NOTRE TECHNOLOGIE
Notre application utilise une interface rapide et intuitive qui permet à l’utilisateur de renseigner les paramètres avec des choix guidés, de relancer en temps réel de nouvelles simulations, et d’enregistrer les résultats dans un fichier exportable. La solution déployée est aujourd’hui accessible depuis le site internet de LEGAL QUANTUM, et sa version API est en cours de réalisation pour une intégration facilitée à d’autres systèmes experts.
Notre solution est le fruit de quatre années de recherche et développement par un avocat expert en rupture de contrat de travail et une équipe de data scientists dirigée par une ingénieure mathématicienne experte en modélisation.
Les principaux éléments techniques sont les suivants :
Notre IA est issue de la modélisation d’une expertise métier reconnue.
Elle utilise les algorithmes d’apprentissage supervisé les plus performants et optimisés pour ce type de tâches.
Nous entraînons nos modèles sur des jeux de données restreints, aléatoires et uniquement apportés par nos partenaires avocats, car notre technologie impose de privilégier la qualité et la richesse de la donnée sur sa quantité, permettant au passage d’utiliser des modèles vertueux en termes de développement durable.
Les variables explicatives sont un mix de variables qualitatives ordinales et quantitatives.
Les procédures utilisées sont itératives, c’est à dire que nous procédons à des retraitements pour optimiser le modèle appris, en minimisant une fonction de coût qui ajuste les paramètres de la fonction de prédiction, et vérifie que les hypothèses considérées collent à la réalité et à notre théorie juridique.
le modèle est parfaitement interprétable et explicable par le juriste.
La fiabilité aujourd’hui très satisfaisante, peut-être encore améliorée au moyen de jeux de données plus importants, ce qui est prévu pour la version V2.
La fonction de prédiction n’est pas linéaire et le modèle utilisé est probabiliste. Les hypothèses formulées pour le construire sont vérifiées dans la pratique.
Nous travaillons actuellement à une option permettant à l’utilisateur de pouvoir vérifier par lui même la fiabilité du modèle en la mesurant sur une liste de 10 dossiers jugés, par rapport aux 3 métriques suivantes :
– Erreur quadratique moyenne entre les valeurs estimées du modèle et les DI réellement obtenus,
– Probabilité de se trouver dans un intervalle donné, vérifiée,
– Taille moyenne de la fourchette d’indemnisation au seuil critique alpha.