« Service as Software » : quand la capacité à déployer devient le produit

Introduction

La première phase de l’IA générative appliquée au droit posait une question simple : les professionnels du droit allaient-ils utiliser ces outils ? Trois ans plus tard, la question est réglée — et le problème s’est déplacé. Il ne s’agit plus de donner accès à un outil, mais de transformer une capacité technique en résultats durables — intégrés aux processus, compatibles avec la confidentialité, vérifiables. Or les outils sont partout, les résultats beaucoup moins. En 2025, 88 % des répondants à l’enquête mondiale de McKinsey déclaraient un usage régulier de l’IA dans au moins une fonction, mais 39 % seulement signalaient un effet, même limité, sur l’EBIT. La même année, BCG estimait que 5 % des entreprises obtenaient une valeur significative à grande échelle, quand 60 % ne constataient que des gains faibles ou inexistants. La technologie ne cesse de progresser ; la transformation des organisations qui doivent l’exploiter ne suit pas.

Le marché juridique apporte à ce problème une réponse de plus en plus visible : l’alliance. PwC s’est allié à Harvey dès mars 2023, puis à ContractPodAi. KPMG a bâti sur la même plateforme une offre de services juridiques managés. Deloitte Legal accompagne Legora du pilote à l’échelle, puis Deloitte s’allie à Ironclad sur le cycle contractuel complet. En France, Lefebvre Dalloz, Xelya et Anomia associent contenus fiables, logiciel métier et formation continue. Les fournisseurs de modèles suivent la même trajectoire : Frontier Alliances et société de déploiement chez OpenAI, centres d’excellence et certifications massives chez Anthropic, écosystème de partenaires autour de Gemini Enterprise chez Google Cloud.

Notre lecture : ces alliances ne sont pas un canal de commercialisation, mais une infrastructure de production. À mesure que les modèles se banalisent et que les fonctionnalités des plateformes convergent, l’avantage se déplace vers la capacité à choisir les bons problèmes, intégrer dans les systèmes existants, organiser le contrôle humain, faire adopter, mesurer — et assumer une part croissante du résultat livré. Le partenariat devient une partie du produit. C’est le sens de cette analyse : la capacité à déployer devient elle-même le produit.

1. « Service as Software » : l’objet de la vente change

Le SaaS repose sur une séparation claire. L’éditeur fournit un outil accessible par abonnement, facturé au siège, au volume ou à la fonctionnalité ; le client reste responsable d’organiser les équipes et de produire le résultat. Le conseil traditionnel suit la logique inverse : le client achète une expertise, un effort et une capacité de jugement, tarifés au temps, à la séniorité ou au forfait — la technologie améliore la productivité du cabinet mais reste invisible dans l’offre. Entre ces deux pôles, les services managés, où un prestataire opère durablement un processus, et le « software plus services », où l’accompagnement facilite le déploiement sans changer l’objet vendu.

L’expression « Service as Software » désigne une rupture plus nette : le fournisseur ne vend plus seulement l’outil qui permet d’accomplir le travail, il vend le travail accompli — ou un résultat délimité — dont une part substantielle est produite par le logiciel. Foundation Capital décrit ce basculement comme un transfert de responsabilité : le client n’a plus à utiliser la plateforme pour parvenir à son objectif, le fournisseur répond du résultat livré. Sequoia oppose le copilote, qui vend l’outil au professionnel, à l’autopilote, qui vend directement le travail au client. Bessemer observe que l’IA atteint désormais la couche de production du service, et non plus seulement son interface. Venue de la littérature d’investissement plus que de la recherche académique, la notion vaut par quatre déplacements : l’objet vendu (de l’accès au résultat), la responsabilité opérationnelle (du client vers le fournisseur ou le consortium), la tarification (du siège et de l’heure vers le dossier, le volume, la valeur) et la croissance (de moins en moins proportionnelle aux effectifs).

