Etudiant : SAGHIR HIBA

Filière : Master Big Data Analytics & Smart Systems (BDSaS)

Encadrant : Pr. LOQMAN CHAKIR

Annèe : 2025

Résumé : La prédiction de jugement juridique (Legal Judgment Prediction, LJP) est une tâche centrale de l’intelligence artificielle juridique, visant à prédire automatiquement les résultats de jugement (articles de loi, accusations, peines) à partir des descriptions factuelles des affaires. Contrairement à une vision simpliste de la LJP comme un problème de classification directe, le processus décisionnel réel des juges s’appuie sur un raisonnement séquentiel et dépendant, où l’identification des articles de loi guide la qualification des accusations, puis la détermination des peines. Dans ce projet, nous étudions et mettons en œuvre deux cadres innovants de prédiction de jugement : NeurJudge, qui intègre les circonstances des faits pour refléter le raisonnement judiciaire granulaire, et HD-LJP, qui modélise explicitement les dépendances hiérarchiques et topologiques entre les sous-tâches de jugement. Ces approches permettent de mieux simuler le processus judiciaire réel en utilisant l’apprentissage profond et le multi-task learning, tout en intégrant les textes juridiques standards dans les prédictions. Les expérimentations sur le dataset CAIL-2018 démontrent une amélioration des performances, ouvrant des perspectives pour l’adaptation aux textes juridiques marocains et l’intégration des modèles de langage de grande taille (LLMs) pour renforcer l’explicabilité et l’efficacité des systèmes d’assistance judiciaire intelligents.