DISCO est une société de technologie juridique cotée en bourse qui fournit une plate-forme de découverte électronique alimentée par l'IA qui exploite la technologie d'apprentissage actif et de traitement du langage naturel pour accélérer l'examen des documents contentieux et l'analyse des preuves.

DISCO

Paramètres et statistiques de base de DISCO

DISCO (NYSE : LAW) est l'une des rares sociétés cotées dans le domaine des technologies juridiques à avoir pour cœur une architecture native de l'IA. Son positionnement produit n'est pas un outil de découverte électronique traditionnel (eDiscovery), mais une plateforme intelligente d'analyse de documents qui intègre l'apprentissage automatique dans l'ensemble du processus de révision. La plate-forme prend l'apprentissage actif continu (CAL) comme pierre angulaire technique et redéfinit la frontière de la collaboration entre « examen machine + examen humain ».

Élément de paramètre	Valeur
Positionnement du produit	Plateforme d'investigation électronique native et d'examen intelligent des documents
Société mère	CS Disco, Inc. (NYSE : LOI)
Établi	2013
Siège social	Austin, Texas, États-Unis
Formulaire de produit	Plateforme Web SaaS
Certification de conformité en matière de sécurité	SOC 2 Type II, conforme FedRAMP (niveau d'impact moyen)
Nombre de sources de collecte de données	200+ (e-mail Teams, Slack, SharePoint, OneDrive, Google Drive, etc.)
Dernière version	DISCO 2026 version 2 (~ 2026-05)
Nœud de version historique	DISCO 2026 version 1 (~ 2026-02)
Clients cibles	Cabinets d'avocats Am Law 200, services juridiques d'entreprise Fortune 500, agences gouvernementales
Indicateurs financiers publics	Le ARR dépasse 100 millions de dollars américains (d'après les rapports financiers des sociétés cotées)
Téléscripteur	NYSE : LOI

Selon les rapports financiers publics, les revenus récurrents annuels (ARR) de DISCO ont dépassé 100 millions de dollars américains et la concentration de sa clientèle est élevée : les 25 principaux clients ont contribué à plus de 40 % des revenus, ce qui indique l'ampleur de la pénétration des produits sur le marché juridique haut de gamme. La plateforme est certifiée SOC 2 Type II et répond aux exigences de conformité FedRAMP Medium Impact Level, ce qui la rend légalement qualifiée pour entreprendre des enquêtes gouvernementales et des contrats gouvernementaux. Différent du mode de fonctionnement « recherche par mot clé + examen linéaire manuel » des outils de collecte de preuves électroniques traditionnels, DISCO commence le tri par apprentissage automatique dès l'étape d'ingestion des données et renvoie les commentaires d'annotation de l'avocat au modèle en temps réel, formant un processus d'optimisation continu de « révision-apprentissage-ré-tri ». L'effet direct de cette architecture est que, pour une même taille de boîtier, la proportion de documents nécessitant une lecture manuelle intensive est réduite de 100 % à 20-30 %, et la courbe d'investissement humain passe d'une décroissance linéaire à une décroissance logarithmique.

Utilisateurs de DISCO et reconnaissance du marché

Transparence financière des sociétés cotées : en tant que société cotée au NYSE, DISCO divulgue des indicateurs de base tels que le ARR, le taux de fidélisation de la clientèle et la rétention des revenus nets (NRR) sur une base trimestrielle. Selon son rapport annuel 2025, le taux de rétention des revenus nets des clients reste supérieur à 110 %, ce qui indique que les clients existants continuent d'élargir l'étendue de leur utilisation et la taille de leurs dossiers. Cette mesure est saine pour le secteur LegalTech et reflète indirectement le caractère irremplaçable du produit et les coûts de migration.

Couverture des meilleurs clients du secteur : La liste de clients de DISCO couvre la plupart des cabinets d'avocats de l'Am Law 200, ainsi que les services juridiques de nombreuses sociétés Fortune 500. Dans les scénarios de litiges commerciaux à grande échelle et d'enquêtes gouvernementales, DISCO est souvent désignée comme la plate-forme de collecte de preuves électroniques que le cabinet d'avocats de la partie B doit utiliser, formant un certain degré d'effet de réseau industriel.

Reconnaissance de l'industrie par un tiers : DISCO est répertorié comme fournisseur représentatif dans le Gartner eDiscovery Market Guide et apparaît dans les rapports d'IDC MarketScape Legal Technology Assessment depuis plusieurs années. La technologie CAL de DISCO est citée comme exemple de référence pour l’examen assisté par l’IA dans les guides pratiques de découverte électronique de plusieurs juridictions (tribunaux fédéraux américains, tribunaux d’État, procédures d’enquête de la SEC).

Données de validation client : plusieurs cas publics montrent que les équipes chargées des dossiers utilisant DISCO ont économisé 50 à 70 % des heures de travail de révision pendant la phase de révision des documents. Par exemple, dans un litige concernant des secrets commerciaux impliquant 3 millions de documents, le flux de travail CAL de DISCO a été utilisé pour réduire le volume de documents nécessitant une révision manuelle de 3 millions à environ 600 000, et le cycle de révision a été raccourci d'environ 8 mois à 3 mois. Ces données proviennent d'études de cas officielles DISCO et les résultats réels varient en fonction de la complexité du cas, de la qualité des données et de la formation de l'équipe.

L'avantage en termes de coûts de DISCO : structure de coûts à trois niveaux et grand livre caché

L'élément de coût de l'investigation électronique n'est pas un simple droit de licence de logiciel, mais une combinaison de « coût du logiciel + coût de l'examen humain + coût d'opportunité de la fenêtre temporelle ». L’architecture native d’IA de DISCO a un impact direct sur les trois couches.