Dans le droit, l’autopilote intégral se heurte à la nature même des prestations. Une clause standard, un contrôle de cohérence, une extraction d’obligations se transforment en outputs répétables ; une stratégie contentieuse, une appréciation de risque, une négociation sensible ou un conseil engageant la responsabilité professionnelle y résistent. Le modèle plausible n’est donc pas l’effacement du service humain, mais sa recomposition : l’IA industrialise les segments répétables ; le cabinet définit les règles, contextualise, supervise les exceptions, assume le jugement et garantit la relation. Le « Service as Software » juridique est un système hybride de production gouvernée — pas un logiciel autonome.

2. Le droit, terrain d’élection sous contraintes

Une part importante du travail juridique repose sur des documents, des règles, des précédents et des processus répétitifs : lire, comparer, rédiger et suivre des contrats ; recenser des réglementations et les traduire en obligations opérationnelles ; structurer des corpus de pièces et des chronologies. Ces caractéristiques rendent de nombreuses sous-tâches automatisables : le droit figure ainsi parmi les premiers marchés verticaux investis par les modèles génératifs.

L’efficacité n’y est pourtant ni uniforme ni synonyme de qualité. Dans l’essai randomisé de Choi, Monahan et Schwarcz publié à la Minnesota Law Review (2024), les gains de temps sur des tâches typiques de jeunes juristes vont de 11,8 % à 32,1 %, mais l’amélioration moyenne de la qualité reste faible et irrégulière. Une expérimentation de Nielsen et ses coauteurs (Journal of Empirical Legal Studies, 2024) montre qu’un surlignage généré par l’IA réduit de 30 % le temps de traitement sans dégrader la qualité — quand un simple résumé n’apporte rien. La conception précise de l’assistance compte autant que la puissance générale du modèle.

L’étude conduite auprès de 758 consultants du BCG par Dell’Acqua et ses coauteurs précise la limite. Pour des tâches situées à l’intérieur de la frontière de capacité du modèle, les utilisateurs accomplissent 12,2 % de tâches supplémentaires, travaillent 25,1 % plus vite et produisent des réponses de meilleure qualité ; pour une tâche située juste au-delà, ils sont 19 points de pourcentage moins susceptibles de parvenir à la bonne conclusion. Cette frontière est « irrégulière » : deux tâches en apparence proches peuvent se situer de part et d’autre de la zone de fiabilité.

En droit, cette irrégularité n’est pas un simple défaut de production : c’est un risque professionnel. Une erreur peut compromettre une procédure, exposer une information confidentielle, créer un conflit d’intérêts ou altérer la décision du client. Le CCBE rappelle que l’usage de l’IA générative engage la confidentialité, la compétence, l’indépendance, la transparence envers le client et la vérification des outputs ; l’ABA insiste sur la supervision et la facturation raisonnable. Le besoin d’accompagnement n’est donc pas un déficit transitoire de compétence numérique : il est structurel. Quelqu’un doit déterminer où l’automatisation est légitime, comment elle est contrôlée et qui répond du résultat.

3. 2021-2026 : trois générations d’alliances

L’histoire récente des partenariats se lit en trois générations. La première précède l’essor public de l’IA générative et porte sur les systèmes contractuels : quand Accenture déploie Icertis dans ses propres opérations — près de 3 000 professionnels dans 46 pays — avant de formaliser une offre commune, le cabinet n’apporte pas un carnet d’adresses, il apporte une preuve d’usage. Ce schéma du « client zéro » deviendra la norme. La deuxième génération, celle des assistants génératifs, voit le logiciel entrer dans la production même du conseil : équipement massif des équipes internes chez PwC avec Harvey, service de conseil propulsé par Leah, services juridiques managés chez KPMG — le logiciel n’est plus installé, il est opéré, sous supervision humaine.

La troisième génération, visible depuis 2025, vise le modèle opératoire complet — refonte des relations, des compétences, des données et des workflows — et les fournisseurs de modèles généralisent le mouvement. Les Frontier Alliances d’OpenAI confient aux cabinets la stratégie, la refonte des workflows, l’intégration et la conduite du changement ; la création de l’OpenAI Deployment Company, avec l’acquisition de Tomoro, internalise l’ingénierie de déploiement ; Anthropic construit des centres d’excellence et des certifications massives avec Deloitte puis Accenture — 15 000 puis 30 000 professionnels visés, des ingénieurs déployés chez les clients. Le rachat par Summize d’équipes et d’actifs de la société de conseil InnoLaw Group dit la même chose en sens inverse : quand la couche de déploiement devient stratégique, elle s’internalise.

