CAIJ: Extraction de Domaines et Sous-Domaines de Droit

CAIJ: Extraction de Domaines et Sous-Domaines de Droit
Principales activités du partenaire :
Le Centre d’accès à l’information juridique (CAIJ) cherche à renforcer ses capacités d’indexation et de classification automatique des jugements. L’objectif de ce projet est d’extraire, à partir du texte intégral des jugements, les domaines de droit (ex. : Famille, Fiscal, Administratif) et leurs sous-domaines (ex. : Pension alimentaire, Patrimoine familial, Divorce, etc.). Le stagiaire travaillera sous la supervision du Lead IA. Il bénéficiera d’un accès aux ressources GPU, corpus annoté, documentation d’indexation, il y aura un suivi hebdomadaire et des réunions de partage des bonnes pratiques dans un environnement hybride propice à l’innovation en IA juridique.
Problématique et avantages escomptés du projet :
Le CAIJ possède aujourd’hui plus de 4 millions de décisions (fédérales, provinciales et administratives). Pour offrir une recherche toujours plus fine, nous devons rattacher chaque jugement à notre taxonomie interne, une arborescence d’une cinquantaine de domaines et ~150 sous-domaines (ex. Droit de la famille ? Garde et droits d’accès). Jusqu’ici, ce travail d’indexation pour les jugements est inexistant puisque le volume croissant des décisions (˜ 10 000 nouvelles par mois) est ingérable manuellement. Ce projet appelle une solution scalable et robuste. Il est à noter que c’est un projet de classification multi-classe hiérarchique, puisqu’un jugement peut avoir plusieurs domaines et sous-domaines de droit. Les pistes de solutions et leurs retombées sont :
– explorer les solutions NLP et LLM pour identifier automatiquement les domaines et sous-domaines juridiques dans les jugements;
– expérimenter tant des approches non-supervisées (prompts, heuristiques, clustering) que supervisées (modèles hiérarchiques entraînés sur nos annotations);
– valider les résultats via des métriques (précision, rappel, F1) et communiquer les progrès lors de points réguliers;
– assembler puis documenter un pipeline reproductible et former l’équipe interne à son utilisation.

Faculty Supervisor:

Christian Gagné;Luc Lamontagne

Student:

Partner:

Centre d'accès à l'information juridique

Discipline:

Computer science

Sector:

Technology; Information and Communications Technology (ICT); Artificial Intelligence

University:

Université Laval

Program: