Document de référence
Charte scientifique
Comment Korpus construit, vérifie et publie de la doctrine juridique sans hallucination — méthodologie, engagements et limites assumées.
Dernière mise à jour : 13 mai 2026 · sommaire ↓
I. Trois engagements fondamentaux
Korpus est une plateforme juridique scientifique qui produit de la doctrine premium sur les juridictions française, européenne, luxembourgeoise et andorrane. Notre travail repose sur trois engagements non-négociables.
Vérité avant volume
Aucune affirmation factuelle n'est publiée sans pouvoir être tracée jusqu'à une source primaire vérifiable. Le volume du corpus n'est jamais un argument pour assouplir cette règle.
Traçabilité de bout en bout
De la jurisprudence ingérée jusqu'à la citation publique, chaque transformation est logguée, datée, et vérifiable. Aucune étape opaque dans le pipeline.
Transparence sur les limites
Quand un risque est détecté ou qu'une garantie ne peut être tenue, Korpus l'affiche explicitement (badges d'intégrité, score de groundedness, mention « article auto-généré »). Pas de masquage du doute.
II. Le pipeline de production en 7 étapes
Chaque commentaire d'arrêt, fiche ou article publié sur Korpus a traversé sept étapes distinctes, chacune vérifiable et logguée.
Ingestion
Récupération de la décision ou du texte depuis sa source officielle (Légifrance, EUR-Lex, JuriCAF, HAL CNRS). SHA-256 calculé pour la déduplication. Aucune réécriture du texte source.
Anonymisation
Extraction et anonymisation des données personnelles (parties physiques, adresses) selon le standard de la Cour de cassation. Conservé : magistrats, avocats aux Conseils, juridictions.
Chunking + embeddings
Découpage en passages sémantiques (512 tokens, overlap 50). Chaque chunk est encodé via voyage-law-2 (1024 dimensions, modèle juridique spécialisé) pour la recherche vectorielle.
Extraction structurée
Extraction des points de droit (headnotes), classification LKIF du type de règle (compétence, obligation, sanction, etc.), tagging EuroVoc des concepts juridiques, identification des textes visés et des décisions citées.
Génération RAG
Composition d'un commentaire d'arrêt par retrieval-augmented generation : récupération des chunks les plus pertinents (BM25 + vectoriel + RRF), assemblage d'un prompt avec contexte, génération par LLM avec citations [N] obligatoires.
Verification Layer
Extraction de chaque affirmation factuelle du contenu généré. Vérification par cosine similarity contre les chunks sources. Calcul du score de groundedness 0-1. Seuil ≥ 0.85 exigé pour publication automatique.
Enrichissement académique
Croisement de chaque footnote doctrinale avec Crossref (DOI), OpenAlex (h-index auteur), Semantic Scholar (TLDR). Calcul du tier d'autorité (Platinum/Gold/Silver/Bronze) qui pondère le ranking de recherche.
III. Comment nous éliminons les hallucinations
L'hallucination — l'invention d'une référence, d'une citation ou d'une règle inexistante — est le risque le plus grave en doctrine juridique. Korpus la combat à quatre niveaux complémentaires.
1. La règle d'or de la citation
Le pipeline n'enregistre une citation [N] qu'à la condition stricte qu'elle soit présente dans le texte généré. Toute footnote ajoutée par le LLM mais non référencée dans le corps est silencieusement éliminée. Réciproquement, aucune ancre [N] ne peut apparaître dans le corps sans correspondre à une source réelle dans le contexte fourni au LLM.
2. Le Verification Layer
Après génération, chaque phrase factuelle est extraite par un LLM secondaire (Claude Haiku 4.5) puis comparée par cosine similarity aux chunks sources. Le score de groundedness agrégé doit être ≥ 0.85 pour la publication automatique. Sous ce seuil, la décision est placée en file de revue manuelle et signalée par un badge orange visible sur la page article.
3. La typologie LKIF fermée
Les classifications (type de règle, niveau de juridiction, issue) sont contraintes à des enums LKIF Core stricts (19 valeurs maximum par dimension), validés à la fois par Zod côté applicatif et par CHECK constraints côté base de données. Aucune valeur libre n'est acceptée — ce qui interdit au LLM d'inventer une catégorie qui n'existe pas.
4. Le double rempart Crossref + OpenAlex
Toute référence doctrinale citée est croisée avec Crossref (résolution DOI sur 150M+ articles académiques) et OpenAlex (250M+ publications, graphe de citations). Si l'auteur ou la revue n'existent pas, la citation est marquée comme « non vérifiée » et signalée à l'utilisateur via le badge d'intégrité.