Première génération · 2021-2022 — Déployer chez soi, prouver par l’usage

• 2021 · Accenture × Icertis : déploiement interne auprès de 3 000 professionnels, puis offre commune d’intégration CLM — le « client zéro » précède la mise sur le marché.
• 2022 · Bain × OpenAI : première grande alliance conseil × fournisseur de modèle, élargie en 2024 en centre d’excellence et solutions sectorielles.

Deuxième génération · 2023-2024 — Coproduire le service

• 2023 · PwC × Harvey : équipement de 4 000 professionnels dans plus de cent pays, commercialisation, personnalisation — le cabinet devient utilisateur, intégrateur et coconcepteur.
• 2024 · PwC × ContractPodAi : un nouveau service de conseil propulsé par Leah — le logiciel entre dans la production du conseil.
• 2024 · KPMG × ContractPodAi : services juridiques managés avec supervision humaine — de la licence au processus opéré.
• 2024 · PwC Allemagne × Aleph Alpha : coentreprise creance.ai, d’abord centrée sur la conformité DORA — création conjointe d’un actif vertical.

Troisième génération · 2025-2026 — Transformer le modèle opératoire

• 2025 · Deloitte Legal × Legora : du pilote à l’adoption durable, avec workflows préconfigurés — le modèle opératoire devient l’objet de la mission.
• 2025 · Thomson Reuters × Icertis × Accenture : contenus, plateforme contractuelle, orchestration — une chaîne de valeur multi-acteurs.
• 2025 · Anthropic × Deloitte, puis × Accenture : centres d’excellence, dizaines de milliers de professionnels certifiés, ingénieurs déployés chez les clients.
• 2026 · Deloitte × Ironclad : cycle contractuel agentique de bout en bout — agents, contrôles, données, gouvernance, usages.
• 2026 · OpenAI — Frontier Alliances, puis Deployment Company : la capacité de déploiement devient une fonction du fournisseur de modèle lui-même.
• 2026 · Summize × InnoLaw Group : acquisition d’équipes et d’actifs de conseil — l’adoption s’internalise comme différenciateur.

Source : annonces officielles des organisations citées. Les intitulés décrivent des structures annoncées, non des performances auditées.

4. Une architecture de valeur à cinq couches

Ces alliances assemblent cinq couches complémentaires. La capacité d’intelligence, fournie par les modèles généralistes ou spécialisés. La connaissance juridique — sources, taxonomies, précédents, modèles d’actes, règles métier — qui ancre les réponses. Le workflow, c’est-à-dire le système dans lequel le travail est déclenché, enrichi, validé, tracé et transmis. L’adoption et la transformation : diagnostic, intégration, formation, changement des rôles, mesure de la valeur. La responsabilité, enfin, où un professionnel ou une fonction juridique assume le contrôle, l’escalade, la relation et la décision finale.

Une legaltech peut maîtriser les trois premières couches sans posséder la légitimité, la présence opérationnelle ni la capacité de transformation des deux dernières ; un cabinet peut détenir la relation client et l’expertise métier sans contrôler la technologie ni les contenus. L’alliance réduit cette discontinuité : le client achète une trajectoire cohérente plutôt qu’un ensemble de composants qu’il devrait assembler lui-même.

Trois degrés d’intégration — le cabinet équipé, qui développe sa propre compétence sur l’outil ; le cabinet intégrateur, avec méthodes, certifications et équipes dédiées au déploiement chez les clients ; la coproduction, où les partenaires construisent une offre ou un service managé commun et partagent une partie de la responsabilité économique du résultat. La coentreprise et l’acquisition en sont les variantes capitalistiques : elles apparaissent quand les apprentissages, les données d’usage et les méthodes deviennent trop stratégiques pour rester à la périphérie.

Le « client zéro » est central dans cette architecture. En déployant d’abord la solution en interne, le cabinet transforme une alliance abstraite en preuve d’usage : limites du produit, playbooks, frictions, références. Cette expérience réduit l’asymétrie d’information vis-à-vis du client et offre à l’éditeur un terrain d’apprentissage exigeant. Elle n’est toutefois crédible que si les résultats, les échecs et les conditions de réussite sont documentés — pas convertis en discours marketing.

