Aperçu
L'industrie de la découverte électronique emploie souvent les avantages de l'examen assisté par la technologie (EAT) et d'autres méthodes d'analyse de documents pour répondre aux besoins de la découverte de documents. L'application typique de ces innovations varie des documents auto-codés pour des cas spécifiques à l'agrégation des concepts et l'identification approximative. Lorsqu'elles sont utilisées en conjonction avec l'assistance de conseillers fiables et l'utilisation des bonnes pratiques de l'industrie, ces technologies ont permis aux équipes juridiques de réduire efficacement les coûts des examens de documents.
Cet article porte sur les avantages de l'apprentissage actif continu (AAC), qui est une forme rentable, rapide et flexible de l'EAT. L'AAC permet aux enquêteurs et aux avocats d'identifier les documents les plus pertinents au début de l'examen de manière à mettre en place une stratégie juridique plus efficace.
L'analyse prévisionnelle ou l'EAT présente de nombreux types et méthodes d'application. Dans toutes les méthodes d'application, le recours à l'EAT implique l'utilisation de statistiques pour montrer que le document compris dans un ensemble type est représentatif des documents soumis à l'examen. Il révèle également que certaines caractéristiques des documents types peuvent être utilisées pour identifier des documents similaires dans le reste de l'ensemble examiné.
Mesurer l'efficacité et le niveau de fiabilité statistique du modèle EAT se résume souvent à deux valeurs descriptives :
Cette technique permet de limiter le nombre de documents nécessitant un examen par les humains et d'obtenir une base statistique qui peut être contrôlée et textée pour exclure une partie des documents de l'examen.
Souvent, l'élaboration d'un modèle EAT traditionnel peut être longue, répétitive et complexe lorsqu'il est urgent d'examiner les documents aussi tôt que possible afin de respecter les délais de production imposés par le tribunal, d'identifier les principaux documents liés à un litige donné et de s'assurer que les équipes d'examinateurs choisis pour l'examen des documents sont occupées dès qu'elles commencent à facturer leurs temps. Jusqu'à ce que le modèle EAT atteigne des niveaux de précision et de rappel satisfaisants, des échantillons supplémentaires ou si des formations sont utilisés afin d'améliorer l'efficacité statistique du modèle. En général, l'examen ne commencera pas jusqu'à ce que les documents identifiés par le modèle maintiennent un taux de rappel qui répond suffisamment aux besoins de l'équipe juridique chargée de l'examen.
En revanche, l'AAC est une forme d'EAT qui permet de commencer l'examen immédiatement en utilisant des mots-clés, des restrictions de date, une application de recherche de concepts et d'autres méthodes pour concentrer l'examen sur les questions essentielles sans attendre que des formations types sélectionnées au hasard soient examinées et testées par rapport à l'ensemble des documents. Cela permet de gagner des semaines de tests d'échantillons et de formations types avec des documents peu pertinents pour les dossiers à traiter.
L'AAC consiste à construire un modèle EAT dynamique qui tient compte de chaque décision prise par l'équipe d'examen sur les documents qui contiennent les informations les plus pertinentes selon l'équipe chargée du dossier. Les retours d'informations de l'examen continu des documents sont régulièrement intégrés dans le modèle d'AAC. En outre, l'AAC peut être utilisé pour prioriser les documents examinés, ce qui permet d'augmenter graduellement le nombre de documents pertinents et importants qu'un examinateur peut voir au cours du processus. Ce changement de procédure est essentiellement important pour les enquêtes ou les activités impliquant des problématiques présumées qui ne sont pas entièrement comprises par l'équipe d'examen juridique, car il améliore la vitesse à laquelle elle peut accéder aux documents importants du dossier. Le changement garantit également la flexibilité afin d'adapter les documents rassemblés pour l'examen aux nouvelles priorités accompagnant la collecte de nouvelles informations.
L'examen de documents avec recours à la force brute, ou examen linéaire de documents, s'est avéré être moins précis et inefficace par rapport aux modèles d'EAT. Néanmoins, il y a encore des cas où l'EAT n'est pas utilisé par une équipe juridique en raison de l'engagement temporel préalable (et parfois important) qu'implique le développement d'un modèle d'EAT traditionnel. La formation doit souvent être refaite, ce qui prend du temps dans les jours les plus importants d'une affaire. Le temps perdu dans ce processus peut être difficile à justifier pour les avocats, en particulier dans le cadre d'enquêtes ou de litiges complexes lorsque le temps est crucial durant les premières étapes critiques de l'examen.