Niveau client C/utilisateur particulier : marché non cible. DISCO ne propose pas de version personnelle ni de plan de paiement à l'utilisation, et son niveau d'entrée minimum est destiné aux cabinets d'avocats et aux services juridiques d'entreprise. Le prix de base de l’abonnement à la plateforme et les coûts de stockage des données sont inabordables pour les avocats solos ou les petites équipes.

Cabinet d'avocats de taille moyenne/Affaires juridiques d'entreprise (paiement par projet) :

• Base de facturation : les frais de traitement et d'hébergement sont généralement facturés en fonction du volume de données (Go), des abonnements aux modules de fonctions de superposition et des frais de licence utilisateur en fonction des sièges. Le coût total d'un projet de découverte électronique pour un procès typique de taille moyenne (100 à 500 Go de données) varie de 20 000 $ à 100 000 $.
• Répartition de la structure des coûts : Les frais d'accès et de traitement des données représentent environ 20 à 30 %, les frais d'hébergement et d'accès à la plateforme représentent environ 15 à 25 %, le module de révision de l'IA (CAL + résumé générateur) représente environ 30 à 40 %, les frais d'expertise et d'exportation représentent environ 10 à 15 %. Parmi eux, le module d'examen de l'IA est le cœur de la valeur et la clé pour creuser l'écart de coûts avec le modèle traditionnel d'examen humain horaire.
• COÛT CACHÉ : Le coût de la formation CAL pour les examinateurs ne peut être ignoré. L'effet de l'IA de DISCO dépend fortement de la qualité de l'annotation initiale : si l'avocat junior responsable de l'annotation manque d'expérience, l'écart dans la direction d'annotation des 500 premiers documents entraînera une déviation de l'apprentissage du modèle, et un examen manuel plus approfondi sera nécessaire pour corriger l'écart ultérieurement, ce qui augmentera le coût total. Il est recommandé de faire en sorte qu'un consultant senior en découverte électronique dispense 1 à 2 jours de formation sur la stratégie d'annotation CAL au début du projet.

Niveau Grande Entreprise (abonnement annuel) :

• Modèle de facturation : signez un contrat annuel, qui comprend une capacité de données fixe (par exemple 10 To/an) et le nombre de postes utilisateur. L'excédent sera ajouté à un prix prédéterminé. Les gros clients bénéficient généralement de remises de 15 à 30 %, et les contrats incluent des garanties SLA et une équipe dédiée à la réussite des clients.
• Coûts explicites : les contrats annuels commencent généralement à 500 000 $ et peuvent atteindre des millions de dollars pour les grands cabinets d'avocats mondiaux. Ce prix exclut un grand nombre de caisses de petite et moyenne taille.
• Avantages cachés : Après avoir adopté DISCO, les équipes juridiques peuvent réduire leur dépendance à l'égard des fournisseurs externes d'investigation électronique : l'OCR, la déduplication des données, l'évaluation précoce des cas et d'autres tâches qui devaient auparavant être externalisées peuvent être effectuées directement par les équipes internes sur DISCO, réduisant ainsi les liens de communication avec les fournisseurs et les coûts de gestion de projet. En outre, les améliorations de l'efficacité des examens basées sur le CAL permettent aux cabinets d'avocats de traiter davantage de dossiers au cours de la même période de construction, améliorant ainsi indirectement l'utilisation du temps facturable.

Déduction de comparaison des coûts avec des alternatives (données non officielles, estimées sur la base d'affaires publiques de l'industrie) :

Dimension du coût	Révision manuelle traditionnelle	DISCO (résumé CAL + AI)	Autres outils électroniques de collecte de preuves (recherche par mot clé + assistance technique)
Des millions d'heures de travail pour l'examen des documents	8 000 à 12 000 heures	2 000 à 4 000 heures	4 000 à 8 000 heures
Durée de vie du projet (3 millions de documents)	6-12 mois	2-4 mois	3-6 mois
Proportion du coût des licences logicielles	Sans objet (travail pur)	30 à 40 % du coût total	20-30% du coût total
Exigences de formation des examinateurs	Aucun (recherche par mot-clé)	Formation à la stratégie d'annotation CAL requise	Formation aux requêtes booléennes requise
Risque de taux de reprise	Élevé (mot clé manquant)	Moyen (écart d'annotation)	Moyen-élevé (requête manquante)

Préoccupations en matière d'approvisionnement : L'avantage de coût de DISCO ne s'obtient pas automatiquement. Cela nécessite que l’équipe de cas ait une expérience opérationnelle en matière d’examen assisté par l’IA et la capacité de concevoir des stratégies d’annotation. Si l'équipe utilise le workflow CAL pour la première fois, il est recommandé d'effectuer d'abord un test de régression à petite échelle (10 000 documents) sur des dossiers historiquement fermés, de comparer le chevauchement entre les résultats de tri de DISCO et les conclusions de l'examen manuel, et de confirmer que l'effet répond aux attentes avant de s'engager dans un dossier formel.

Principales fonctions de DISCO

• AI Document Review (CAL Core Engine) : L'apprentissage actif continu est la pierre angulaire technologique de DISCO. Son mécanisme de travail est divisé en trois étapes - ① Formation initiale : les examinateurs notent les étiquettes « pertinent/non pertinent » sur 500 à 1 000 documents ; ② Itération du modèle : l'algorithme CAL calcule les scores de pertinence pour les documents non révisés sur la base de signaux d'annotation, réorganise dynamiquement la file d'attente et place les documents à haute possibilité en tête de la file d'attente ; ③ Vérification et clôture : lorsque le modèle détermine que la probabilité de pertinence des documents restants est inférieure au seuil, la condition de clôture est automatiquement déclenchée et la révision se termine après confirmation du réviseur. Ce mécanisme modifie l'objectif de la révision de « analyser tous les documents » à « trouver tous les documents pertinents » et ignorer directement le contenu non pertinent. Selon le livre blanc officiel de DISCO et plusieurs cas clients, CAL peut réduire le nombre de révisions de 50 à 70 % dans les cas de litige typiques.

