Comment la CGT compte utiliser l’IA pour défendre les travailleurs (sans tout casser)

La CGT et l’intelligence artificielle, voila un mariage qui aurait fait rire il y a cinq ans. Pourtant, le syndicat a officiellement intégré l’IA dans sa stratégie pour les trois prochaines années. Objectif : analyser des montagnes de textes juridiques, détecter les abus patronaux et mobiliser les troupes plus vite qu’un tweet de Xavier Bertrand.

Mais entre les promesses et la réalité, il y a un fossé. Parce que l’IA, c’est comme un militant surcaféiné : ça parle beaucoup, ça produit des trucs… mais est-ce que c’est vraiment utile ? On a creusé.

---

Contexte : pourquoi la CGT se met à l’IA (et pas que pour le buzz)

La CGT n’a pas soudainement décidé de devenir une startup de la French Tech. Derrière cette annonce, il y a une réalité simple : les syndicats sont noyés sous les documents.

• 1,2 million de pages de conventions collectives en France (selon le ministère du Travail).
• Des milliers d’accords d’entreprise à surveiller, avec des clauses qui changent tous les ans.
• Un droit du travail de plus en plus complexe, où les employeurs jouent avec les mots comme des avocats avec le code civil.

Résultat : les militants passent 80% de leur temps à décrypter des textes au lieu d’agir. L’IA, ici, c’est l’équivalent d’un stagiaire surdoué qui lit 10 000 pages par seconde. Sauf que le stagiaire, lui, ne demande pas de pause clope.

Le vrai problème : l’asymétrie d’information

Aujourd’hui, les grandes entreprises ont des armées de juristes et des outils d’analyse juridique (comme ceux qu’utilise Airbus pour protéger ses secrets). Les syndicats, eux, ont Excel et des bénévoles.

L’IA pourrait rééquilibrer la balance. En théorie.

---

Comment ça marche (ou comment on essaie de faire marcher)

La CGT ne va pas coder son propre LLM. Elle compte utiliser des outils existants, adaptés à ses besoins. Voici ce qu’on sait de leur approche :

1. L’analyse automatique des conventions collectives

Outil probable : Des modèles de type legal tech (comme ceux de Cohere pour les factures médicales, mais version droit du travail).

Fonctionnement :

• Un scraper récupère les textes officiels (Légifrance, accords d’entreprise).
• Un LLM finetuné (probablement un Mistral ou un modèle open-source) extrait les clauses clés : durées de préavis, primes, conditions de licenciement.
• Un système de alertes signale les écarts par rapport aux standards ou aux promesses patronales.

Exemple concret :

"Si une entreprise annonce une prime exceptionnelle de 1 000€ dans un communiqué interne, mais que l’accord d’entreprise précise qu’elle est soumise à 5 conditions impossibles à remplir, l’IA le repère et alerte les délégués."

Problème : Les LLMs hallucinent. Si le modèle invente une clause qui n’existe pas, bonjour le bordel en réunion.

2. Le chatbot militant (oui, vous avez bien lu)

Imaginez un Claude ou un Gemini dopé aux textes de Marx et aux accords de branche.

Cas d’usage :

• Un salarié upload une lettre de licenciement. Le chatbot lui dit si c’est légal ou pas.
• Un délégué syndical prépare une négociation. L’IA lui sort les arguments juridiques les plus solides.

Architecture probable :

• Frontend : Une interface simple (type Discord ou Slack).
• Backend : Un LLM connecté à une base de données juridique mise à jour en temps réel.
• Sécurité : Tout ça en local ou sur un cloud souverain, parce que faire fuiter les stratégies syndicales sur AWS, c’est mal.

Risque majeur : Si le chatbot se plante et conseille une grève illégale, la CGT se retrouve avec un procès au cul. "Désolé, c’est l’IA qui l’a dit" ne passera pas devant les prud’hommes.

3. La détection des "patterns" patronaux

L’idée : utiliser l’IA pour repérer les stratégies récurrentes des employeurs.

Exemple :

• Une entreprise change systématiquement les horaires la veille d’un pont.
• Un autre supprime les primes après un rachat.

L’IA pourrait croiser les données de centaines d’entreprises pour identifier ces tactiques et anticiper.

Technique :

• NLP pour analyser les mails internes (si les salariés les partagent).
• Machine learning pour détecter les corrélations entre décisions RH et résultats financiers.

Limite : Sans données massives, c’est comme chercher une aiguille dans une botte de foin… sans aimant.

---

Cas d’usage business : et si les entreprises faisaient pareil ?

La CGT n’est pas la seule à pouvoir jouer à ce jeu. Les entreprises pourraient très bien utiliser les mêmes outils… mais dans l’autre sens.

