evidoria

← Retour à la liste

Bonne pratique Importée

Le Système de Procès Assisté par IA de Shenzhen Augmente la Charge Judiciaire de 50 % — Une Étude Évaluée par des Pairs Signale un Risque de Biais dans les Peines

Chine · Shenzhen · Voir le profil de Chine

Preuves: Quasi expérimental Top 66% 53/100 · Demandez à Evidence Copilot à propos de cette pratique

Les tribunaux de Shenzhen ont déployé un LLM maison couvrant 85 procédures ; la charge par juge a augmenté de 50 % (495→744/an). Une étude d'Oxford sur 139 juges n'a constaté aucun effet sur les verdicts, mais des peines plus longues sous IA (13,83 contre 6,59 mois).

495 cases/judge/year
Charge annuelle moyenne de dossiers par juge avant le déploiement (2024)
744 cases/judge/year
Charge annuelle moyenne de dossiers par juge après le déploiement (2025)
50 %
Augmentation de la charge de dossiers
85
Procédures judiciaires couvertes par le système
139
Juges dans l'expérience contrôlée par vignettes
13.83 months
Durée moyenne de la peine, juges assistés par IA (vignette de test de biais)
6.59 months
Durée moyenne de la peine, juges non assistés (vignette de test de biais)
Le Système de Procès Assisté par IA de Shenzhen Augmente la Charge Judiciaire de 50 % — Une Étude Évaluée par des Pairs Signale un Risque de Biais dans les Peines

Détails

Maturité
En expansion
Promoteur
Shenzhen Intermediate People's Court
Période
2024–2025
Mots-clés
justice, courts, generative AI, judicial administration

Contexte

En juin 2024, le tribunal populaire intermédiaire de Shenzhen a lancé ce qu'il décrit comme le premier système de procès assisté par IA à grande échelle de la Chine continentale, un grand modèle de langage développé en interne et affiné sur environ deux mille milliards de caractères chinois de droit, de jugements et de doctrine juridique.

Objectifs

Le système a été conçu pour assister les juges dans l'ensemble du système judiciaire à deux niveaux de la ville en résumant les faits et les points litigieux des affaires, en générant des indications pour les audiences et en rédigeant le raisonnement du jugement à partir de la décision préliminaire du juge lui-même, couvrant 85 procédures en matière civile, administrative et pénale.

Activités

Les juges sont tenus de relire et de corriger chaque section rédigée par l'IA avant de valider ; des chercheurs ayant interrogé environ 20 juges et 5 développeurs techniques entre juillet et novembre 2024 ont combiné une observation de terrain avec une expérience contrôlée par vignettes portant sur 139 juges, publiée dans la Journal of Legal Analysis (Oxford University Press).

Résultats

Les chiffres publiés par le tribunal montrent que la charge annuelle moyenne de dossiers par juge est passée d'environ 495 affaires en 2024 à 744 en 2025 — soit une augmentation de 249 affaires (environ 50 %) et 261 de plus que la moyenne de la province du Guangdong. L'expérience par vignettes évaluée par les pairs n'a révélé aucun effet significatif de l'IA sur les verdicts pour une variable extralégale de test de biais, mais les juges assistés par IA ont prononcé des peines significativement plus longues envers un groupe d'accusés testé que les juges non assistés (13,83 contre 6,59 mois, p=.01).

Conclusions

Le vice-président du tribunal a déclaré que le déploiement « avait apporté une réponse pratique » sur l'utilisation de l'IA dans le travail judiciaire, et le système serait en cours d'extension à des tribunaux d'autres villes chinoises, mais les auteurs de l'étude décrivent le résultat sur la durée des peines comme un risque d'« amplification » d'un biais préexistant, avertissant qu'il pourrait aussi s'agir d'un résultat dû au hasard nécessitant des recherches supplémentaires ; le tribunal n'a pas révélé quelle part des jugements contient du contenu généré par IA.

Mise en œuvre

Coût indicatif
Élevé (500 k€–5 M€)
Délai jusqu’aux résultats
Moyen (1–3 ans)
Personnel et compétences
Shenzhen Intermediate People's Court (system developer and operator), Judges required to review and revise all AI-drafted content before sign-off, ~20 judges and 5 technical developers interviewed during the field study

Conditions de réussite

  • Large domestic legal-text corpus (~2 trillion characters) for model fine-tuning
  • Mandatory human sign-off on every AI-drafted section
  • Integration across the full two-tier court system

Modes d’échec courants

  • A peer-reviewed controlled study found AI-assisted judges gave significantly longer sentences in a bias-testing scenario (13.83 vs 6.59 months, p=.01), a documented bias-amplification risk
  • The court has not disclosed what share of judgments include AI-generated content, limiting independent scrutiny

Habituellement financé par

National / regional programmes

Pistes de financement indicatives pour des pratiques de ce type — vérifiez toujours les appels en cours et les règles d'éligibilité de chaque programme.

Vous portez cette pratique ? Revendiquez-la — les porteurs vérifiés obtiennent un contact public sur la page et peuvent proposer des corrections.

Sources de données

D'où proviennent les informations de cette pratique, et quand.

Pièces jointes

Pratiques similaires qui pourraient vous être utiles