Présentation d'Astra for Law : OpenAI place un index de recherche juridique derrière GPT-6 Astra

Astra for Law a été annoncé le 17 septembre 2026 — une configuration de travail juridique construite sur GPT-6 Astra, le modèle phare que l'entreprise a livré deux semaines plus tôt, le 3 septembre. Ce n'est pas un nouveau modèle. Ce sont les mêmes poids derrière une autre porte d'entrée : un index de recherche juridique dédié, des instructions spécifiques au droit et une série d'outils destinés à la recherche jurisprudentielle aux États-Unis. Cette distinction importe plus que ne le suggère la présentation du lancement, car chaque chiffre de l'annonce mesure la configuration par rapport au modèle de base plutôt qu'une nouvelle capacité — et la configuration fait presque tout le travail.

L’allégation phare est qu’Astra for Law a réussi le contrôle global d’exactitude sur 54,0 % de 200 questions de recherche juridique américaines tirées de l’ensemble de validation privé du Legal Research Bench de Vals AI, contre 38,7 % pour GPT-6 Astra utilisant uniquement la recherche web — une amélioration relative de 40 %, à en croire OpenAI. Ce sont des chiffres déclarés par le fournisseur sur une partition privée, et aucun laboratoire indépendant ne les a reproduits. Ce qui est visible de façon indépendante est plus utile : la comparaison publique de Vals AI elle-même indique GPT-6 Astra à 39,42 % ±3,40 sur ce benchmark, ce qui constitue essentiellement la base de référence à laquelle OpenAI se compare. L’écart vient de l’index de recherche juridique et des instructions, non pas du fait que le modèle soit devenu un meilleur juriste.

Voici ce qui a été livré, ce qui a réellement été mesuré, et ce qui manque encore.

Ce qu’est réellement Astra for Law

Trois éléments ont été ajoutés par-dessus GPT-6 Astra, et aucun d'entre eux n'est une modification des poids. Lors d'un briefing média, Jason Boehmig — le cofondateur d'Ironclad qu'OpenAI a recruté en juin 2026 — et l'ingénieur Sherwin Wu ont décrit cette sortie comme une configuration d'instructions de domaine, de paramètres tels que la longueur des réponses, et d'outillage propre au secteur juridique qui devrait s'étoffer au fil du temps.

• Index de recherche juridique — une couche de récupération couvrant la jurisprudence, les lois, les règlements, les règles de procédure et les décisions administratives des États-Unis, soit plus de 230 millions d'URL, avec des sources ajoutées quotidiennement.

• Provenance du corpus — l'index s'appuie sur CourtListener, la bibliothèque maintenue par l'organisation à but non lucratif Free Law Project, qui, selon OpenAI, couvre plus de 99,9 % de la jurisprudence américaine publiée faisant autorité. Il vient compléter les contenus sous licence de fournisseurs tels que Thomson Reuters.

• Instructions juridiques — un ensemble d'instructions de domaine pour appliquer la recherche aux faits, développer des arguments ou des conditions de l'accord, et faire ressortir les faiblesses ou l'incertitude d'une position.

La démonstration présentée dans le briefing était concrète plutôt qu'abstraite : Wu a rédigé une requête en irrecevabilité pour un hôpital confronté à une action pour discrimination fondée sur le handicap et pour représailles, a planché sur une contestation d'actionnaire visant une cession d'actifs pendant un week-end de vacances, et a traité un litige portant sur un engagement de vente. Aucune de ces tâches ne constitue une nouvelle capacité pour un modèle de frontière. Ce qui est nouveau, c'est que la moitié du travail consacrée à la récupération d'informations ne passe plus par une recherche web généraliste.

Le benchmark, à lire attentivement.

Quatre chiffres sont issus du lancement, tous attribués à OpenAI, tous sur le même jeu de validation privé, et tous dignes d’être distingués les uns des autres :

• Exactitude globale — 54,0 % pour Astra for Law contre 38,7 % pour GPT-6 Astra avec recherche web, à l'effort de raisonnement le plus élevé.

