Un cabinet d'avocats indexe 30 ans d'archives pour l'IA

Avant : 30 ans de fichiers binaires inaccessibles

Imaginez un cabinet de taille moyenne avec un disque partagé plein de dossiers remontant au début des années 1990. Des milliers de mémos, mémoires et avis — beaucoup en Corel WordPerfect (.wpd). Les nouveaux collaborateurs ne pouvaient pas les rechercher ; même retrouver « cette affaire d'indemnisation qu'on avait en 98 » signifiait ouvrir les dossiers un par un ou espérer que quelqu'un se souvienne du nom du fichier. Le savoir était là, mais indexer des archives juridiques pour la recherche — et encore moins pour l'IA — était impossible tant que tout restait en WPD binaire.

L'objectif : un historique de dossiers consultable et un LLM privé

Le cabinet voulait un assistant LLM/RAG privé : poser une question en langage naturel et obtenir des réponses fondées sur ses propres précédents et son propre travail. Cela signifiait convertir WPD en un format texte (Markdown ou TXT), puis découper, encoder et charger dans une base vectorielle — tout sur site ou dans un environnement contrôlé. La première étape était le goulot d'étranglement : ils devaient traiter en masse des millions de mots sans envoyer de données confidentielles de clients dans le cloud.

Comment ils s'y sont pris : WPD Converter + export en masse

Ils ont pointé WPD Converter vers les dossiers anciens et tout exporté en Markdown (avec le TXT comme option pour l'ingestion la plus simple). La structure des dossiers a été préservée, si bien que les métadonnées de dossier et d'année sont restées intactes. La conversion s'est déroulée localement sur un seul poste de travail ; aucun document n'a quitté les locaux. La sortie est allée directement dans leur pipeline existant : découper par section, encoder avec leur modèle choisi, charger dans leur base vectorielle. En quelques jours, ils disposaient d'un historique de dossiers consultable couvrant trois décennies — prêt pour le RAG.

Après : des réponses instantanées d'un assistant IA à l'échelle du cabinet

L'« après » est la récompense. Avocats et personnel interrogent désormais l'assistant : « Qu'avons-nous plaidé dans Smith contre Jones sur la prescription ? » ou « Résume notre position sur les clauses d'arbitrage dans les contrats fournisseurs ». Le système récupère les passages pertinents des archives converties et le LLM répond avec des citations vers des documents internes. Indexer des archives juridiques n'a pas seulement rendu les anciens fichiers accessibles — cela les a transformés en colonne vertébrale d'une IA privée, propre au cabinet. Pas de conversion cloud, pas de fuite de données ; juste une conversion locale suivie de leur propre pipeline RAG.

À retenir

Cette étude de cas d'un cabinet d'avocats (hypothétique mais réaliste) montre le schéma : avant = archives binaires inaccessibles ; après = historique de dossiers consultable alimentant un LLM privé. Le facteur clé est la conversion locale et en masse de WPD vers du texte — pour indexer des décennies de travail sans jamais rien envoyer en ligne.