ENTRY TYPE · definition

eDiscovery

By Marius Bughiu Last updated 2026-08-10 Legal Ops

L’eDiscovery (découverte électronique) est le processus qui consiste à identifier, préserver, collecter, traiter, examiner et produire des informations stockées électroniquement (ESI) en réponse à un contentieux, à une enquête réglementaire ou à une enquête interne. C’est le plus gros problème d’ingénierie de données du secteur juridique : une seule réponse à une demande élargie peut ingérer des dizaines de millions de documents, et un seul document privilégié qui passe entre les mailles devient un argument de renonciation au privilège.

L’eDiscovery n’est pas de la recherche juridique et ce n’est pas de la revue contractuelle. Les outils de recherche interrogent le droit publié ; l’eDiscovery interroge les boîtes mail, les canaux Slack et les partages de fichiers de votre propre entreprise. Les outils contractuels comme Ironclad lisent des documents que vous vous apprêtez à signer ; l’eDiscovery lit des documents que vous avez déjà envoyés. Ce n’est pas non plus un synonyme de legal hold : la conservation est une étape à l’intérieur de l’eDiscovery, pas le processus entier.

Le modèle EDRM

Le Electronic Discovery Reference Model (EDRM) est la carte du workflow qu’utilise le secteur. La version à neuf étapes est celle qui est en usage opérationnel et celle qu’il faut citer aujourd’hui dans un protocole ESI :

Étape	Ce qui se passe
1. Gouvernance de l’information	Avant contentieux : politiques de rétention, préparation aux conservations
2. Identification	Quels dépositaires et quelles sources de données entrent dans le périmètre ?
3. Préservation	Émettre les legal holds, geler la suppression
4. Collecte	Extraire les données des emails, partages, Slack, mobiles, apps cloud
5. Traitement	Dédupliquer, extraire les métadonnées, OCR, normaliser les formats
6. Revue	Les avocats, ou l’IA, marquent les documents comme pertinents, privilégiés ou clés
7. Analyse	Construire le récit de l’affaire à partir des documents examinés
8. Production	Remettre à la partie demanderesse les documents pertinents et non privilégiés
9. Présentation	Utiliser les documents produits en déposition ou à l’audience

EDRM a publié un projet d’EDRM 2.0 en consultation publique le 30 juin 2026, élaboré par environ 150 praticiens. La fenêtre de commentaires s’est refermée le 30 juillet 2026 et les trustees dépouillent les contributions avant publication finale : le tableau ci-dessus reste donc la référence, mais trois évolutions sont déjà visibles et méritent d’être anticipées.

La Gouvernance de l’information cesse d’être l’étape 1 et devient la couche fondatrice sous tout le cycle de vie. L’argument : les décisions de gouvernance prises des années avant une assignation déterminent chaque coût en aval.
Identification, Préservation, Collecte et Traitement sont regroupées en Acquisition de données, parce qu’elles s’exécutent désormais en parallèle et non en séquence.
La Disposition entre comme phase finale à part entière : ce que deviennent les données de l’affaire une fois celle-ci close, ce que le modèle à neuf étapes n’avait jamais nommé.

L’Analyse est elle aussi redessinée comme continue sur toutes les phases, au lieu d’une étape unique coincée entre revue et production.

La plupart des plateformes d’eDiscovery — Relativity, Everlaw, DISCO, Logikcull — couvrent de la collecte à la production. Les étapes des deux extrémités reviennent à Microsoft Purview, Google Vault ou à des outils de rétention dédiés, et c’est exactement l’angle mort qu’EDRM 2.0 ramène dans le cadre.