1. Le "syndicat virtuel" pour les RH

Imaginez un outil qui :

• Analyse en temps réel les revendications des salariés sur les réseaux internes.
• Prédit les risques de grève en croisant données RH et actualité sociale.
• Propose des contre-arguments juridiques aux délégués syndicaux.

Exemple : Une IA qui détecte qu’un mot-clé comme "licenciement abusif" explose sur le Slack interne, et qui alerte la DRH avant que ça ne dérape.

Outils existants :

• Box et son agent IA pour analyser les documents sensibles.
• Des solutions comme Leena AI ou Sapling pour le monitoring des conversations internes.

2. L’optimisation des accords d’entreprise

Aujourd’hui, les avocats d’entreprise passent des semaines à rédiger des accords. Avec l’IA, on peut :

• Générer des clauses types adaptées à la jurisprudence.
• Simuler l’impact d’un accord sur les coûts salariaux.
• Repérer les failles avant que les syndicats ne les exploitent.

Exemple : Une IA qui propose une formulation de prime "légale mais minimisant les coûts" en 5 minutes.

3. La contre-attaque anti-syndicale (oui, ça existe)

Certaines entreprises utilisent déjà l’IA pour :

• Identifier les meneurs dans les mouvements sociaux (via l’analyse des mails et messages).
• Cibler les communications pour diviser les salariés (ex : envoyer des mails personnalisés mettant en avant les désavantages d’une grève).

Éthique ? Discutable. Légal ? Ça dépend des pays. Efficace ? Malheureusement, oui.

---

APIs et outils disponibles : ce que la CGT pourrait (ou pas) utiliser

Si la CGT veut éviter de se faire arnaquer par des vendeurs de rêve, voici ce qui existe vraiment aujourd’hui :

Besoin	Outil/API	Coût	Limites
Analyse juridique	Cohere, Harvey AI	```math

| **Chatbot militant** | [Mistral AI](https://mistral.ai/) (open-source) |  | Risque d’hallucinations, besoin de finetuning lourd. |
| **Scraping légal** | [Scrapy](https://scrapy.org/) + [Légifrance API](https://www.legifrance.gouv.fr/) | Gratuit | Données parfois mal structurées. |
| **Détection de patterns** | [Palantir Gotham](https://www.palantir.com/) (oui, comme dans les films) | ```math

```$ | Réservé aux gros budgets. La CGT n’a pas ça. |
| **Traduction militant→juridique** | [DeepL](https://www.deepl.com/) + prompt engineering |  | Ça traduit, mais ça ne comprend pas le jargon syndical. |

**Le vrai défi** : Trouver des outils **open-source**, **souverains** et **adaptés au droit français**. Parce que payer 10 000€/mois à une startup américaine pour analyser les accords de la métallurgie, c’est un comble pour un syndicat qui critique le capitalisme.

---
## ROI et impact sur les équipes : est-ce que ça vaut le coup ?

### Pour la CGT :
✅ **Gain de temps** : Moins de militants éreintés à lire des textes obscurs.
✅ **Meilleure réactivité** : Détection rapide des abus.
✅ **Mobilisation facilitée** : Des arguments clairs pour convaincre les salariés.

❌ **Coût caché** : Finetuner un LLM, c’est cher. La CGT a-t-elle les moyens ?
❌ **Risque juridique** : Une erreur de l’IA = un procès.
❌ **Résistance interne** : *"On va se faire remplacer par des robots ?"*

### Pour les entreprises :
✅ **Anticipation des conflits** : Moins de grèves surprises.
✅ **Optimisation des coûts** : Accords mieux négociés.

❌ **Effet boomerang** : Si les salariés savent que Big Brother les surveille, la confiance s’effondre.
❌ **Course aux armements** : Syndicats vs entreprises, chacun avec son IA. Qui gagnera ?

---
## FAQ

**[La CGT va-t-elle remplacer ses militants par des IA ?]**
Non, et c’est même l’inverse. L’objectif est d’automatiser les tâches ingrates (lecture de textes juridiques) pour libérer du temps aux humains pour l’action militante. Comme un Excel dopé aux stéroïdes, mais en moins ennuyeux.

**[Une IA peut-elle vraiment comprendre les subtilités du droit du travail ?]**
Pas encore. Les LLMs sont forts pour repérer des motifs, mais ils ratent souvent le contexte. Exemple : une clause peut être légale techniquement, mais moralement discutable. L’IA ne fera pas la différence sans supervision humaine.

**[Quels sont les risques si l’IA se trompe dans une analyse juridique ?]**
Gros. Imaginez un chatbot qui conseille une grève illégale, ou qui rate une clause abusive dans un accord. Résultat : licenciements, procès, et une CGT qui perd en crédibilité. D’où l’importance de garder des juristes dans la boucle. L’IA, c’est un outil, pas un chef.