JurisPortail — recherche sémantique du droit marocain

Problème

• Les textes juridiques marocains sont publiés en ligne sous forme de PDF, ce qui limite la recherche à la correspondance de mots-clés.
• Cette approche ignore le contexte et la formulation du langage juridique et ralentit l'accès au bon article pour les professionnels, les chercheurs et les citoyens.

Mon rôle

• Auteur unique du mémoire : extraction des données, prétraitement, modèles de recherche, évaluation et conception de l'application mobile.

Contraintes

• Pas de grand jeu de paires requête–article annotées, ce qui exclut un fine-tuning supervisé.
• Structure hétérogène des PDF sources ; les documents contenant des tableaux ont été écartés pour fiabiliser l'extraction.
• Vocabulaire juridique français, où le terme exact et son contexte comptent tous deux.

Architecture et approche

• Extraction semi-automatisée de 4 048 articles issus de six codes, dont le Code de commerce, le Code du travail, le Code pénal et le Code des obligations et des contrats.
• Pipeline de prétraitement du français (tokenisation, suppression de la ponctuation et des mots vides, lemmatisation, nettoyage des accents) réduisant le volume de tokens d'environ moitié.
• Trois approches de recherche : BM25 et deux variantes (BM25L, BM25+), TF-IDF avec indexation sémantique latente, et une approche hybride combinant BM25+ et TF-IDF/LSI.
• Recommandations d'articles similaires à partir d'embeddings Sentence-CamemBERT indexés avec ANNOY (plus proches voisins approximatifs).
• Une application React Native sur un backend Laravel pour la recherche, les articles similaires et le signalement de pertinence.

Choix clés

• Modèles lexicaux et sémantiques latents plutôt que des transformers fine-tunés pour la recherche, car ils ne nécessitent pas de paires annotées.
• Embeddings de transformers réservés aux recommandations, où la similarité globale entre articles compte davantage que les termes exacts.
• Évaluation combinant Recall@8 et précision moyenne (mAP) avec l'avis d'une experte juridique et le signalement de pertinence par dix utilisateurs tests.

Résultats

• Sur le jeu d'évaluation du mémoire, l'approche hybride obtient le meilleur Recall@8 (0,92) et BM25+ la meilleure précision moyenne (0,70).
• L'experte a validé BM25, BM25+, TF-IDF/LSI et le modèle de recommandation, et écarté BM25L.
• Il s'agit de résultats de recherche hors ligne, non de chiffres d'usage en production.

Technologies

Documents

• Mémoire de master (PDF)

Projets liés

• JurisPortail : moteur de recherche juridique sémantique — Digitlift
• JurisPortail : application mobile — Digitlift