Pourquoi la revue est le centre de coût

L’étude Where the Money Goes de RAND, portant sur 57 productions à fort volume, a établi la répartition à 8 % du coût de production en collecte, 19 % en traitement et 73 % en revue. Elle date de 2012 et reste le chiffre cité dans les litiges d’honoraires, parce que rien depuis n’a changé la forme de ce rapport. Deux vagues d’automatisation ont visé cette même étape :

Technology Assisted Review (TAR). Codage prédictif depuis le début des années 2010. Un avocat senior entraîne un modèle sur un jeu d’amorçage, le modèle classe les documents restants par pertinence, et les moins bien classés reçoivent une revue allégée ou aucune. Admis par les tribunaux dans la plupart des juridictions américaines, avec quatorze ans de jurisprudence derrière lui.
Revue par IA générative. Depuis 2023, les LLM assurent le premier passage sur la pertinence et le privilège. C’est désormais un produit packagé, pas un pilote.

Le packaging diffère d’une manière qui change la décision d’achat. Relativity inclut aiR for Review, aiR for Privilege et aiR for Case Strategy dans l’abonnement RelativityOne sans supplément, aiR for Case Strategy étant passé au packaging standard le 1er juillet 2026. Everlaw scinde le compteur : les actions IA sur document unique et l’assistant de rédaction sont compris dans l’abonnement, tandis que les actions par lot sur un ensemble de documents consomment des crédits achetés, avec des plafonds de dépense par affaire. Aucun des deux ne publie de tarifs : ce sont des abonnements au Go, uniquement sur devis.

Le bundle supprime la budgétisation IA par affaire et rend l’économie invisible ; le compteur rend la dépense IA lisible par affaire et impose une prévision. Si vous êtes celui qui paie la facture, le compteur visible est le meilleur instrument. Si vous êtes celui qui projette un budget annuel sur des dizaines d’affaires, c’est le pire.

Le positionnement des spécialistes s’est resserré sur la même période. Thomson Reuters a retiré le produit autonome Casetext le 1er avril 2025 et a replié sa technologie dans CoCounsel, vendu comme recherche et rédaction, pas comme plateforme de revue. Reveal a continué d’investir dans Logikcull comme couche self-service, en y ajoutant en mars 2026 son outil d’IA générative ASK, la collecte Slack et Teams via Onna, et un hébergement dans l’UE.

Les tribunaux traitent-ils la revue par IA différemment du TAR ?

Non, et deux décisions du district nord de Californie de mi-2026 sont la raison d’arrêter de poser la question.

La revue par IA générative, c’est du TAR. Dans Schulte v. LinkedIn Corp. (N.D. Cal., n° 22-cv-00237-HSG, juin 2026), la magistrate Laurel Beeler a laissé LinkedIn filtrer en amont par termes de recherche avant de lancer Relativity aiR, et a rejeté la demande des plaignants portant sur des estimations d’elusion et des décomptes de relecteurs. Son cadrage : l’IA générative est un moteur prédictif de plus inséré dans le même workflow TAR, pas une espèce nouvelle exigeant ses propres règles. La discovery sur la discovery reste mal vue : une partie doit démontrer une carence précise dans la production, pas une théorie sur le processus qui l’a produite.

Si vous voulez de la transparence sur l’IA, négociez-la en amont dans le protocole ESI. James v. Cerebras Systems Inc. (N.D. Cal., n° 4:25-cv-09361-AMO) montre à quoi cela ressemble quand un tribunal l’ordonne. Le 7 juillet 2026, le magistrat Robert M. Illman a adopté une ordonnance ESI qui impose à chaque partie de divulguer l’identité, la version et l’environnement d’hébergement de chaque système d’IA utilisé, ainsi que les prompts, gabarits, jeux d’instructions et configurations de paramètres qui le pilotent, les modifications étant notifiées en redline sous trois jours ouvrés. La validation est fixée à un niveau de confiance de 95 % sur l’échantillonnage de l’ensemble nul, avec un taux d’elusion ne devant pas dépasser 3 %. La même ordonnance traite les fichiers liés séparément des familles documentaires — la partie demanderesse peut désigner jusqu’à 100 hyperliens pertinents, à produire sous 14 jours dans la version telle qu’envoyée — et exige les messages Slack et Teams en format cherchable avec le contexte conversationnel intact, regroupés par périodes de 24 heures.