• Early Case Assessment (EDA) : avant le début de l'examen formel, DISCO analyse rapidement l'intégralité des données et génère un rapport de portrait de cas - comprenant l'estimation de la taille du document, la carte du réseau correspondant, le regroupement de sujets clés, les statistiques de mots sensibles et la distribution des séries chronologiques. L'intérêt de l'EDA est d'aider l'équipe stratégique du cas à avoir une compréhension panoramique du « volume, de la complexité et des points de risque » du cas avant de s'engager dans un examen à grande échelle, afin de planifier raisonnablement le budget et de revoir les priorités. Par exemple, dans une enquête antitrust impliquant une entreprise multinationale, EDA peut localiser rapidement 20 correspondants clés et la densité de leurs échanges de courriers électroniques, aidant ainsi les avocats à décider quels correspondants nécessitent un examen complet et lesquels ne nécessitent qu'un examen par échantillonnage.

• Analyse de corrélation des preuves (Communication Graph & Timeline) : le module de graphique de communication de DISCO affiche visuellement la corrélation implicite entre les documents - qui a envoyé quoi à qui à quelle heure, qui apparaît dans le lien CC de quel e-mail, et l'évolution du même sujet dans différentes chronologies. Ceci est fondamentalement différent de la méthodologie traditionnelle « recherche par mot-clé + classification des dossiers » : les mots-clés ne peuvent pas capturer des documents qui sont "liés mais qui ne correspondent pas aux mots-clés", tandis que les graphiques de communication peuvent découvrir des indices de preuve à partir des dimensions de caractère et temporelles. Par exemple, lors d’une enquête interne, des avocats ont utilisé une carte de communication pour découvrir des communications intensives entre le sujet de l’enquête et un employé démissionnaire qui n’apparaissait pas dans la liste de mots clés, ouvrant ainsi une nouvelle branche de preuves.

• Résumé génératif de l'IA : la fonctionnalité LLM introduite dans la version 2026 prend en charge trois granularités de résumé - ① Résumé au niveau du document : condenser les faits essentiels d'un seul e-mail ou d'un seul contrat en 2-3 phrases ; ② Résumé du sujet : générer automatiquement un rapport de découverte complet pour tous les documents pertinents sous un certain sujet de preuve (tel que « Fraude en matière de prix ») ; ③ Récapitulatif du lot de révision : générez un résumé de la progression des documents examinés le jour ou la semaine. L'intérêt principal du résumé génératif est d'accélérer la « compréhension du document » : les avocats n'ont plus besoin de lire toute la longue chaîne de courrier électronique pour déterminer si elle est pertinente, mais lisent d'abord le résumé, puis portent un jugement précis. Cependant, il convient de noter que l'exactitude des résumés génératifs dépend fortement de la qualité et de l'adaptation au domaine du LLM sous-jacent. Dans les scénarios où les termes juridiques professionnels sont intensifs, les erreurs factuelles (hallucinations) dans les résumés ne peuvent pas être complètement éliminées et les références clés doivent encore être vérifiées avec le texte original.

• Collecte de données et intégration multi-source : la plateforme intègre plus de 200 connecteurs de sources de données, couvrant les systèmes de collaboration de bureau courants (Microsoft 365, Google Workspace, Slack, Teams, Zoom, Box, Dropbox), les archives de réseaux sociaux et les sources de données personnalisées. Une fois les données accédées, la déduplication, l'OCR de regroupement de fils de courrier électronique (prenant en charge l'extraction de texte à partir de PDF et d'images numérisés), la normalisation des métadonnées et la normalisation des fuseaux horaires sont automatiquement effectuées. Le pipeline de fusion de données est la couche d'infrastructure de l'investigation électronique, et sa qualité affecte directement les résultats de toutes les analyses et examens ultérieurs de l'IA : si l'algorithme de déduplication ne parvient pas à identifier les copies en double du même e-mail dans la boîte de réception et le dossier d'envoi, le tri ultérieur de l'IA sera perturbé par les jugements de pertinence par les données en double.

Evolution du modèle et de la version de DISCO

L'itération du produit DISCO suit un rythme annuel de publication de deux versions (version 1 environ en février et version 2 environ en mai - 6 mois), entrecoupées de mises à jour de correctifs et de correctifs de sécurité. Voici la version publique traçable :

ID de version	Date de sortie approximative	Changements fondamentaux
DISCO 2025 version 1	~2025-02	Prise en charge améliorée des documents multilingues pour le modèle CAL (jeux de caractères non latins tels que le chinois, le japonais, le coréen, l'arabe, etc.) ; amélioration de la précision de l'extraction de texte du pipeline OCR pour les PDF numérisés
DISCO 2025 version 2	~2025-06	Présentation de la version de base de la fonction de résumé génératif de l'IA (niveau document) ; lancement d'une version améliorée du tableau de bord d'analyse de corrélation des preuves, prenant en charge le glisser-déposer de la chronologie des communications interactives
DISCO 2026 version 1	~2026-02	Nouveau support de résumé intelligent multilingue ; Mise à niveau avancée du tableau de bord d'analyse visuelle, prise en charge des panneaux d'indicateurs personnalisés ; capacités API ouvertes, permettant aux systèmes tiers d'appeler directement les résultats de tri CAL
DISCO 2026 version 2	~2026-05	Capacités de résumé génératives améliorées de l'IA (nouveaux résumés de sujets et résumés de lots) ; l'analyse intelligente de corrélation des preuves introduit le regroupement de concepts, agrégeant automatiquement les documents sémantiquement similaires en groupes de preuves ; les modules de sécurité et de conformité sont améliorés pour prendre en charge des journaux d'audit des autorisations utilisateur plus précis

Les dates de sortie ci-dessus sont toutes des approximations (~AAAA-MM). Il n’y a pas encore de date officielle précise. Veuillez vous référer aux instructions de sortie officielles de DISCO.