5. L’accompagnement est une attente forte du marché

L’idée qu’un bon outil finit naturellement par être adopté confond disponibilité et transformation. Le Future of Professionals Report 2026 de Thomson Reuters l’illustre : 74 % des professionnels interrogés utilisent l’IA plusieurs fois par semaine, mais 41 % ne disposent pas d’un outil conçu pour le travail professionnel et fondé sur des contenus vérifiés, et 34 % déclarent utiliser des outils non autorisés par leur organisation. Surtout, là où existe une stratégie IA identifiée, 66 % estiment que l’IA atteint ou dépasse les attentes de création de valeur, contre 22 % dans les organisations sans stratégie active. C’est une corrélation déclarative, pas une preuve causale — mais l’écart dit le poids du cadre organisationnel.

La valeur se construit par des opérations que la technologie n’accomplit pas seule. Traduire un objectif économique en cas d’usage précis : réduire le délai de contractualisation est un objectif, « déployer un chatbot » n’en est pas un. Redessiner le workflow — entrées, étapes automatisées, contrôles, exceptions, responsabilités : McKinsey observe que la refonte des workflows est, parmi les attributs étudiés, le plus fortement associé à l’impact sur l’EBIT — alors que 21 % seulement des organisations utilisant l’IA générative déclaraient début 2025 avoir profondément redessiné certains processus. Préparer les données et les intégrations, car une IA juridique séparée de la GED, du CLM, du CRM et des circuits de validation ne produit pas de valeur durable. Gouverner : informations autorisées, vérification, journaux d’audit, escalade, incidents. Conduire le changement : formation par rôle, communautés de pratique, permanences, incitations. Mesurer, enfin : adoption utile, temps de cycle, qualité, couverture, risques évités.

Deux travaux récents mesurent directement l’effet de cet accompagnement. Dans l’étude de Chien et Kim auprès de professionnels de l’aide juridique (Loyola of Los Angeles Law Review, 2025), un sous-groupe tiré au sort reçoit, en plus de l’accès aux outils, un accompagnement de type « concierge » — cas d’usage partagés, permanences, assistance. Il obtient des résultats significativement supérieurs sur la productivité déclarée, la satisfaction, la qualité perçue et la fréquence d’usage ; au total, 90 % des participants au pilote déclarent un gain de productivité. À l’échelle d’un système entier, l’expérience menée en 2026 auprès de 1 559 juges dans 118 juridictions pakistanaises par Ash, Mehmood et Goessmann aboutit à la même conclusion : l’assistant accompagné d’une formation ciblée produit une adoption plus forte et plus persistante qu’une formation générique ; les districts les plus exposés résolvent davantage d’affaires — une hausse estimée à 6,3 % au niveau médian d’exposition — sans dégradation des indicateurs de qualité retenus, et les usages se déplacent vers les tâches où le modèle est le plus fiable.

Le conseil réalise donc une fonction de conversion : il transforme une capacité probabiliste en système de travail gouverné. Cette fonction produit directement la qualité du résultat — elle réduit les usages inadaptés, accélère les apprentissages, organise la responsabilité, rend les gains répétables. Dans un modèle de « Service as Software », elle doit être conçue, tarifée et mesurée comme une composante de l’offre, pas comme un coût accessoire destiné à compenser les défauts du produit.

6. Legaltech, cabinet, client : ce que chacun y gagne, et à quelles conditions

Pour la legaltech, le bénéfice est d’abord commercial : le cabinet apporte la confiance, la connaissance sectorielle, l’accès aux décideurs et une présence locale difficiles à répliquer — dans les environnements réglementés, cette légitimité réduit le risque perçu et raccourcit le délai entre signature et valeur. Il est ensuite informationnel : les missions produisent des données sur les erreurs, les exceptions, les points de contrôle et les conditions réelles d’adoption qui alimentent, dans un cadre contractuel et éthique approprié, les évaluations, les bibliothèques de workflows et le produit. Bessemer y voit l’avantage des services nativement fondés sur l’IA : chaque unité de travail vérifiable est un signal d’apprentissage. En droit, cet avantage repose sur la capitalisation des méthodes, des catégories d’erreurs et des règles d’escalade — pas sur l’appropriation des données confidentielles des clients. La condition : préserver l’économie logicielle. Trop de personnalisation ou une responsabilité trop large transforment l’éditeur en société de services à faible levier ; la bonne cible n’est pas de vendre plus de jours, mais de convertir chaque mission en composants réutilisables — connecteurs, playbooks, évaluations.