IV. Les 6 risques universels tracés
Chaque texte ingéré et chaque publication générée sont évalués sur six catégories de risques universels, propagées jusqu'à la citation finale et signalées à l'utilisateur via les badges d'intégrité.
Complétude du texte source (pas de troncature, pas de coupure mid-phrase).
Cohérence référence ↔ contenu (pas de renumérotation silencieuse, pas de réaffectation d'ECLI).
État juridique de la source (en vigueur, abrogée, supersédée, cassée).
Ancienneté de la donnée et signaux d'obsolescence (jurisprudence revirementée, doctrine antérieure à une réforme).
Détection des références internes orphelines (ancres [N] cassées, renvois circulaires).
Hiérarchie des sources respectée, distinction binding vs persuasive, signalement des arrêts de principe vs diffusés.
V. L'autorité scientifique mesurée
Quand Lexbase ou Doctrine.fr citent un auteur, ils mentionnent son nom. Korpus mesure son autorité scientifique réelle via le graphe de citations académique mondial — et la fait remonter dans le ranking de recherche.
Tiers d'autorité OpenAlex
Chaque auteur cité est crédité d'un h-index calculé par OpenAlex (nombre d'articles cités au moins h fois). Korpus dérive un tier de cet h-index :
- Platinum : h-index ≥ 25 — Référence majeure de la discipline (typiquement professeur universitaire titulaire, auteur de référence cité par la jurisprudence).
- Gold : h-index ≥ 12 — Auteur régulièrement cité, contributeur reconnu.
- Silver : h-index ≥ 5 — Auteur identifié, publications académiques validées.
- Bronze: h-index < 5 — Auteur émergent ou peu cité dans le graphe académique mondial.
Le ranking de recherche pondère les résultats par cette autorité réelle, jamais par simple BM25. Concrètement : une référence Pr. Dupont (Platinum, h-index 38) apparaîtra avant un preprint isolé (Bronze) à pertinence textuelle équivalente.
VI. Sources et référentiels mobilisés
Sources juridictionnelles primaires
- Légifrance (DILA) — Codes, jurisprudence française (Cour de cassation, Conseil d'État, cours d'appel).
- EUR-Lex — Législation européenne, jurisprudence CJUE et Tribunal UE.
- HUDOC (CEDH) — Jurisprudence de la Cour européenne des droits de l'homme.
- JuriCAF — Cours d'appel et juridictions du fond non publiées au Bulletin.
Sources doctrinales et académiques
- HAL CNRS — Doctrine francophone open access — preprints, articles et thèses des universités françaises (ingestion quotidienne).
- Crossref — 150M+ articles académiques avec DOI résolu — validation des références doctrinales sur revues internationales.
- OpenAlex — 250M+ publications avec graphe de citations + h-index — calcul de l'autorité scientifique de chaque auteur cité.
- Semantic Scholar — 200M+ papers avec TLDRs IA et recommandations sémantiques — enrichissement contextuel des sources doctrinales.
Référentiels taxonomiques
- EuroVoc — Thésaurus multilingue de l'Office des publications de l'Union européenne (~7 400 concepts).
- LKIF Core — Legal Knowledge Interchange Format — ontologie standard pour la classification des règles juridiques (~200 concepts).
VII. Statut éditorial des publications
Toutes les publications Korpus ne se valent pas. Le statut éditorial est explicite et visible sur chaque article.
Articles auto-générés
La majorité des publications Korpus sont générées automatiquement par notre pipeline RAG. Elles portent le badge « Korpus AI » et un score de groundedness visible (0–100). Elles doivent être lues comme un travail d'analyse assistée par IA, à valeur informative et de premier abord sur la décision commentée.
Articles révisés
Certains articles sont relus et validés par un juriste senior avant publication. Ils portent une mention explicite « Révisé par [nom]· [date] » et bénéficient d'une priorité éditoriale dans le ranking de recherche.
Statuts KeyCite-style
Chaque jurisprudence reçoit un statut KeyCite-style indiquant son traitement par la jurisprudence postérieure :
- Vert — Solution confirmée par la jurisprudence postérieure.
- Jaune — Solution distinguée dans certains cas particuliers.
- Orange — Solution critiquée par la doctrine ou la jurisprudence ultérieure.
- Rouge — Solution désavouée, cassée ou objet d'un revirement.