Tendance d'évolution technologique : Les changements entre les versions 2025 et 2026 peuvent être observés dans trois directions - ① Le moteur CAL passe de la « mondialisation monolingue » à la « mondialisation multilingue » pour s'adapter aux besoins de collecte de preuves électroniques des affaires transnationales ; ② L'IA générative passe de la « vérification technique » à la « productisation fonctionnelle », et la granularité récapitulative continue d'être affinée ; ③ La plateforme passe d'« outils fermés » à des « API ouvertes », permettant aux entreprises d'intégrer les capacités de DISCO dans leurs propres flux de travail de conformité. Ces orientations évolutives correspondent directement aux principaux problèmes du marché des technologies juridiques : la complexité du traitement des données multilingues dans des affaires mondiales, le goulot d'étranglement de la synthèse manuelle de documents volumineux et la nécessité pour le service juridique d'intégrer des processus de conformité automatisés.

Les avantages techniques de DISCO

Mécanisme 1 : Fondement bayésien de l'apprentissage actif continu (CAL)

CAL ne consiste pas simplement à « trier des documents avec l'IA ». Sa couche sous-jacente utilise un modèle d'apprentissage statistique basé sur la logique bayésienne. La prédiction de pertinence pour chaque document est une estimation probabiliste : une fois que le modèle a généré p(pertinent | fonctionnalité), la file d'attente est triée par ordre décroissant de probabilité, et chaque annotation du réviseur (pertinente/non pertinente) met à jour la distribution postérieure du modèle en tant que nouvelle preuve. Cela signifie que le modèle est encore « approximatif » lorsque les 100 premiers documents sont examinés, mais qu'au moment où 5 000 documents sont examinés, le modèle a un niveau de confiance élevé dans le classement de la pertinence des documents restants. Le principal avantage de ce mécanisme de convergence progressive est que plus les documents sont examinés jusqu'à la fin, plus la « teneur en or » de la file d'attente est faible, car les documents à forte probabilité ont été effacés à l'avance et la probabilité de pertinence des documents restants continue de diminuer jusqu'à ce que le seuil de convergence soit atteint. Cela explique pourquoi CAL est capable d'ignorer en toute sécurité un grand nombre de documents non pertinents, non pas par conjecture, mais par l'accumulation continue de preuves statistiques.

Mécanisme 2 : Workflow collaboratif de CAL et d'IA générative

DISCO concatène le moteur de classement CAL avec les capacités de synthèse LLM dans un flux de travail composite dans la version 2026. Dans la première étape, CAL trie la file d'attente de documents par ordre décroissant de probabilité de pertinence ; dans la deuxième étape, il effectue automatiquement une génération de résumé LLM sur les « documents pertinents à haute probabilité » en tête de file d'attente ; dans la troisième étape, l'avocat lit le résumé et décide s'il souhaite revoir le texte original en profondeur. Ce pipeline en trois étapes : « d'abord trier, puis résumer, puis réviser » réduit au moins deux points de friction cognitive par rapport au flux de travail traditionnel « d'abord rechercher par mot clé, puis lire un par un » : premièrement, il élimine la décision de sélection de « quel document mérite d'être lu » parmi des documents volumineux ; Deuxièmement, cela élimine les coûts liés à la compréhension rapide du contenu du document.

Mécanisme trois : optimisation technique des pipelines de traitement des données

L'importance de l'ingestion de données dans l'eDiscovery est souvent sous-estimée, mais dans les projets réels, le nettoyage des données et la normalisation du format occupent souvent plus de 30 % du temps du projet. Le pipeline de collecte de données de DISCO intègre une reconstruction de fils de discussion (regroupant automatiquement les e-mails sur le même sujet en une seule conversation), une unification des métadonnées (alignement des formats de date, des fuseaux horaires et des identifiants d'utilisateur de différentes sources de données) et un moteur OCR avancé (prenant en charge la textualisation des PDF numérisés, des images de tableaux et des commentaires manuscrits). Ces capacités d'ingénierie apparemment « non liées à l'IA » sont en réalité une condition préalable à un fonctionnement de haute qualité de l'examen de l'IA - si l'OCR identifie à tort « l'accord de non-divulgation » comme un « accord de non-divulgation », les modèles CAL et les résumés LLM ultérieurs accumuleront des erreurs sur cette base.

