Système SaaS Agentique d’Assistance Juridique avec Architecture Local-First

Abstract

Belgian law firms face a structural tension between adopting artificial intelligence and meeting their confidentiality obligations : attorney-client privilege (Article 458 of the Belgian Penal Code) and the GDPR (EU 2016/679) prohibit sending client data to external cloud services. This final year project presents Lexio, an agentic legal assistance SaaS system designed under a local-first architecture, where all artificial intelligence models run entirely on-premises without any external data transmission. The system implements five specialized agents orchestrated asynchronously : an ingestion agent (format detection, Tesseract OCR, three-layer document classification using heuristics, regex patterns, and Mistral 7B fallback), a fact extraction agent (GLiNER for named entity recognition, Mistral 7B for structured extraction of 24 legal fact types, contradiction detection), a timeline agent (event classification, HIGH/MEDIUM/LOW confidence scoring, ±3-day deduplication, HARD/SOFT conflict detection), a legal research agent combining dense retrieval (pgvector + nomicembed- text, 768 dimensions), lexical search (PostgreSQL FTS), and a knowledge graph (Neo4j) within a trimodal hybrid RAG pipeline, and a drafting agent generating legal documents via Jinja2 templates with a mandatory human validation workflow (DRAFT !REVIEWED!APPROVED!FINAL). A sixth agent — a multi-agent courtroom simulator — is documented as a research perspective. Empirical evaluation on documents representative of Belgian law demonstrates the decisive contribution of the knowledge graph : a comparison of three retrieval pipeline variants shows that purely vector-based approaches systematically fail on client-specific questions, while the full hybrid variant with GraphRAG produces accurate, sourced answers. The evaluation also covers the three-layer classification cascade — including an authentic test forcing Mistral 7B fallback on a document designed to avoid all 35 patterns in layers 1 and 2 — scanned document processing via OCR (Tesseract confidence 0.92), validation of 14 extracted facts (78% HIGH confidence), and document generation with 9 out of 11 variables automatically filled. A cross-tenant isolation test empirically confirms data segregation between distinct tenants. Compliance with the five EU AI Act (Regulation EU 2024/1689) human oversight obligations is verified architecturally throughout the pipeline.***

Les cabinets d’avocats belges font face à une tension structurelle entre l’adoption de l’intelligence artificielle et leurs obligations de confidentialité : le secret professionnel (article 458 du Code pénal belge) et le RGPD (UE 2016/679) interdisent l’envoi de données client vers des services cloud externes. Ce projet de fin d’études présente Lexio, un système SaaS agentique d’assistance juridique conçu selon une architecture local-first, où l’ensemble des modèles d’intelligence artificielle s’exécute localement sans aucune transmission de données vers l’extérieur. Le système implémente cinq agents spécialisés orchestrés de façon asynchrone : un agent d’ingestion (détection de format, OCR Tesseract, classification documentaire à trois couches par heuristiques, patterns regex et fallback Mistral 7B), un agent d’extraction de faits (GLiNER pour la reconnaissance d’entités nommées, Mistral 7B pour l’extraction structurée de 24 types de faits juridiques, détection de contradictions), un agent de chronologie (classification d’événements, scoring de confiance HIGH/MEDIUM/LOW, déduplication à ±3 jours, détection de conflits HARD/SOFT), un agent de recherche juridique combinant recherche dense (pgvector + nomic-embed-text, 768 dimensions), recherche lexicale (PostgreSQL FTS) et graphe de connaissances (Neo4j) au sein d’un pipeline RAG hybride trimodal, et un agent de rédaction générant des documents juridiques via des templates Jinja2 avec workflow de validation humaine obligatoire (DRAFT ! REVIEWED ! APPROVED ! FINAL). Un sixième agent — simulateur de salle d’audience multi-agents — est documenté comme perspective de recherche. L’évaluation empirique sur des documents représentatifs du droit belge démontre l’apport déterminant du graphe de connaissances : une comparaison de trois variantes du pipeline de recherche montre que les approches purement vectorielles échouent systématiquement sur les questions spécifiques à un dossier client, tandis que la variante hybride complète avec GraphRAG produit des réponses exactes et sourcées. L’évaluation couvre également la cascade de classification à trois couches — dont un test authentique forçant le déclenchement du fallback Mistral 7B sur un document conçu pour éviter les 35 patterns des couches 1 et 2 — le traitement de documents scannés par OCR (confiance Tesseract 0.92), la validation de 14 faits extraits (78% de confiance HIGH) et la génération de documents avec 9 variables auto-remplies sur 11. Un testd’isolation inter-cabinet confirme empiriquement l’étanchéité des données entre tenants distincts. La conformité aux cinq obligations de supervision humaine de l’EU AI Act (Règlement UE 2024/1689) est vérifiée architecturalement dans le pipeline