Pour le cabinet, l’alliance est une voie de productisation : vendre un diagnostic, un workflow préconfiguré, une revue contractuelle continue ou une capacité de conformité plutôt qu’une succession d’heures — conserver le jugement et la relation, augmenter le nombre de dossiers servis par professionnel. La transition commerciale est le point dur. L’étude 2026 de Simon-Kucher auprès de 182 dirigeants de sociétés de services montre que 90 % des entreprises sont actives dans l’IA ou prévoient de l’être, mais que la monétisation évolue plus lentement que la production : 30 % des entreprises les plus avancées recourent à l’abonnement, contre 14 % de l’échantillon, et 16 % seulement disposent d’une allocation pleinement différenciée des coûts technologiques. Le conflit avec la facturation au temps est réel : quand vingt heures deviennent deux, maintenir mécaniquement le modèle horaire réduit le chiffre d’affaires ou capte tout le gain sans le rendre visible au client — aucune de ces options n’est durable. L’ABA rappelle du reste que les honoraires doivent rester cohérents avec le temps effectivement consacré — et qu’un avocat ne facture pas au client son propre apprentissage de l’outil.

Pour le client, le gain principal est la réduction du risque de coordination : au lieu de sélectionner séparément modèle, plateforme, intégrateur, formateur et validateur, il achète une trajectoire orchestrée — à condition que le contrat ne laisse pas de zones grises — et peut aligner le prix sur une unité utile : contrat traité, dossier analysé, délai réduit, niveau de couverture. La tarification la plus crédible sera hybride :

Le déplacement essentiel est là : l’unité de valeur n’est plus l’heure ni le siège, mais la capacité de traitement fiable, la couverture, la vitesse de décision et la maîtrise du risque. Une partie du gain de productivité doit être partagée avec le client ; le reste finance le contrôle, la sécurité, l’amélioration et la responsabilité.

7. Huit principes pour concevoir une alliance qui tient

De cette analyse se dégagent huit principes de conception — une grille de travail, non une recette : chaque alliance devra les traduire dans son contexte et sa gouvernance.

1. Partir d’un résultat métier, jamais d’un outil : délai de contractualisation, taux de dossiers non traités, coût d’une revue, fréquence des erreurs — des points de départ mesurables, qui protègent de la prolifération de pilotes sans propriétaire ni trajectoire de valeur.
2. Décomposer le workflow et matérialiser les portes de jugement : pour chaque sous-tâche, décider si l’IA propose, exécute, contrôle ou assiste ; définir avant le déploiement les seuils d’incertitude et les déclencheurs d’escalade. C’est la traduction opérationnelle de la frontière technologique irrégulière.
3. Faire du cabinet un « client zéro » avec obligation de preuve : le déploiement interne doit produire des données de référence, des protocoles d’évaluation et des incidents documentés — et distinguer le gain technique, le gain d’adoption et le gain économique.
4. Contractualiser une responsabilité lisible de bout en bout : un RACI opérationnel couvrant fournisseur de modèle, legaltech, cabinet, direction juridique, DSI et utilisateurs ; validation des outputs, niveaux de service, changements de modèle, procédures d’incident.
5. Construire un système d’adoption, pas une formation : parcours par rôle, bibliothèque de cas d’usage, permanences, ambassadeurs, indicateurs d’usage utile. L’article 4 du Règlement IA, applicable depuis février 2025, fait de la maîtrise de l’IA une obligation organisationnelle.
6. Préserver la maîtrise des données et la réversibilité : localisation, usages secondaires, sous-traitants, droits sur les configurations, mécanismes d’export ; séparer autant que possible données, contenus, workflow et modèle ; tester la réversibilité en cours de contrat, pas à la fin.
7. Aligner le prix sur une unité de valeur observable : abonnement pour la disponibilité, usage pour le volume, forfait pour un output défini, performance pour un résultat mesurable — sans cumuler licence, jours de conseil et frais d’intégration sans justification.
8. Gouverner le partenariat comme un produit vivant : backlog commun, versions, évaluations récurrentes, décisions documentées sur les changements de modèle ou de périmètre ; et une répartition des actifs — communs, propres à chaque partenaire, appartenant au client — décidée avant que la valeur ne se cristallise dans les prompts, les tests et les workflows.