Principales différences par rapport aux outils de découverte électronique traditionnels :

Dimensions comparatives	DISCO (CAL + AI)	Outils médico-légaux électroniques traditionnels (Relativité, etc.)
Revoir la méthode de détermination des priorités	Tri dynamique d'algorithmes, apprentissage continu des signaux d'annotation	Mots-clés booléens + allocation manuelle des lots
Couverture documentaire pertinente	Modèle de convergence statistique, couverture quantifiable	S'appuyer sur l'exhaustivité des mots clés, risque élevé d'omission
Exigences en matière de compétences des évaluateurs	Besoin de comprendre la conception du flux de travail de révision assistée par l'IA	Doit maîtriser la syntaxe des requêtes booléennes
Inspection des reprises et des omissions	CAL marque automatiquement les intervalles de faible probabilité, aucune omission manuelle	Lots de vérification de qualité supplémentaires requis
Prise en charge multilingue	La version 2025+ prend en charge les jeux de caractères non latins	Nécessite une configuration de source de données distincte
Évolutivité (millions de documents)	Expansion linéaire à des dizaines de millions de files d'attente	Limité par la taille du lot et le tri manuel

Comment utiliser DISCO

DISCO est une plateforme SaaS au niveau de l'entreprise. L'entrée est divisée en une interface de révision frontale et une console de gestion back-end, offrant des chemins d'opération différenciés pour différents rôles.

Processus d'utilisation côté plateforme (avocat/examinateur) :

1. Création de cas et accès aux données : l'administrateur de cas crée un nouveau cas dans la console DISCO, sélectionne le type de source de données (exportation par e-mail, fichier PST, connexion directe de l'API Office 365 au package d'exportation Slack, etc.) et configure les règles de mappage de fuseau horaire et de métadonnées. Une fois les données accédées, le système effectue automatiquement la déduplication et le traitement OCR.
2. Early Case Assessment (EDA) : Une fois le traitement des données terminé, l'équipe de stratégie de cas examine d'abord le rapport EDA pour comprendre l'image complète des données (volume total du document, répartition par sujet, correspondants clés, calendrier). Déterminez la stratégie d’examen en fonction des conclusions de l’EDA, qu’il s’agisse d’un examen complet ou d’un échantillonnage stratifié.
3. CAL Review Start : L'examinateur ouvre le groupe de travail de révision CAL dans l'interface de révision DISCO. Le système alloue automatiquement un lot initial de 500 à 1 000 « documents de départ » pour l'annotation. Ces documents sont généralement échantillonnés au moyen de stratégies algorithmiques qui prennent en compte à la fois un contenu d'informations élevé et une incertitude élevée afin de maximiser l'efficacité de la formation initiale.
4. Marquage et vérification : L'examinateur lit les documents un par un et marque « pertinent/non pertinent » (ou des étiquettes plus granulaires telles que « communications privilégiées/secrets commerciaux/informations personnelles »). Chaque fois qu'un lot d'étiquetage est terminé, le modèle CAL réorganise automatiquement les files d'attente restantes. Les réviseurs peuvent consulter la « Courbe de convergence » à tout moment : un indicateur visuel du degré de convergence des prédictions du modèle pour aider à déterminer quand il est sûr de mettre fin à la révision.
5. Exportation et rapports de preuves : une fois l'examen terminé, les documents marqués comme « pertinents » peuvent être exportés par lots en tant que dossiers de preuves, ou des rapports de découverte peuvent être générés via des graphiques de communication et des résumés génératifs d'IA pour la préparation des essais ou la soumission réglementaire.

Points de configuration côté administrateur :

• Configuration des rôles d'autorisation : prend en charge les autorisations à quatre niveaux : "gestionnaire de cas, examinateur, réviseur et réviseur en lecture seule". Chaque rôle peut contrôler précisément les modules fonctionnels (par exemple s'il faut autoriser la modification des classifications d'étiquettes, s'il faut exporter les données originales).
• Conception du système d'étiquetage : Un arbre de classification des étiquettes doit être conçu à l'avance avant le début du dossier (par exemple "pertinent/non pertinent" + "type de preuve : contrat/e-mail/état financier" + "niveau de confidentialité" et autres étiquettes multidimensionnelles). La qualité de la conception des étiquettes affecte directement la direction d'apprentissage du CAL et la granularité de la classification finale de l'examen.
• Vérification de la qualité (CQ) : DISCO dispose d'un module de contrôle de qualité intégré qui prend en charge l'examen par échantillonnage aléatoire et le processus de « règlement des litiges » - lorsque deux examinateurs ont des conclusions d'annotation incohérentes sur le même document, cela sera automatiquement transmis au superviseur pour la décision finale. Il est recommandé que le taux d'échantillonnage du CQ soit de 5 à 10 %, pouvant atteindre 15 % dans les cas de CAL pour la première fois.

Portail d'intégration technique :

• Client Web : accédez à l'instance DISCO via un navigateur prenant en charge tous les principaux navigateurs (Chrome, Edge, Firefox). Il est recommandé d'utiliser le client de bureau pour garantir la disposition fonctionnelle complète de l'espace de travail de révision CAL.
• Accès API : l'API REST sera ouverte à partir de DISCO 2026 Release 1, prenant en charge les systèmes tiers (tels que la plateforme interne de gestion de la conformité de l'entreprise, le système de gestion de cas) pour appeler directement les fonctions de récupération de documents, de tri des CAL et d'exportation de preuves. L'authentification API utilise OAuth 2.0 et les documents de point de terminaison spécifiques doivent être soumis au portail officiel des développeurs.
• Terminal mobile : Il n'existe actuellement aucune application mobile indépendante. Le terminal Web est accessible via un navigateur mobile, mais il n'est pas recommandé d'utiliser l'espace de travail de révision CAL sur des appareils mobiles en raison des limitations de taille d'écran.

