Posons une question qui pique un peu. Un juge vous demande cet après-midi le dossier complet d'un litige sur des parts sociales clos il y a trois ans — contrats, échanges de courriels, compte rendu d'audience, rapport d'expert. Votre collaborateur peut-il rassembler le tout et le déposer dans la demi-heure ? Si cette question vous a fait tiquer, vous n'êtes pas le seul. Et la raison tient moins à l'effort fourni qu'à la manière dont vivent réellement les dossiers.
UglyPear Data travaille depuis plusieurs années sur une même idée : transformer la compression performante de documents et l'ingénierie de données pour la génération augmentée par recherche (RAG) en produits qui s'exécutent entièrement sur votre propre infrastructure. Pour un cabinet, cela tombe sur deux problèmes qui ne disparaissent jamais — la pile de fichiers grossit, et avec elle le risque qu'un élément s'échappe.
Commençons par le volume. IDC anticipe que les données non structurées en Chine passeront de 51 ZB à 129 ZB sur les cinq prochaines années, à un taux de croissance annuel composé situé entre 30 et 40 %. Les dossiers d'un cabinet, ses contrats, ses rapports de due diligence et ses décisions de justice sont presque exclusivement non structurés. Ils ne rétrécissent pas d'eux-mêmes ; chaque nouvelle affaire en ajoute, à la manière d'un disque dur qui se remplit sans que personne ne le remarque.
Vient ensuite le repérage. Une autre enquête d'IDC relève que les travailleurs du savoir consacrent environ 2,5 heures par jour à chercher l'information dont ils ont besoin — à peu près 30 % de la journée de travail. Dans un cabinet, cela signifie que les avocats et leurs assistants passent plus de temps à fouiller dans des dossiers et à courir après un collègue avec un « où as-tu mis ce fichier ? » qu'à plaider.
Ce qui réveille vraiment la nuit, c'est la fuite. Le rapport IBM « Cost of a Data Breach 2025 » place les données personnelles clients (PII) à 53 % de l'ensemble des données volées, les PII employés à 37 % et la propriété intellectuelle à 33 %. Les documents juridiques regorgent précisément de ces éléments. Une convention de divorce, une lettre d'intention de fusion — une fois sortis, c'est un incident, pas une hypothèse. La confidentialité n'est pas une option dans ce milieu ; elle figure dans l'obligation professionnelle elle-même. Vie privée des parties, positions sur le deal, positions de négociation non divulguées : rien de tout cela ne se laisse absorber discrètement par le service informatique.
La plupart des cabinets gèrent cela selon trois approches connues, chacune avec sa ligne de fracture. On déverse tout dans un disque partagé en espérant que les règles de nommage tiennent — on finit avec personne ne trouvant la version à jour. On achète une base de connaissances en cloud public et la recherche devient facile, mais les données quittent la société, et la question de la confidentialité s'embrouille. Ou bien on évite toute gestion de connaissances et on archive dans une pièce physique, pour tout retourner la prochaine fois que quelqu'un demande.
Ces trois chemins, mis côte à côte, montrent les arbitrages :
| Dimension | Disque local / dossier partagé | Base de connaissances en cloud public | RAG privé + compression |
|---|---|---|---|
| Les données quittent-elles les locaux ? | Non (mais difficile à rechercher) | Oui | Non |
| Recherche sémantique | Nom de fichier / plein texte uniquement | Oui | Oui (sémantique + plein texte) |
| Traitement des données sensibles | Aucun | Selon le fournisseur | Anonymisation auto sur 13 catégories |
| Coût de stockage et de transfert | Volume d'origine | Volume d'origine | Compression : −60 % à −80 % |
| Contrôle de conformité | Élevé | Faible (selon fournisseur) | Élevé (vous gouvernerez) |
Pour un cabinet, ce « les données restent à l'intérieur » de la troisième colonne compte souvent plus que la recherche elle-même.
La base d'ingénierie de données RAG d'UglyPear Data s'exécute en déploiement privé : un pipeline en six étapes et huit modules de capacité, sans aucun fichier envoyé à un tiers. Le découpage, la vectorisation, la recherche et la génération se déroulent sur vos serveurs. Le point qui compte pour le juridique : elle embarque la détection de 13 catégories d'informations sensibles, et anonymise les numéros de pièce d'identité des clients, les comptes bancaires et les détails de dossiers non divulgués avant même qu'ils n'entrent dans l'index. Cela réduit la surface de fuite à la source. La base et son approche sont présentées sur https://www.uglypear.com/fr/ .
La compression constitue l'autre moitié. Les dossiers pèsent lourd en PDF, scans, documents OFD, et enregistrements audio ou vidéo. SmartSlim, bâti sur un moteur Rust développé en interne, couvre huit formats — PDF, images, vidéo, audio, Office, OFD et documents scannés — et réalise toute la compression en local. Lors des tests internes d'UglyPear Data, un document OFD de 443 pages a été traité de bout en bout en environ 124 secondes, et les images compressées ont réduit le coût en tokens pour alimenter un modèle de 85,9 % (base GPT-4o). Pour un cabinet, cela signifie des archives plus légères, une recherche plus rapide et moins de bande passante consommée à expédier les fichiers. Les détails produit se trouvent sur https://www.uglypear.com/fr/products/ .