• Cas de référence trouvés — 24 % de plus sur les questions axées sur la jurisprudence, là encore avec l’effort de raisonnement maximal.

• Passages pertinents récupérés — jusqu'à 54 % de plus à partir des bonnes décisions de justice, à effort de raisonnement identique à celui de la référence.

• Longueur de la réponse — en moyenne environ deux fois plus longue dans les paramètres de raisonnement testés.

Ce dernier chiffre est celui qu’il faut mettre en regard du premier. Une vérification d’exactitude globale qui récompense la couverture est plus facile à réussir avec une réponse plus longue, et une partie du gain de 15,3 points est vraisemblablement imputable au fait que la couche de récupération met simplement davantage de contenu devant le modèle. Ce n’est pas une critique du résultat — le fait de trouver 24 % de cas de référence en plus est une amélioration réelle, énoncée séparément — mais cela signifie que le score composite et les chiffres de récupération doivent être lus ensemble plutôt que le score composite seul.

Le problème de la partition privée est le plus gros. Un ensemble de validation qu’OpenAI détient et ne publie pas ne peut être réexécuté par personne, et le classement public du même benchmark raconte une histoire plus plate : la page de comparaison de Vals AI elle-même indique GPT-6 Astra à 39,42 % ±3,40 sur Legal Research Bench, avec Gemini 3.8 Flash à 38,94 % ±3,39. Ce qui a produit le bond à 54,0 % n’est pas visible sur le tableau public, car le tableau public évalue le modèle de base sans l’index juridique attaché.

Le rapprochement Legora, et le nombre qu'il contient

L'élément tiers le plus substantiel de la couverture du lancement est un test de flux de travail réalisé par Legora, dont l'ingénieur juridique Percevale Perks a effectué un rapprochement d'états financiers — en confrontant les chiffres des comptes provisoires à une balance générale, un état de consolidation et les comptes de l'exercice précédent. L'agent de Legora a mené ce rapprochement sur 41 documents en une seule exécution, en quelques minutes, en consignant chaque vérification et en produisant un relevé ligne par ligne pour examen. Il a détecté les quatre erreurs que Legora avait introduites dans les comptes, dont un écart de 500 000 £ dissimulé dans la note sur les revenus, a conservé toutes les vérifications que le modèle précédent avait réussies, et en a ajouté environ cinquante de plus.

C'est un résultat véritablement bon sur un ensemble de documents véritablement difficile. C'est aussi là que se cache le chiffre le plus utile de tout le cycle de lancement. Sur le Benchmark for Agentic Reasoning de Legora, qui couvre de véritables tâches juridiques de bout en bout, l'amélioration sur le flux de travail des états financiers était d'environ 40 % — et l'amélioration moyenne sur l'ensemble des tâches BAR était d'environ 3 %. Les deux chiffres sont ceux de Legora, les deux décrivent le même modèle, et un seul des deux a circulé. Si vous évaluez cela pour un cabinet, le 3 % est le chiffre sur lequel planifier et le 40 % est le chiffre à espérer.

Des tests indépendants pointent vers un mode de défaillance différent

Deux évaluations indépendantes méritent d’être mises en regard des chiffres de lancement, avec la réserve que toutes deux portent sur un petit échantillon et proviennent d’une source unique.

HAQQ a testé GPT-6 Astra sur 41 questions juridiques réelles couvrant 20 domaines de pratique, avec un effort de raisonnement moyen. Astra s'est démarqué sur le fond juridique avec 17,63 sur 20 — avec moins d'un point d'avance. Il a coûté 0,2622 $ par réponse, soit environ onze fois le coût par réponse de GPT-5.6 Luna Pro pour moins d'un point de gain composite. L'analyse de HAQQ est lucide : l'avantage ne vient pas du fait que le modèle est plus intelligent, mais du fait qu'il cesse d'écrire. Le même test a révélé que faire passer l'effort de raisonnement de faible à élevé multipliait le coût par environ 1,5 et la latence par environ 1,8, tout en réduisant la qualité évaluée de 0,17 point — un levier de coût déguisé en levier de qualité, et une raison de figer le réglage de l'effort plutôt que de le laisser au maximum.