PRIX DES PRODUITS DISCO

DISCO adopte un modèle de tarification hybride qui ne divulgue pas les prix standard. La tarification est basée sur trois variables principales : le volume de données (Go/To), les modules fonctionnels (version de base par rapport à la version améliorée par l'IA) et le nombre de postes utilisateur. Ce qui suit est une analyse structurée basée sur les informations publiques et les pratiques de l’industrie :

Niveaux de tarification	Dimensions de facturation	Gamme de contrats annuels typiques	Ce qui est inclus
Type de projet (sur demande)	Volume de données de traitement (Go/projet) + nombre de postes utilisateurs + modules fonctionnels	20 000 à 100 000 USD/projet	Traitement des données, hébergement, revue de base, tri des CAL, export des preuves
Abonnement annuel Entreprise	Capacité de données fixe (par exemple 10 To/an) + sièges + module IA	À partir de 500 000$/an	Fonctionnalité complète basée sur le projet + accès API + réussite client dédiée + SLA
Package complémentaire d’amélioration de l’IA	Frais supplémentaires basés sur le nombre de sièges ou le volume de données	Augmentation de 30 à 50 % par rapport aux frais de base	Résumé de l'IA générative, graphique de communication avancé, regroupement de concepts intelligents

Essai gratuit et POC : DISCO fournit des services de preuve de concept (POC) basés sur des données de cas spécifiques, couvrant généralement la vérification de l'examen CAL de 10 000 à 50 000 documents, avec un temps de cycle de 2 à 4 semaines. L'objectif du POC est de permettre aux clients potentiels de vérifier le taux d'amélioration réel de l'efficacité du CAL à l'aide de leurs propres données de cas historiques. Il s'agit de l'aspect le plus critique et le plus sous-estimé avant l'achat : il est recommandé aux clients de préparer au moins trois ensembles de données de différents types de dossiers pour la POC, car il peut y avoir des différences significatives dans les performances de la CAL dans les dossiers à forte intensité de courrier et les dossiers à forte intensité de documents.

Frais cachés et conditions d'intérêt :

• Frais d'exportation de données : Lorsque les données sont exportées de la plateforme DISCO vers des plateformes locales ou autres une fois le dossier terminé, certains contrats peuvent facturer des frais d'exportation en fonction de la quantité de données. Les normes de facturation et les restrictions de format pour la migration des données doivent être clarifiées lors de l'achat.
• Frais d'augmentation de stockage : si la quantité de données de cas augmente de manière significative au cours du processus d'examen en raison de nouvelles sources de données (telles que la découverte de nouveaux comptes de messagerie pertinents) et dépasse la limite supérieure de capacité de données convenue dans le contrat, la partie excédentaire sera généralement facturée à un prix unitaire plus élevé.
• Limite de concurrence des licences utilisateur : certains contrats imposent une limite supérieure au nombre de réviseurs en ligne simultanément. Si la limite est dépassée, des sièges simultanés supplémentaires doivent être achetés. Une capacité simultanée insuffisante peut entraîner des retards dans les approbations pendant la phase d’examen centralisé des cas à grande échelle (au cours de laquelle les régulateurs exigent la soumission des preuves dans un délai de 30 jours).
• Les modules d'IA sont facturés séparément : les résumés d'IA génératifs et les graphiques de communication avancés peuvent être des modules supplémentaires au-delà du tarif de base de la plateforme. Vous devez confirmer s'ils sont inclus dans le prix du contrat lors de l'achat.

Scénarios d'application de DISCO

• Améliorer l'efficacité de l'examen des documents dans les litiges commerciaux à grande échelle : litiges commerciaux complexes impliquant des millions, voire des dizaines de millions de documents électroniques (tels que la contrefaçon de brevet, le vol de secrets commerciaux, les recours collectifs d'actionnaires). Dans le cadre du modèle de révision traditionnel, les jeunes avocats doivent lire les documents un par un pendant plusieurs mois, ce qui prend du temps et est sujet aux omissions dues à la fatigue. Le modèle CAL de DISCO change l'objectif de l'examen de « les lire tous » à « trouver tous les documents pertinents » - dans une affaire antitrust impliquant 5 millions de documents, CAL a aidé les avocats à réduire le nombre de documents qui devaient être lus intensivement à environ 1 million, et le cycle d'examen a été raccourci de 10 mois estimés à 4 mois. Focus d'acceptation : si la pente descendante de la courbe de clôture CAL dans le cas est comme prévu ; si la vitesse de fermeture est nettement inférieure à la valeur typique, il est nécessaire de vérifier la cohérence de l'étiquetage et la représentativité du document de départ.

• Enquêtes réglementaires gouvernementales et réponses aux litiges : les enquêtes menées par les agences de réglementation telles que la SEC, le DOJ, la FTC, etc. ont souvent des délais de soumission stricts (par exemple, 20 jours pour la soumission des premières preuves). Dans le processus de découverte électronique traditionnel, la fenêtre de temps de 2 à 3 semaines est souvent suffisante pour terminer la collecte des données et le traitement de base, ne laissant presque pas de temps pour l'examen. La fonction EDA de DISCO peut produire un portrait du cas dans les 24 à 48 heures suivant l'accès aux données, aidant ainsi les avocats à déterminer rapidement le sous-ensemble de données qui nécessitent un examen prioritaire ; CAL continue d’améliorer son efficacité lors des examens ultérieurs. Objectif d'acceptation : si l'identification des correspondants clés dans le rapport de l'EDA est cohérente avec l'intuition de l'avocat concernant l'affaire, et si l'exactitude factuelle du résumé génératif de l'IA répond à un niveau de substitution acceptable pour l'examen.

• Enquêtes internes d'entreprise et audit de conformité : les enquêtes internes menées par les services juridiques de l'entreprise (telles que les fautes professionnelles des employés, les fuites de données, les audits de conformité anti-corruption) nécessitent généralement que la localisation des documents et la préservation des preuves soient effectuées sans alerter le sujet de l'enquête. La conception d'isolation des autorisations de DISCO permet aux équipes d'enquête d'effectuer des examens uniquement des « données pertinentes » sans accorder d'autorisations complètes sur les données. Le module de cartographie des communications est particulièrement utile dans les enquêtes internes : contrairement aux litiges externes, qui comportent une trace claire des communications entre les plaignants et les défendeurs, les enquêtes internes nécessitent souvent d'identifier les relations entre les personnes clés à partir de zéro. Objectif d'acceptation : indique si le graphique de communication peut découvrir automatiquement les liens de communication cachés non couverts par les recherches par mots clés ; performances multilingues dans des données non anglaises telles que le chinois et le japonais.

