle). Une erreur de formatage corrigée automatiquement.

Jurisprudence — 3 erreurs sur 5

• Numéro de pourvoi erroné — le numéro fourni ne correspondait à aucun arrêt dans les bases officielles.
• Numéro d’arrêt décalé — le numéro correspondait à un arrêt de la Cour de cassation, mais sur un dossier différent.
• Jurisprudence hors contexte — la citation existait mais n’avait aucun rapport avec le sujet traité.

Bilan : 6 erreurs identifiées en 25 minutes, là où un juriste aurait passé 2 à 3 jours. Chaque erreur est documentée avec la source officielle, la correction proposée et le contexte de pertinence. Le rapport final est lisible d’un coup d’œil grâce aux statuts (Validé / Attention / Erreur). Pour une application détaillée dans un cabinet d’avocats, j’ai consacré un article complet au sujet.

6. Le méga-prompt à copier-coller

Voici la structure de prompt système agentique que j’utilise pour la vérification juridique. Adaptez les agents et les sources à votre propre cas d’usage :

# HEAD AGENT — Orchestrateur Vérification Juridique
modele: claude-sonnet-4.6
objectif: Orchestrer la vérification complète d'un document juridique
sub_agents: [extracteur_loi, extracteur_juris, verificateur_loi, verificateur_juris]

## CONTEXTE
Tu es un head agent qui coordonne 4 sub-agents pour vérifier
un document juridique. Chaque session crée un fichier log
horodaté dans le répertoire de travail.

## SUB-AGENT 1 — Extracteur Articles de Loi
modele: claude-haiku
background: true
outils: [lecture_pdf, ocr]
retry_error: 3
format_sortie: JSON {article, citation, details, intention_usage, contexte}

## SUB-AGENT 2 — Extracteur Jurisprudence
modele: claude-haiku
background: true
outils: [lecture_pdf, ocr]
retry_error: 3
format_sortie: JSON {reference, citation, juridiction, date, intention_usage}

## SUB-AGENT 3 — Vérificateur Articles de Loi
modele: claude-opus-4.6
background: false (attend sub-agent 1)
outils: [web_search, web_fetch]
sources_autorisees: [legifrance.gouv.fr]
hitl: true (si article introuvable après 3 tentatives)
format_sortie: JSON {article, statut, source_url, version_actuelle, ecart}

## SUB-AGENT 4 — Vérificateur Jurisprudence
modele: claude-opus-4.6
background: false (attend sub-agent 2)
outils: [web_search, web_fetch]
sources_autorisees: [courdecassation.fr, conseil-etat.fr, legifrance.gouv.fr]
hitl: true
format_sortie: JSON {reference, statut, source_url, correspondance, ecart}

## RAPPORT FINAL
Format: tableau récapitulatif par élément
Colonnes: [Référence | Type | Statut | Source | Action requise]
Fichier_log: session_{datetime}_verification.log

Ce prompt fait office de SOP complète (Standard Operating Procedure). Autant de fois qu’on le lance sur des documents différents, le workflow se déroule de la même manière. C’est cette reproductibilité qui fait la différence entre un gadget et un outil professionnel. Pour approfondir la création de skills, consultez le guide complet des Skills Claude.

7. Au-delà du juridique : une compétence transposable

Le système agentique que j’ai mis en place pour le juridique est transposable à tout secteur où un document doit être confronté à des sources officielles. J’ai déjà adapté cette architecture pour :

• Conformité Qualiopi — vérification automatique des indicateurs et pièces justificatives contre le référentiel national qualité
• Devis techniques BTP — contrôle croisé des références produits, normes et prix catalogue
• Rapports financiers — validation des citations réglementaires et des ratios annoncés

Dans chaque cas, la logique est identique : des agents d’extraction en parallèle, des agents de vérification séquentiels, un rapport final structuré. Seuls le prompt système et les sources de vérification changent. C’est ce qui rend cette compétence scalable par design.

Si votre entreprise utilise l’IA pour produire des documents (rapports, études, devis, correspondances), la question n’est plus « est-ce que l’IA fait des erreurs ? » — c’est acquis. La question est : avez-vous un système pour les détecter avant qu’elles ne vous coûtent cher ? C’est exactement ce que je mets en place. Pour comprendre les fondamentaux techniques derrière ces systèmes, j’ai compilé les 30 concepts essentiels. Et pour voir comment passer d’exécutant à architecte IA, c’est un virage que je recommande à tout professionnel.

Mon conseil pour les dirigeants qui hésitent : commencez par un cas d’usage précis, un document récurrent que vos équipes vérifient manuellement. Chaque mois d’attente creuse l’écart avec ceux qui automatisent déjà. Le système agentique Claude n’est pas un concept futuriste — c’est un outil opérationnel que je déploie aujourd’hui en entreprise.