La conclusion qui devrait porter le plus loin n'a rien à voir avec le coût. Dans les juridictions hors États-Unis, les trois modèles testés ont tous cité la disposition correcte tout en déformant ce qu'elle dit. Astra était juridiquement correct sur 66,7 % de ces éléments ; Claude Opus 5 l'était sur 100 %. Un vérificateur de citations valide cette réponse, car la citation existe et c'est la bonne. Un client, non. C'est le mode de défaillance que l'index de recherche juridique est le moins à même de traiter, puisque l'index ne couvre que les États-Unis et que l'erreur tient à la lecture, non à la récupération.

Ce que vous pouvez réellement obtenir, et quand

Astra for Law n'est pas en disponibilité générale. L'accès débute via un nouveau programme Trusted Access destiné aux cabinets Am Law 200, fourni via ChatGPT et Codex. L'API est annoncée comme bientôt disponible sous l'identifiant de modèle gpt-6-astra-law, apparaissant dans le sélecteur de modèle sous le nom « GPT-6 Astra Law » ; Harvey et Legora sont cités comme clients de l'API qui s'appuieront sur celle-ci. Aucun prix pour la configuration juridique n'a été publié, ce qui constitue la plus grande question ouverte pour quiconque doit établir un budget autour de cette offre.

Trusted Access comporte deux conditions relatives aux données : la rétention zéro des données sur l’API, et l’exclusion par défaut de l’utilisation de ChatGPT Enterprise de tout examen humain. Interrogé lors du briefing sur les exceptions, Boehmig n’a pas affirmé que la politique était absolue : « C’est vraiment plus compliqué que cette seule phrase », a-t-il déclaré, en précisant que l’accord complet fait environ 30 pages, et en ajoutant qu’OpenAI est convaincu que ces 30 pages répondent au besoin. OpenAI affirme travailler avec Latham & Watkins sur les autorisations d’accès à l’information, les cloisonnements éthiques, les instructions des clients et la supervision du cabinet.

Le volet écosystème est plus important que le volet modèle : 26 plugins d’éditeurs, dont Thomson Reuters, Harvey, Legora, iManage, Relativity, Clio, Intapp et DeepJudge ; neuf plugins communautaires issus de groupes d’ingénierie juridique ; et 47 compétences personnalisées créées par des utilisateurs avancés du juridique. ChatGPT for Word a également atteint sa disponibilité générale pour la relecture, les modifications suggérées et les signalements de mise en forme. Des ingénieurs OpenAI déployés sur le terrain ont travaillé avec Sullivan & Cromwell sur un analyseur de contrats, Ropes & Gray sur la due diligence M&A, et Cooley sur GO Public.

Pour situer à quel point ce créneau est désormais encombré : Anthropic a lancé Claude for Legal en mai 2026, trois mois avant qu’Astra for Law n’existe.

Les risques qu’aucun benchmark sur cette page ne capture

Rien dans les documents de lancement n’aborde les deux questions de gouvernance qu’un directeur juridique de cabinet posera en premier. En septembre 2026, aucune certification SOC 2, ISO ou HIPAA n’avait été publiée pour GPT-6 Astra, et aucun détail publié n’existe sur le cloisonnement des données propre au cabinet, le déploiement local ou la résidence des données. Cette absence n’est pas la preuve d’un échec — elle signifie simplement que ces éléments ne sont pas documentés, ce qui est un problème différent, et un problème qu’il incombe au cabinet de résoudre avant que des documents protégés par le secret professionnel n’y soient intégrés.