• Revue de contrats en due diligence M&A (scénario étendu) : Dans les transactions de M&A importantes, l'acheteur doit examiner un grand nombre de contrats de l'entreprise cible (contrats de fournisseurs, accords clients, contrats de travail, etc.) pour identifier les risques juridiques potentiels. Bien que DISCO ne soit pas spécifiquement conçu pour la due diligence en matière de fusions et acquisitions, sa combinaison de synthèse CAL + IA générative peut considérablement accélérer la classification des contrats et l'extraction des clauses clés. Limitations : La fenêtre temporelle des scénarios de fusions et acquisitions n'est généralement que de 2 à 6 semaines et le volume de données est relativement « faible » (des milliers à des dizaines de milliers de contrats). L’avantage d’amélioration de l’efficacité du CAL n’est pas aussi significatif avec de petits volumes de données que dans des litiges à grande échelle, et le rapport prix/performance peut ne pas être aussi bon que celui des outils dédiés d’analyse des contrats de fusions et acquisitions.

Groupes applicables de DISCO

• Équipes d'eDiscovery dans les grands cabinets d'avocats : ce sont les principaux utilisateurs de DISCO. Les associés du cabinet d'avocats, les avocats spécialisés et les « spécialistes de l'eDiscovery » spécialisés dans l'eDiscovery connaissent bien le flux de travail CAL et peuvent maximiser le potentiel d'efficacité de DISCO. Prérequis : L'équipe doit avoir la capacité interne d'organiser une formation CAL (conception de stratégie d'annotation) ou être prête à acheter les services de conseil de DISCO pour la configuration initiale.

• Équipe de conformité et de litige du service juridique d'entreprise : les équipes juridiques internes utilisent DISCO pour gérer le portefeuille de litiges et les audits de conformité de l'entreprise. Par rapport aux utilisateurs des cabinets d'avocats, les services juridiques des entreprises accordent davantage d'attention à la contrôlabilité budgétaire consistant à « signer une capacité fixe en début d'année pour couvrir tous les cas tout au long de l'année » et aux exigences de sécurité consistant à « ne pas transmettre les données à l'extérieur ». Prérequis : Le volume annuel d'examen des documents du service juridique doit généralement être supérieur à 10 To pour prendre en charge le coût de l'abonnement annuel, et une personne dédiée est nécessaire pour gérer la mise en œuvre technique de DISCO.

• Unités d'enquête et de conformité des agences gouvernementales : le respect des exigences de conformité FedRAMP permet aux DISCO d'inscrire sur les listes de marchés publics. Les utilisateurs gouvernementaux ont généralement des exigences plus strictes en matière de souveraineté des données et de journaux d'audit, et la double certification SOC 2 Type II + FedRAMP de DISCO constitue un avantage clé dans ce scénario. Prérequis : Besoin de réussir l'évaluation de sécurité du processus d'approvisionnement informatique du gouvernement, qui peut prendre jusqu'à 6 à 12 mois.

• Groupes non applicables (liste de dissuasion) :

  • Praticiens individuels et petits cabinets d'avocats (moins de 5 personnes) : les frais d'abonnement annuels et les coûts de projet pour le traitement de 10 à 50 Go de données dépassent de loin le budget d'un cas individuel. Il est recommandé à ces utilisateurs d'utiliser des services d'externalisation d'eDiscovery payants au lieu de s'abonner directement à DISCO.
  • Équipes traitant des cas uniques à petite échelle (< 50 Go) : l'avantage d'amélioration de l'efficacité du CAL est difficile à exploiter pleinement lorsque la quantité de données est insuffisante : le modèle nécessite suffisamment de données annotées pour effectuer une formation efficace, et la courbe de convergence sous de petites quantités de données peut ne pas être idéale. Pour les cas de moins de 50 Go, la recherche par mot-clé traditionnelle + la révision manuelle ou les services externalisés sont des options plus rentables.
  • Équipe juridique chinoise ayant besoin d'une interface chinoise et d'une localisation de la terminologie juridique : l'interface du produit et la documentation de DISCO ne prennent en charge que l'anglais. Bien que la version 2025 prenne déjà en charge le tri OCR et CAL des documents chinois, l'adaptation chinoise des résumés génératifs de l'IA et de la terminologie juridique n'est pas aussi mature que l'anglais. Les cabinets d’avocats chinois et les conseillers juridiques d’entreprise devraient effectuer des tests POC avec des ensembles de données chinois avant d’envisager un achat.

Résumé et perspectives de DISCO

Compétences de base : le fossé de DISCO n'est pas une seule fonction d'IA, mais la trinité « algorithme CAL + maturité des produits au niveau de l'entreprise cotée + barrières de certification industrielle ». CAL est la première voie technologique dans le domaine de la technologie juridique à transformer l'apprentissage actif d'un concept académique en un produit d'évaluation commerciale et a été vérifiée à grande échelle ; Le statut de cotation au NYSE apporte la transparence des rapports financiers et la confiance des clients (les clients peuvent consulter la santé financière des fournisseurs) ; La double certification SOC 2 + FedRAMP permet un accès à la conformité dans des scénarios gouvernementaux et industriels hautement réglementés.