L'identification et la manipulation de documents clés ayant un impact considérable sur la stratégie juridique d'un dossier ajoute une pression supplémentaire sur l'équipe d'examen pour accélérer l'examen des documents. Un document important peut impacter une série de décisions, de la déclaration sous serment de certains témoins aux décisions de règlement précoces. Les équipes juridiques pèsent souvent le temps et les coûts associés à l'utilisation de modèles d'EAT par rapport à la nécessité de commencer un examen plus rapidement. Elles utilisent des stratégies de tri des documents moins sophistiquées, comme l'application de mots clés et de concepts, le filtrage par date, etc. L'AAC modifie le calcul associé à ces décisions, car il combine les avantages d'un début d'examen immédiat avec ceux d'un modèle d'EAT qui limitera le nombre total de documents à examiner.
L'AAC optimise la vitesse et l'efficacité d'un examen de documents. Il empêche non seulement l'examen de plusieurs modèles de formation au début d'une affaire, nécessaire pour former sur un modèle d'EAT traditionnel, mais il peut également être utilisé pour augmenter régulièrement le nombre de documents pertinents qu'un examinateur peut voir dans chaque lot sélectionné pour un examen, ce qui est important pendant les premiers jours critiques d'une affaire. En améliorant régulièrement la précision de chaque lot qu'un examinateur sélectionne pour l'examen, le modèle met en évidence des documents pertinents au début de l'examen et offre à l'équipe juridique la possibilité d'agir et de prendre des décisions en fonction des documents identifiés au début de l'examen. Par ailleurs, le regroupement dynamique des documents de cette manière améliore l'efficacité de l'équipe chargée de l'examen des documents en présentant moins de documents sans réponse dans un lot d'examen. De plus, les modèles d'AAC ne sont pas limités aux décisions de pertinence. Ils peuvent être créés et utilisés dans les décisions concernant les documents utilisés pour classer les documents, notamment les problématiques de l'affaire, les notations de conformité, les signaux d'importance, etc.
Des enquêtes peuvent être considérablement utiles pour l'application des modèles d'AAC car elles permettent de trouver les documents les plus pertinents dès le début d'un examen. De même, l'examen des documents moins importants peut bénéficier de l'utilisation de l'AAC, car la formation initiale au modèle n'est pas nécessaire pour bénéficier des avantages d'un modèle d'EAT.
L'examen de documents peut être long et coûteux, et nécessiter un haut niveau de précision. L'utilisation de modèles d'EAT pour réduire les coûts de l'examen des documents en éliminant les grands lots de documents impertinents de l'examen en fait un composant important d'un examen de document efficace. L'AAC améliore l'application traditionnelle de l'EAT en éliminant le processus de formation type précoce et en permettant le déroulement de l'examen le plus rapidement possible. L'AAC peut également être appliqué à des cas moins importants afin d'améliorer la vitesse et l'efficacité associées aux examens de documents à petite échelle.
Lors du lancement de votre prochain examen de documents, choisissez un système d'examen de documents qui offre un AAC et un regroupement dynamique des ensembles d'examen, ainsi qu'une équipe de conseillers fiables pour vous guider tout au long du processus. Cela permettra non seulement à vos clients de bénéficier de coûts moins élevés pour l'examen des documents, mais l'analyse juridique pourra être améliorée grâce à un accès aux documents clés dès le début de l'examen.
Nous souhaitons remercier Stephen O'Malley pour les informations et l'expertise qu'il a apportées à la présente recherche.
Stephen O'Malley est directeur général principal et dirige les enquêtes numériques au sein du cabinet d'enquêtes internationales de J.S. Held. Il a participé à certaines des plus grandes enquêtes multinationales et a témoigné en tant qu'expert dans les domaines de l'analyse et de la restauration de données électroniques, des bonnes pratiques de la découverte électronique et du test de logiciels informatiques connexes. Il est un praticien expert de la preuve électronique et analyste de données. Stephen possède une grande expérience dans les enquêtes majeures sur la fraude et la corruption, y compris les enquêtes FCPA, le système de Ponzi, le ministère américain de la Justice et la SEC ; dans les litiges multi-juridictionnels ; dans la fourniture de preuves pour le soutien en cas de litiges ; et dans l'analyse avancée des données.
Stephen peut être contacté à l'adresse [e-mail protégé] ou au +1 718 510 5617.
Cet article passe en revue les risques inhérents qui pèsent sur la protection des données électroniques des clients et les plateformes basées dans le cloud résultant du travail à distance. Il explique également pourquoi il est important pour les utilisateurs...
Alors que nos vies et notre travail sont de plus en plus numérisés, il y a un chevauchement intrinsèque entre les programmes de confidentialité des données et de cybersécurité. Dans cet article, nous nous penchons sur la relation entre la confidentialité des données et la cyber…