Contr'Act

Page Projet

Contr'Act

Inspiration

En discutant avec des amis entrepreneurs et freelances, on a constaté un problème récurrent : la plupart signent des contrats sans vraiment comprendre ce qu'ils engagent. Un ami développeur freelance s'est retrouvé coincé dans une clause de non-concurrence qui l'empêchait de travailler pour d'autres clients pendant 2 ans. Une connaissance dans le e-commerce a découvert après signature qu'elle devait payer des pénalités disproportionnées en cas de retard de livraison. Ces situations auraient pu être évitées avec une simple lecture attentive, mais qui a le temps de décortiquer 30 pages de jargon juridique ?

Le recours à un avocat coûte facilement 300-500€ par contrat, un investissement impossible à justifier pour chaque document, surtout pour les petites structures. On a réalisé qu'il manquait un outil accessible offrant une première ligne de défense : un assistant capable d'identifier rapidement les points à risque avant de signer. C'est ainsi qu'est né Contr'Act.

What it does

Contr'Act est une plateforme web d'analyse contractuelle automatisée qui exploite l'intelligence artificielle pour détecter les clauses potentiellement problématiques dans les contrats. Le fonctionnement est simple : l'utilisateur télécharge son contrat au format PDF, et en quelques secondes, l'application génère une analyse complète comprenant :

Un score de risque global sur 100 qui évalue le niveau de danger du contrat La détection et localisation précise des clauses problématiques dans le document Un résumé structuré des points clés à retenir Une recommandation d'action claire : signer en l'état, négocier certaines clauses, ou refuser le contrat

Pour faciliter la gestion de multiples contrats, on a développé une interface Kanban permettant de classer visuellement les documents selon leur statut : "À analyser", "À signer", "À négocier" et "À refuser". Cette vue d'ensemble permet de gérer efficacement son portefeuille contractuel. Le modèle économique propose trois formules :

Gratuit : 3 analyses par mois pour découvrir le service Standard (11,99€/mois) : 50 analyses avec export PDF des rapports Premium (29,99€/mois) : analyses illimitées avec accompagnement personnalisé

How we built it

On a construit Contr'Act principalement avec Lovable, une plateforme no-code/low-code qui nous a permis de nous concentrer sur la logique métier plutôt que sur l'infrastructure technique. Cette approche nous a fait gagner un temps considérable en automatisant la configuration du frontend et du backend. Stack technique générée par Lovable :

Frontend : React 18 avec TypeScript pour garantir un code robuste et typé Build tool : Vite pour des performances optimales en développement et production Styling : Tailwind CSS couplé à shadcn/ui pour un design system cohérent et des composants réutilisables Backend : Supabase (PostgreSQL) pour l'authentification, le stockage des fichiers PDF et la persistance des données Sécurité : Row Level Security policies de PostgreSQL pour isoler les données de chaque utilisateur

Analyse contractuelle :

API Featherless pour accéder à des modèles de langage performants à moindre coût Edge functions Supabase en TypeScript pour orchestrer le workflow d'analyse :

Extraction du texte depuis le PDF uploadé Construction d'un prompt d'analyse détaillé Appel à l'API d'intelligence artificielle Parsing et structuration du résultat JSON Stockage de l'analyse dans la base de données

Déploiement : Lovable gère automatiquement l'hébergement et le déploiement continu, simplifiant considérablement la mise en production.

Challenges we ran into

Le projet a présenté plusieurs défis techniques et conceptuels majeurs.

Qualité de l'extraction de texte depuis les PDFs

Les contrats sont souvent des documents complexes avec des mises en page variées, des tableaux, des numérotations imbriquées. L'extraction brute du texte donnait parfois des résultats désordonnés où la structure logique du document était perdue. On a dû implémenter une logique de nettoyage et de réorganisation du texte extrait pour préserver la cohérence sémantique avant de l'envoyer au modèle d'IA.

Prompt engineering pour l'analyse juridique Concevoir un prompt efficace pour analyser des contrats s'est révélé être un véritable défi. Il fallait trouver le bon équilibre entre :

Donner suffisamment de contexte au modèle sur ce qu'est une "clause à risque" Demander un output structuré et facilement parsable en JSON Éviter les faux positifs (signaler des clauses standards comme dangereuses) Éviter les faux négatifs (manquer des clauses réellement problématiques)

On a itéré de nombreuses fois sur le prompt, en testant avec différents types de contrats (CDI, freelance, SaaS, location) pour affiner la détection.

