Contexte et motivation

Le texte du Code des États‑Unis, hors titres adoptés comme loi positive, n’est qu’une preuve prima facie ; les Statutes at Large priment en cas de divergence. Cette architecture fragmentée oblige les juristes à fouiller des notes d’amendement et des dates d’effet souvent séparées, alors que les modèles de langage, qui alimentent aujourd’hui la recherche juridique, ne disposent d’aucune ligne de suivi temporel fiable. L’article propose d’appliquer le principe de git – pointage d’une ligne, historique complet, auteur et date – pour rendre chaque disposition du Code consultable à n’importe quel instant.

Méthodologie de reconstruction du texte législatif

Les auteurs ont comparé chaque paire de « release points » du Code depuis 2017. Entre deux points, ils ont extrait les lois publiques publiées, appliqué les instructions d’amendement dans l’ordre chronologique, puis confronté le résultat au texte officiel du point suivant. Sur 365 changements couvrant neuf titres, 361 (98,9 %) ont été reproduits à l’identique, les quatre écarts restant partiellement vérifiables. La répartition des dates d’effet montre que 261 changements sont entrés en vigueur à la promulgation, 72 grâce à une note de date d’effet et 29 via une date inscrite dans l’amendement même, illustrant la complexité du suivi temporel.

Un exemple concret concerne la définition du débiteur « small business » (11 USC § 1182(1)). Créée en 2019, la limite a été portée à 7,5 M$ par le CARES Act en mars 2020, prolongée jusqu’en mars 2022, puis rétablie le 21 juin 2022 pour deux ans, expirée en juin 2024 et ajustée à 3 424 000 $ en avril 2025. Selon le point de publication, le texte affiché diffère, ce qui justifie la nécessité d’un historique consultable.

Analyse des performances et limites

Le système permet à l’utilisateur de choisir une date et d’obtenir le texte en vigueur, les modifications étant colorées par loi d’origine. Les définitions modifiées affichent toutes les dispositions qui les utilisent, offrant ainsi une vue d’ensemble des effets en chaîne. Cependant, la plateforme ne signale pas encore les rétro‑effets d’une loi postérieure sur les dates antérieures, comme le cas du « gap » de 2022 où la limite inférieure apparaît sans avertissement. De plus, la reconnaissance des notes d’effet repose sur des motifs de texte ; les formulations atypiques sont traitées comme des entrées à la date de promulgation, ce qui peut introduire des imprécisions.

Implications pour les modèles de langage

Des études de l’Université technique de Munich (2026) ont montré que les LLM échouent à respecter la validité temporelle : 24 % de réponses post‑cutoff correctes, contre 87 % lorsqu’on leur fournit le texte pertinent. Même avec un texte presque identique (93‑99 % de similarité), seuls 50 % des amendements simples et 20 % des chaînes d’amendements sont reproduits exactement, générant des erreurs juridiques majeures. En intégrant un historique git‑like, les agents de recherche peuvent récupérer le texte exact à la date demandée, réduisant ainsi les incohérences temporelles et améliorant la fiabilité des réponses juridiques automatisées.