8. Pourquoi la France et l’Europe sont le terrain naturel de ce modèle

La France et l’Europe réunissent les conditions qui rendent ce modèle nécessaire : des professions réglementées structurées, des institutions représentatives, une forte exigence de souveraineté et de confidentialité, des corpus juridiques riches — et un tissu de cabinets, d’études et de PME qui ne disposent pas toujours d’équipes internes capables d’intégrer seuls l’IA. Ces caractéristiques augmentent le besoin d’intermédiation de confiance et rendent peu crédible une stratégie fondée sur la seule diffusion horizontale d’un modèle généraliste.

Deux architectures récentes l’illustrent. Le partenariat entre Lefebvre Dalloz, Xelya et Anomia associe une base de connaissance juridique fiable, l’environnement logiciel utilisé quotidiennement par les cabinets et une formation initiale puis continue : la valeur ne tient pas à une interface supplémentaire, mais à l’intégration des contenus et de la production dans le système métier, avec des garanties d’hébergement et de non-réutilisation des données. Le choix du Conseil supérieur du notariat — Mistral AI et Scaleway, annoncé en juillet 2026 — répond à une logique plus institutionnelle : offrir un environnement européen maîtrisé, organiser l’acculturation et encadrer collectivement les usages, sans toucher à la mission ni à la responsabilité du notaire.

Ces exemples ouvrent un espace pour des cabinets de conseil spécialisés, plus réduits que les grands intégrateurs, mais capables de réunir compréhension métier, réglementation, institutions, circuits de décision et exécution. Leur rôle n’est pas de revendre une plateforme : il est d’opérer l’adoption — sélectionner les cas d’usage, structurer les partenariats, construire la gouvernance, connecter les acteurs de l’écosystème et conduire le déploiement jusqu’aux résultats observables. Dans les marchés réglementés, cette connaissance du terrain est un avantage plus défendable qu’une compétence générique de paramétrage. À une condition : préserver l’indépendance et la pluralité technologique — une méthode de diagnostic transparente, des critères comparables, une architecture ouverte, et la capacité de dire qu’un outil n’est pas adapté. Le marché européen pourrait ainsi voir émerger non seulement des legaltechs plus proches du service, mais aussi des cabinets de conseil plus proches du produit.

Conclusion

La multiplication des alliances entre legaltechs et cabinets de conseil n’est pas un phénomène périphérique. Elle répond à la contrainte fondamentale de l’IA en entreprise : la capacité technique progresse plus vite que les workflows, les responsabilités et les compétences qui la transforment en résultats. Dans le droit, cette contrainte est redoublée par la confidentialité, la vérification, l’indépendance et la responsabilité professionnelle. Le « Service as Software » fournit la grille de lecture — à condition de ne pas le confondre avec l’automatisation totale. La trajectoire crédible est celle d’un service productisé et gouverné : le logiciel produit une part croissante du travail ; le cabinet conçoit le processus, organise l’adoption, supervise les exceptions et assume le jugement ; le client achète un résultat plus rapide, plus couvert, plus mesurable.

Notre conviction, en synthèse : à mesure que les modèles se banalisent, la capacité à déployer devient elle-même le produit. Les acteurs les mieux placés ne seront ni ceux qui possèdent seuls le meilleur modèle, ni ceux qui alignent le plus de consultants, mais ceux qui sauront assembler technologie, connaissance, workflow, adoption et responsabilité dans une offre cohérente, prouvée et améliorable — sans diluer le jugement, la confiance et l’indépendance qui fondent le service juridique.