Gestion des limites de tokens des modèles

Certains contrats dépassent 20 000 mots, ce qui pose problème avec les limites de contexte des modèles de langage. On a dû implémenter une stratégie de chunking intelligent pour découper les longs documents en sections cohérentes, les analyser séparément, puis agréger les résultats.

Performance et coût

L'analyse par IA a un coût par requête. Il fallait optimiser pour réduire les appels inutiles tout en maintenant la qualité. On a implémenté un système de cache pour éviter de réanalyser un document déjà traité et un système de crédits pour maîtriser les coûts d'utilisation.

Accomplishments that we're proud of

Interface utilisateur intuitive et professionnelle

On a réussi à créer une interface clean et moderne qui ne ressemble pas à un projet étudiant mais à une vraie application SaaS. Le tableau de bord Kanban rend la gestion de multiples contrats visuellement agréable et efficace. Les retours des premiers testeurs confirment que l'UX est un vrai point fort du projet.

Précision de l'analyse

Après de nombreux tests avec différents types de contrats, le modèle détecte correctement la majorité des clauses problématiques classiques : clauses de non-concurrence abusives, pénalités disproportionnées, clauses de résiliation unilatérales, transferts implicites de propriété intellectuelle. Le score de risque global offre une évaluation pertinente du danger contractuel.

Architecture évolutive

Grâce à l'utilisation de Supabase et de l'approche serverless avec les edge functions, l'application peut scaler facilement sans qu'on ait à gérer l'infrastructure. Le code est propre, typé avec TypeScript, et facile à maintenir.

Vitesse de développement

Utiliser Lovable nous a permis de passer d'une idée à un MVP fonctionnel en quelques jours seulement, ce qui aurait pris des semaines avec un développement traditionnel from scratch.

What we learned

L'importance du prompt engineering

On a découvert que la qualité d'une application IA repose énormément sur la qualité du prompt. Un mauvais prompt peut transformer un modèle puissant en outil inutile. On a appris à structurer nos prompts, à fournir des exemples (few-shot learning), et à demander des outputs dans un format précis pour faciliter le parsing.

Les limites et opportunités du no-code/low-code

Lovable nous a impressionnés par sa capacité à générer du code propre et maintenable. Mais on a aussi compris ses limites : pour des fonctionnalités très spécifiques ou des optimisations poussées, il faut parfois sortir du cadre de la plateforme et écrire du code custom. Le sweet spot est de combiner les deux approches.

L'importance de la validation utilisateur

On a fait tester l'application à plusieurs reprises et les retours ont radicalement changé certaines fonctionnalités. Par exemple, le système de scoring initial était trop binaire (risqué/pas risqué). Les utilisateurs voulaient plus de nuance, d'où le score sur 100 actuel.

Les aspects juridiques et éthiques de l'IA

Développer un outil d'analyse juridique soulève des questions de responsabilité. On a appris l'importance de bien communiquer que Contr'Act est un outil d'aide à la décision et non un substitut à un conseil juridique professionnel. La transparence sur les limites de l'outil est cruciale.

What's next for Contr'Act

Court terme (1-3 mois)

Système de notation collaborative : permettre aux utilisateurs de signaler si une clause détectée est effectivement problématique ou non, créant ainsi une boucle de feedback pour améliorer continuellement le modèle

Comparaison de versions : ajouter la possibilité de comparer deux versions d'un même contrat pour identifier rapidement les modifications entre itérations

Export amélioré : générer des rapports PDF plus détaillés avec des recommandations de reformulation pour les clauses problématiques

Moyen terme (3-6 mois)

Extension aux formats DOCX et ODT : ne plus se limiter aux PDF OCR pour documents scannés : analyser même les contrats qui ne sont disponibles qu'en version papier/image Assistant de négociation : fournir des suggestions concrètes de contre-propositions pour les clauses problématiques détectées Mode collaboratif : permettre le partage sécurisé de contrats avec des conseillers ou partenaires pour faciliter les discussions

Long terme (6-12 mois)

Fine-tuning sectoriel : entraîner des modèles spécialisés par secteur (tech, immobilier, consulting) pour améliorer la précision Internationalisation : adapter l'analyse aux corpus juridiques de différents pays européens (droit allemand, Common Law britannique) Intégration avec des outils métiers : connecter Contr'Act avec des CRM et outils de gestion de projet pour l'intégrer dans les workflows existants Base de connaissances : construire une bibliothèque de clauses types et de bonnes pratiques contractuelles

L'objectif final est de faire de Contr'Act l'assistant juridique de référence pour tous les professionnels qui signent des contrats sans avoir les moyens de consulter systématiquement un avocat.