Limites et incertitudes actuelles :

1. Le seuil de prix exclut un grand nombre de clients potentiels : les prix commençant à 500 000 $ pour un abonnement annuel le maintiennent dans le top 20 % du "marché juridique haut de gamme", les 80 % restants du marché des affaires de petite et moyenne taille étant occupés par des outils traditionnels et des services d'externalisation.
2. L'effet de l'IA dépend fortement de la qualité des annotations : il s'agit d'une contrainte structurelle du modèle CAL : si la cohérence des annotations de l'équipe de révision est mauvaise (différents réviseurs donnent des conclusions opposées pour le même document), le "signal d'apprentissage" du modèle CAL est du bruit et la qualité du tri ne peut pas être garantie. Il ne s'agit pas d'un problème propre à DISCO, mais les acheteurs doivent y faire face : introduire DISCO ne consiste pas seulement à « acheter un outil », mais à « adopter un ensemble de flux de travail qui nécessitent de nouvelles compétences », et les coûts de formation du personnel et de conception des processus peuvent être sous-estimés.
3. La fiabilité juridique de l'IA générative n'a pas encore été vérifiée : Le risque d'illusion LLM est plus élevé dans les scénarios juridiques que dans d'autres secteurs : un mémoire d'IA qui omet une phrase négative clé ou interprète mal une clause conditionnelle peut amener les avocats à prendre des jugements stratégiques basés sur des informations incorrectes. Le positionnement de l'IA générative par DISCO dans sa documentation produit est de « faciliter la compréhension plutôt que de remplacer la révision du texte original ». Les acheteurs doivent formuler des spécifications internes pour l'utilisation des résumés AI (par exemple, quels types de documents ne sont pas autorisés à lire uniquement des résumés et les références clés doivent être vérifiées avec le texte original).
4. Profondeur d'adaptation insuffisante au marché chinois : Pour le marché juridique chinois et les besoins chinois en matière de collecte de preuves électroniques, DISCO ne fournit actuellement qu'un support de base au niveau des documents (OCR, tri CAL), mais la compréhension sémantique des termes juridiques chinois, l'analyse des graphiques de communication du contexte chinois et les exigences de conformité (telles que les restrictions d'exportation de données en vertu de la « Loi sur la sécurité des données ») restent des lacunes importantes. Les cabinets d’avocats étrangers ayant des activités en Chine peuvent constituer une alternative, mais il est difficile de servir de plateforme principale.

Évaluation des risques d'approvisionnement et d'adoption (pour les équipes prévoyant de lancer un POC) :

1. Faites d'abord la vérification de la compatibilité des données : lors de l'étape POC, utilisez nos ensembles de données de cas les plus représentatifs (couvrant au moins deux types d'e-mails et de documents bureautiques) pour tester si le pipeline d'accès aux données de DISCO est complet, en particulier la précision de l'OCR et l'intégrité du mappage des métadonnées dans les ensembles de données non anglais.
2. Comparaison quantitative de base : sélectionnez un dossier historique fermé, copiez l'ensemble de données du dossier et réexécutez l'examen CAL sur DISCO, comparez la taille et la nature de l'ensemble des différences entre « l'ensemble de documents pertinents triés par DISCO » et « l'ensemble de documents pertinents qui a été marqué par examen manuel » - si les documents de l'ensemble de différences sont vraiment non pertinents (c'est-à-dire que CAL a été filtré avec succès) ou contiennent du contenu pertinent manqué (c'est-à-dire un biais de tri).
3. Évaluez les coûts d'apprentissage de l'équipe : organisez la participation de 2 à 3 évaluateurs à la formation sur la stratégie d'annotation CAL de DISCO et enregistrez le temps requis depuis le premier contact jusqu'à l'achèvement indépendant d'un flux de travail complet de révision CAL - si vous ne parvenez toujours pas à fonctionner de manière compétente pendant plus de 2 semaines, cela signifie que la base d'adaptation des outils d'IA de l'équipe est faible et que des ressources de coaching supplémentaires sont nécessaires.
4. Vérification des conditions du contrat : avant de signer le contrat d'approvisionnement, concentrez-vous sur la confirmation de la norme relative aux frais d'exportation de données, si le module d'IA à prix unitaire avec une capacité de données annuelle excédentaire est inclus dans le contrat de base ou autorisé séparément, ainsi que la période de fenêtre et le coût de la migration des données après la résiliation du contrat. Il est recommandé que les dispositions ci-dessus soient incluses dans le champ du contrôle juridique.

DISCO représente une voie d'évolution typique dans le domaine de la technologie juridique, des « outils automatisés » aux « plateformes de collaboration intelligentes ». Sa proposition de valeur n’est pas de remplacer les avocats, mais d’aider ceux-ci à se concentrer sur les preuves les plus précieuses dans un délai limité. Pour les cabinets d'avocats et les équipes juridiques d'entreprise qui traitent plus de 10 To de données électroniques chaque année et sont prêts à investir dans des coûts de formation pour les flux de travail assistés par l'IA, DISCO mérite d'être inclus dans la liste des candidats POC, mais il doit être vérifié avec ses propres données de cas réels plutôt que de s'appuyer sur les données de cas de référence fournies par les fournisseurs pour prendre des décisions d'achat.

Informations de version

• DISCO 2026 version 2 ：Pas de date officielle précise pour l'instant ; une synthèse améliorée de l’IA générative et des capacités intelligentes d’analyse de corrélation des preuves. （~2026-05）
• DISCO 2026 version 1 ：Il n’y a pas encore de date officielle précise ; La prise en charge des documents multilingues et un tableau de bord d'analyse visuelle avancée ont été ajoutés. （~2026-02）