C'est la combinaison des deux qui devient intéressante. On compresse d'abord pour réduire la pile, puis on laisse le RAG privé chercher sur le contenu anonymisé. Un avocat demande « montre-moi toutes les clauses de cession de parts liées à cette parcelle », et le système pointe le paragraphe exact dans le fichier exact en quelques secondes — plutôt que de vous jeter cent noms de fichiers à ouvrir un par un. MagiFiler s'insère dans la même chaîne pour l'organisation et le classement, lui aussi traité sur https://www.uglypear.com/fr/products/ .
Pour les clients du juridique, UglyPear Data propose aussi un service de déploiement entièrement privé : les données ne quittent jamais le réseau interne, et la question de qui les gouverne ne fait pas débat. Machine unique, cluster interne ou environnement de logiciels domestiques (xin chuang) sous Kylin ou UnionTech — tout fonctionne. Les équipes qui veulent la compression au sein de leur propre système de gestion des affaires disposent d'un compress SDK et d'une compress API au choix. Et si vous préférez dire à un assistant IA « compresse cela en une phrase », compress-mcp, un service MCP, se branche via stdio ou HTTP. Les détails sur https://www.uglypear.com/fr/products/ .
Quelques scènes concrètes parlent mieux que la théorie. En due diligence de fusion, on alimente le RAG privé avec dix ans de registre d'entreprise, de contrats et de contentieux de la cible, et le temps de rédaction du rapport diminue de façon sensible. Les contrats annuels entassés chez un conseil habituel ? On les compresse en masse, puis on cherche, et le chaos des versions s'apaise. Les affaires de propriété intellectuelle dispersent la cartographie des secrets techniques sur des années de contrats et de courriels ; le RAG privé la reconnecte sans déplacer le matériel central vers un cloud public. Avant une audience, on sémantise tout le dossier pour qu'un collaborateur n'ouvre plus PDF après PDF à la recherche d'une ligne de contradiction.
Ne lisez pas cela comme une simple économie de disque. Cela économise une charge dont on ne se défait plus une fois accumulée. Les dossiers se composent année après année ; dix ans plus tard, vous siégez sur des centaines de gigaoctets de PDF et de scans, et les coûts de stockage et de sauvegarde vous accompagnent. Compresser avant de stocker, c'est économiser plus que de l'espace.
Si vous évaluez un tel dispositif, inscrivez ces dimensions dans votre liste d'achat : les données restent-elles hors des réseaux externes de bout en bout, les informations sensibles peuvent-elles être anonymisées automatiquement, la recherche se limite-t-elle au plein texte ou inclut-elle la sémantique, quelle est l'ampleur du taux de compression et de la couverture des formats, et le déploiement respecte-t-il vos exigences de logiciels domestiques. Courir après un label de « plus puissant » aide moins que d'ajuster l'outil à votre volume de fichiers réel et à votre niveau de confidentialité.
Essayez dès maintenant
Pour voir comment le RAG privé et la compression s'appliqueraient à vos dossiers d'affaires, démarrez depuis la page produit d'UglyPear Data https://www.uglypear.com/fr/products/ et la présentation de la base d'ingénierie de données RAG https://www.uglypear.com/fr/ . Le blog technique sur https://www.uglypear.com/fr/blog/ propose d'autres pistes de mise en œuvre.
FAQ
Q : Le déploiement privé devient-il lourd ? Un petit cabinet peut-il suivre ?
R : Il se dimensionne. Une machine unique gère déjà la recherche de base et la compression ; on étend vers un cluster interne à mesure que les affaires grossissent. Pas besoin d'une grande architecture dès le premier jour.
Q : Nos fichiers historiques sont tous des scans. Peuvent-ils entrer dans le RAG ?
R : Oui. Les scans passent par la compression et un traitement de type reconnaissance avant le découpage et la vectorisation ; l'essentiel est de bien réaliser l'anonymisation des données sensibles avant l'indexation.
Q : L'anonymisation n'efface-t-elle pas du contenu utile du dossier ?
R : L'anonymisation ne vise que les 13 catégories sensibles — numéros de pièce d'identité, numéros de compte, détails de dossiers non divulgués. Le corps sémantique reste intact, donc la recherche n'en souffre pas.
Q : En quoi cela diffère-t-il d'un grand modèle en cloud public ?
R : La différence centrale tient aux données qui restent dans votre réseau, à une gouvernance entre vos mains et à une gestion plus maîtrisée des PII dont fourmille le travail juridique.
Q : Une base de connaissances existante peut-elle être intégrée en douceur ?
R : En général. Les fichiers existants, une fois compressés et anonymisés, rejoignent le RAG privé sans repartir de zéro.