VIII. Limites assumées
Korpus n'est pas un substitut au conseil juridique professionnel. Trois limites doivent être explicitées sans détour.
Pas de conseil juridique
Aucun article Korpus ne constitue un conseil juridique applicable à une situation particulière. Les commentaires sont des analyses scientifiques générales, à utiliser comme outil de recherche et non comme avis professionnel.
Latence d'ingestion
Une décision rendue le jour J peut prendre quelques heures à quelques jours avant d'être ingérée et commentée. Pour les besoins critiques, consultez toujours la source officielle (Légifrance, Cour de cassation) en complément.
Couverture inégale
Notre couverture est exhaustive sur la jurisprudence publiée au Bulletin (FS-B+R) et la jurisprudence européenne CJUE/CEDH. Elle est partielle sur la jurisprudence diffusée (FS-D), les cours d'appel et les juridictions du fond. Chaque article indique sa source et la complétude de son traitement.
IX. Garanties LLM-readiness (12 critères additionnels)
En plus des 12 critères socle de qualité éditoriale (sources tracées, headnotes structurées, classification LKIF, citation Bluebook, etc.), chaque publication Korpus implémente 12 garanties supplémentaires conçues pour la consommation native par les LLM et les agents IA. Aucun autre éditeur juridique mondial ne fournit ces garanties à ce jour.
Chaque fiche expose son hash RFC 8785 (JSON canonical). Garantie d'intégrité cryptographique : un LLM peut prouver qu'il référence la version exacte non altérée.
Numéro de version semver immuable par publication. Permet à un LLM citant Korpus v1.2.3 de comparer avec v1.3.0 quand la jurisprudence évolue.
3 à 5 paires Q/R couvrant les usages probables des LLM, générées en accompagnement de chaque fiche, exposées en FAQPage Schema.org standard.
Chaque fiche déclare ce qu'elle couvre (kp:scope) ET ce qu'elle ne couvre PAS (kp:notCovered). Anti-extrapolation LLM : le lecteur machine sait où finit le périmètre.
Date de validité connue (kp:validUntil) pour chaque fiche. Permet à un LLM de savoir si la solution citée est toujours d'actualité au moment de l'usage.
Chaîne fait → règle → application → conclusion exposée en JSON-LD kp:reasoningChain. Un LLM peut suivre la logique du raisonnement juridique, pas juste citer un extrait.
Expérience, expertise, autoritativité, fiabilité publiées par fiche : auteur, organisation, date, méthodologie, sources, score de groundedness.
Bluebook (US), APA (sciences), ISO 690 (Europe), BibTeX (académique), Hayton (juridique FR/LU) — préformatés. Un LLM peut générer une citation correcte sans inventer le format.
search, get_decision, explain_legal_term, list_authorities, get_concept, get_relations, get_chronology, get_magistrate, get_authority, list_magistrates. Branchez Claude Desktop, Cursor ou tout client MCP.
Specification OpenAPI 3.1 publique sur /api/docs ; Dataset Schema.org sur /api/v1/dataset.json. Discovery automatique pour les crawlers IA et les agents.
Index simplifié et index étendu suivant la spec llms.txt. Permet aux LLM de consommer l'inventaire des concepts, autorités, magistrats et publications en un appel.
Export normalisé Akoma Ntoso (standard ONU OASIS, eu-AKN), permettant les comparaisons inter-juridictionnelles et l'interopérabilité avec les infrastructures gouvernementales.
Ces 12 garanties LLM-readiness sont vérifiées pour chaque publication via le dashboard de conformité interne (24 critères au total : 12 socle + 12 LLM-readiness). Aucune publication ne dépasse le status « pending review » sans cocher l'intégralité des 24 critères, ou bénéficier d'une dérogation explicite documentée par l'éditeur.
X. Gouvernance et révision de la charte
La présente charte est un document vivant. Elle est révisée à chaque modification substantielle du pipeline ou de la méthodologie. Toutes les versions sont versionnées dans notre dépôt public.
Pour signaler une erreur factuelle dans un article, contester une citation, ou proposer une amélioration de la charte : contact@korpus.lu.
Le code source de Korpus est ouvert et consultable. La méthodologie décrite ici reflète exactement le code en production — toute divergence constituerait un bug à corriger.
Pour aller plus loin
- Documentation API publique — accès programmatique au corpus.
- llms.txt — manifeste pour les LLM crawlers.
- Code source sur GitHub — implémentation complète du pipeline décrit ci-dessus.