Du côté de l'éthique, les règles opérationnelles sont l'ABA Model Rule 1.6 sur la confidentialité, qui régit ce qu'un cabinet peut partager avec un fournisseur tiers et peut exiger des divulgations mises à jour et un consentement éclairé, et la Rule 5.3 sur la supervision de l'assistance non-juridique, qui est là où atterrissent les résultats de l'IA. La raison pour laquelle les deux sont d'actualité plutôt que théoriques est Mata v. Avianca, où des avocats ont été sanctionnés pour avoir déposé des affaires inexistantes générées par l'IA. Un index de recherche juridique sur de vraies opinions rend cette défaillance spécifique moins probable. Cela ne la rend pas impossible, et cela ne fait rien contre la défaillance de mauvaise lecture de disposition documentée par HAQQ.

Si vous souhaitez développer à partir de cela avant l’ouverture de l’API

La position honnête aujourd'hui, c'est que gpt-6-astra-law n'est dans l'API de personne, y compris la nôtre — OpenAI a annoncé une sortie imminente sans donner de date. Ce qui est disponible, c'est le modèle de base : openai/gpt-6-astra est disponible sur OrcaRouter à 0 % de marge, ce qui signifie que le prix catalogue du fournisseur OpenAI est transmis tel quel, si bien qu'une modification du prix fournisseur sur ce modèle est répercutée le jour même. Une seule clé donne accès à plus de 200 modèles, avec un basculement automatique entre fournisseurs et un DSL de routage permettant de combiner plusieurs modèles en un seul appel.

La conséquence pratique pour une équipe d'ingénierie juridique, c'est un clivage. Tout ce qui, dans le flux de travail Astra for Law, ne dépend pas du Legal Search Index — rédiger à partir des faits que vous fournissez, restructurer un ensemble de clauses, mettre en forme selon le modèle du cabinet, générer une liste de contrôle de relecture —, vous pouvez le prototyper dès aujourd'hui sur le GPT-6 Astra de base, puis remplacer l'identifiant du modèle quand la variante juridique sera disponible, sans modifier votre intégration. Tout ce qui dépend de l'index, en revanche, vous ne pouvez pas le prototyper, car l'index est précisément la partie qui n'est pas encore en vente. Deux mises en garde qu'il vaut la peine d'énoncer clairement : une requête acheminée via un routeur n'est pas automatiquement couverte par l'approbation Zero Data Retention d'OpenAI, laquelle est accordée par organisation, de sorte qu'un cabinet qui a besoin de la ZDR devrait confirmer la couverture pour la route précise qu'il utilise ; et un routeur représente un saut supplémentaire dans le chemin des données, ce qui constitue un coût bien réel pour des documents couverts par le secret professionnel, même lorsqu'il vous apporte une redondance (failover).

Que regarder

Trois choses, par ordre de l'ampleur avec laquelle elles changeront la donne. La date de disponibilité de l'API pour gpt-6-astra-law, car c'est ce qui fait la différence entre un pilote et un produit. Le prix, car les 10 $ par million de tokens d'entrée et 50 $ par million de tokens de sortie du modèle de base s'accompagnent d'une réévaluation tarifaire pour contexte long au-delà de 272 000 tokens d'entrée, seuil que les ensembles de documents juridiques franchiront régulièrement — et si la configuration juridique est facturée avec une prime par rapport à cela, l'équation économique d'un rapprochement de 41 documents change de manière significative. Et une réexécution indépendante de ces 200 questions sur une partition contrôlée par quelqu'un d'autre. Tant que cela n'existe pas, 54,0 % est le chiffre d'OpenAI sur la configuration d'OpenAI, et l'affirmation défendable est la plus restreinte : un index de jurisprudence américaine associé à des instructions juridiques produit une récupération nettement meilleure que la recherche web générale sur des questions de recherche juridique aux États-Unis. Cette affirmation mérite d'être suivie d'effets. Le reste mérite qu'on attende.