Rédiger un dossier complexe avec l’IA : tenir la thèse sur l’ensemble du corpus

La difficulté d’un dossier complexe est rarement le manque d’arguments, c’est la cohérence. Lire trente pièces, maintenir une thèse centrale, repérer la contradiction enfouie entre la page 4 d’un document et la page 17 d’un autre : c’est un travail de concentration que la fatigue érode et que le volume rend risqué.

Un praticien du droit nous a présenté la session de travail qu’il avait conduite avec un outil IA pour préparer un document de défense complexe. L’objectif : démontrer qu’une série d’événements apparemment distincts formaient un système cohérent et que la partie adverse s’était contredite dans ses propres pièces. Ce cas documente comment cette session a été menée et ce que ses enseignements ont de transposable bien au-delà du domaine juridique.

La situation de départ

Le praticien connaissait son dossier. Il avait une thèse, des arguments, une logique de démonstration. Ce qu’il n’avait pas, c’est un regard simultané sur l’ensemble du corpus : plusieurs dizaines de pièces, dont certaines produites par la partie adverse à des moments différents.

Lire ces documents séquentiellement crée un angle mort : on saisit chaque pièce dans son propre contexte, mais on perd la vue d’ensemble. Une contradiction entre deux documents lus à trois semaines d’intervalle passe souvent inaperçue. Une incohérence interne à un même document, entre un passage rédigé en début de procédure et un autre ajouté plus tard, reste invisible à une lecture rapide.

Ce que le praticien cherchait n’était pas un assistant pour mettre en forme ses idées. Il avait besoin d’un outil capable de lire l’ensemble du corpus en maintenant un fil et de signaler ce qu’une lecture linéaire aurait manqué.

Comment la session a été conduite

Avant de soumettre la première pièce, le praticien a posé une instruction fixe dans l’espace de travail : un rôle précis, un camp défini, un registre attendu. Pas dans le fil de conversation mais dans la configuration de l’espace lui-même, de sorte qu’elle persiste sur l’ensemble de la session sans avoir à être rappelée.

Ce détail change la qualité de chaque réponse. Sans instruction fixe, un outil IA oscille : il peut adopter un ton défensif sur un échange, plus offensif sur le suivant, neutre sur un troisième. Avec un rôle posé une fois en amont, le registre tient sur des dizaines d’échanges. Le praticien n’a pas eu à recadrer la posture, seulement le contenu quand un fait était mal interprété.

L’architecture avant la rédaction. Plutôt que de demander “rédige le document”, le praticien a d’abord demandé une proposition de structure argumentaire : dans quel ordre présenter les arguments, lesquels étaient les plus solides, comment articuler la démonstration. Ce n’est qu’après avoir validé cette architecture qu’il a demandé la rédaction, section par section.

Ce séquençage a une conséquence directe : le praticien a conservé la main sur la stratégie. L’outil n’a pas choisi l’ordre des arguments, il a rédigé chaque brique dans l’ordre décidé. La différence entre “l’IA qui produit un document” et “le praticien qui conduit l’IA” se joue souvent là.

La lecture contradictoire des pièces adverses. Pour chaque document produit par la partie adverse, l’instruction était explicite : lire à charge et à décharge simultanément. Non pas pour réfuter chaque argument un par un, mais pour identifier ce que ce même document révèle contre son auteur.

Résultat : plusieurs pièces adverses contenaient des contradictions internes entre des passages rédigés à des moments différents. Dans un cas, deux affirmations incompatibles se trouvaient dans le même document, à deux pages d’intervalle. L’outil les a identifiées et formalisées comme argument autonome : un argument qui n’était pas dans le plan initial et qui est devenu l’un des plus solides du document final.

Avec du recul

Ce qui a fait la valeur de cette session n’est pas la puissance de l’outil. C’est le pilotage.

À mi-parcours, le praticien a demandé un livrable intermédiaire : un squelette structuré avec les sections rédigées, des espaces à compléter et des commentaires explicites sur ce que l’outil ne savait pas encore. Il a parcouru ce squelette, ajouté les éléments manquants, corrigé les inexactitudes, puis l’a renvoyé en demandant une évaluation de la cohérence globale et des fragilités résiduelles.

Ce type de collaboration explicite évite deux écueils opposés : le document trop vague parce que l’outil manquait de faits et le document trop présomptueux parce que l’outil a comblé les vides avec des hypothèses. Le squelette force le praticien à compléter ce que l’IA ne peut pas savoir et oblige l’IA à dire clairement ce qu’elle ne sait pas.

En fin de session, le praticien a demandé à l’outil de comparer la version initiale du document avec la version produite, en identifiant les améliorations concrètes et les fragilités résiduelles. Ce regard critique de l’outil sur son propre travail est l’un des prompts les plus utiles : il force une évaluation externe sur ce qui vient d’être produit et pointe les risques que le praticien doit gérer lui-même avant de finaliser.

Une fois le fond stabilisé, le praticien a versé le document dans un espace de travail distinct (configuré uniquement pour le style, le ton et la lisibilité, sans aucune instruction liée au dossier). Cette séparation des rôles entre deux espaces évite un problème courant : demander à un outil de raisonner sur le fond et d’affiner la forme en même temps produit généralement un résultat moyen sur les deux. Deux espaces, deux missions, deux jeux de consignes : le document final bénéficie de chacun sans que l’un pollue l’autre.

Ce que ça change pour d’autres contextes

Le cas est juridique. La méthode ne l’est pas.

Un responsable qui prépare une réponse à appel d’offres avec vingt-cinq annexes, un dirigeant qui monte un dossier de financement à partir de plusieurs exercices comptables, un manager qui synthétise des comptes-rendus d’audit contradictoires, tous font face au même problème de fond : maintenir la cohérence d’une thèse sur un corpus que personne ne peut tenir entier dans sa tête en même temps.

Ce que l’outil apporte dans ces situations, c’est de la mémoire de travail et de la cohérence de posture. Il ne décide pas. Il ne valide pas les faits. Mais il peut maintenir le fil d’une argumentation entre la dixième et la trentième pièce versée, sans dériver, à condition d’être tenu en laisse courte.

Les quatre leviers documentés dans ce cas sont transposables directement :

• Poser le rôle et le registre attendu avant la première question
• Valider l’architecture avant de demander la rédaction
• Soumettre les documents adverses ou contradictoires avec consigne de lecture croisée
• Demander un squelette intermédiaire avant le document final, pour garder la main sur les faits

Ce que cette série aura documenté

Ce cas clôt la série “Le prompting avancé en pratique”, trois articles qui partent d’une même conviction : un outil IA déçoit rarement parce qu’il est mauvais, mais parce qu’il est mal tenu.

Le premier article posait la méthode : rôle, contexte, instruction, format . Le second montrait comment un corpus documentaire chargé en amont vaut mieux qu’un long brief verbal : le cas du repositionnement . Ce troisième cas illustre que le pilotage en temps réel (recadrage, séquençage, lecture contradictoire) est ce qui sépare un premier jet quelconque d’un document directement utilisable.

La supervision humaine n’est pas une précaution. C’est une étape de travail. Dans les trois cas documentés ici, la qualité du résultat final est proportionnelle à l’attention portée à la méthode, pas à la sophistication de l’outil. Un point mérite d’être ajouté : avant de verser des données sensibles dans un outil IA, vérifier que les paramètres de confidentialité de l’espace de travail désactivent bien l’utilisation des données à des fins d’entraînement. Ce réglage existe sur la plupart des outils professionnels mais n’est pas toujours activé par défaut.