Lues ensemble, les deux décisions disent la même chose depuis deux bouts opposés : les tribunaux ne surveilleront pas la revue par IA sur simple demande, et ils feront appliquer ce que vous avez écrit dans le protocole. Cela fait du protocole ESI négocié dans les premières semaines d’une affaire le document où la validation de l’IA est réellement chiffrée : un sujet Legal Ops, pas seulement un sujet de cabinet externe.

Quand une entreprise a-t-elle besoin d’un logiciel eDiscovery ?

Pour la plupart des entreprises : jamais. L’eDiscovery s’achète affaire par affaire via le cabinet externe, qui choisit la plateforme pour ce dossier. L’entreprise ne signe jamais de contrat avec Relativity ni Everlaw.

Les entreprises qui l’internalisent partagent deux signaux :

Un volume récurrent de contentieux ou de réglementaire. Services financiers, santé, grandes entreprises tech, prestataires publics. La cadence des dossiers justifie une équipe dédiée et un abonnement.
Des données qu’elles ne veulent pas voir sortir des murs. Certaines équipes internes assurent collecte et traitement en interne, puis remettent au cabinet un jeu déjà examiné.

Un troisième signal découle du packaging ci-dessus : quand la revue par IA est incluse dans l’abonnement de la plateforme, c’est le titulaire de l’abonnement qui capte l’économie. Une entreprise dont le volume de dossiers suffit à remplir un abonnement arbitre désormais entre capter cette économie elle-même et la payer dans le taux horaire du cabinet.

Pourquoi l’eDiscovery compte pour Legal Ops en général

La dépense eDiscovery du cabinet externe est souvent le premier poste d’un budget contentieux. Les outils de gestion des dépenses juridiques la suivent, et les honoraires alternatifs — revue plafonnée au document — la encadrent de plus en plus.
Les décisions de gouvernance prises en amont déterminent la facture en aval. Une politique de rétention Slack à 90 jours est une décision à plusieurs millions dès la prochaine enquête. C’est précisément pour cela qu’EDRM 2.0 déplace la Gouvernance de l’information de l’étape 1 vers la couche fondatrice.

Pièges fréquents

Traiter le protocole ESI comme une clause type. Schulte en est le prix : une fois que le protocole est muet sur la validation de l’IA, le tribunal n’écrira pas la clause à votre place après coup. Garde-fou : négociez la divulgation IA et les seuils de validation avant le début de la collecte, en prenant l’ordonnance Cerebras comme liste de contrôle — identité et version du système, prompts et jeux d’instructions, confiance de l’échantillonnage, plafond d’elusion.
Acheter de la revue IA au compteur par document sans demander comment un document est compté. Les pièces jointes longues sont découpées face aux limites de tokens, si bien qu’une annexe de 40 pages peut être facturée comme plusieurs documents. Garde-fou : obtenez par écrit la règle de comptage et un plafond par affaire dans le bon de commande, avant signature.
Faire la revue de privilège au même seuil de confiance que la pertinence. Une erreur sur la pertinence coûte une production complémentaire. Une erreur sur le privilège devient un contentieux de renonciation. Garde-fou : soumettez le privilège à son propre échantillon de validation, plus exigeant, et gardez un second passage humain sur tout ce que le modèle signale comme proche de la ligne. Le format de privilege log que vous acceptez détermine quelle part de ce travail restera vérifiable ensuite.
Collecter Slack et Teams en messages isolés. Privé du contexte du fil, un jeu de messages est inexploitable en revue et contestable en production. Garde-fou : collectez au niveau de la conversation avec la fenêtre environnante intacte — Cerebras retient le regroupement sur 24 heures comme plancher — et vérifiez que votre plateforme conserve les réactions emoji et les médias intégrés.