Enter était présent à la HackPrinceton Spring 2026 — 410 participants, 36 heures, sur le campus de Princeton. L'équipe derrière ACTA AI a choisi le problème le plus difficile de la salle. Et ils savaient exactement pourquoi.

Un problème humanitaire sous couvert juridique

Chaque jour où un essai clinique est retardé, des patients atteints de cancers agressifs, de maladies rares et de pathologies chroniques attendent plus longtemps des thérapies qui pourraient changer ou sauver leur vie.

Avant qu'un seul patient ne puisse être inscrit à un essai, les promoteurs pharmaceutiques et les sites de recherche clinique doivent négocier un accord d'essai clinique (Clinical Trial Agreement) — un document juridique complexe couvrant la propriété intellectuelle, l'indemnisation, les droits de publication, la confidentialité des patients et les obligations de déclaration réglementaire. Cette négociation prend en moyenne 100 jours. Avec une perte de valeur de pipeline estimée entre 800 000 et 1,4 million de dollars par jour, le coût financier est important. Mais le chiffre le plus important est celui qui n'apparaît dans aucun modèle financier : les patients de l'autre côté de ce délai qui manquent de temps.

Pour une entreprise menant 56 programmes cliniques actifs, réduire chaque négociation de 50 jours débloque plus de 2,24 milliards de dollars de valeur de pipeline. Plus important encore, cela signifie que les patients confrontés à des lymphomes agressifs ou à des maladies inflammatoires rares ont accès à des thérapies potentiellement vitales près de deux mois plus tôt.

L'équipe n'a pas présenté cela comme un problème d'automatisation juridique. Ils l'ont présenté correctement : comme un problème humanitaire qui se déguise en paperasse.

Ce que fait réellement ACTA AI

ACTA AI est une plateforme d'intelligence contractuelle multi-agents construite autour du processus d'accord d'essai clinique — conçue pour faire ce qu'aucun outil d'IA juridique commercial ne fait actuellement : analyser les contrats clause par clause, appliquer une base de référence standardisée, suivre les négociations entre les versions et les parties, et faire émerger les conflits inter-contrats avant qu'ils ne deviennent des crises juridiques.

La décision architecturale qui définit tout le produit est aussi la plus simple à expliquer. Un contrat juridique de 30 pages soumis à un modèle linguistique sous forme d'un seul bloc de texte produit des résultats peu fiables. L'équipe a choisi une direction totalement opposée. Chaque contrat est divisé en clauses individuelles, chacune étant analysée indépendamment par rapport à une base de référence codée en dur de sept normes ACTA — fenêtres de révision des publications, structure d'indemnisation, modalités de paiement, durée de confidentialité, plafonds de coûts indirects — avant que les résultats ne soient agrégés dans un résumé analytique. C'est cette structure qui sépare un outil d'intelligence juridique d'une simple barre de recherche sophistiquée.

L'interface d'analyse de clauses d'ACTA AI, montrant le score de conformité indépendant pour chaque section du contrat par rapport à la base de référence ACTA — les écarts sont signalés par gravité avant la génération du résumé analytique.

Un système de scoring de confiance trie chaque clause en quatre catégories : alignée sur la base de référence et prête à être traitée, écart mineur avec une solution standard, écart critique pouvant entraîner des semaines de retard si non résolu, ou langage inconnu par le système et directement transmis à un avocat humain. Une équipe juridique de deux personnes peut gérer 50 contrats simultanément car elle sait toujours où regarder en premier.

Le mode ACTA en un clic traite le scénario où une négociation est complètement bloquée. Un seul bouton réécrit simultanément chaque clause divergente pour les ramener à la base de référence, générant une vue comparative des modifications et un mémo de négociation prêt à être envoyé expliquant chaque changement à l'autre partie.

Les personas de sites prédictifs prennent en compte ce que les outils contractuels génériques ignorent totalement : les hôpitaux négocient différemment. Un centre médical universitaire et un hôpital communautaire régional ont des priorités juridiques, des réflexes et des lignes rouges différents. ACTA AI prédit où les frictions émergeront avant même que le contrat ne soit envoyé.

Le détecteur de conflits multi-parties — que l'équipe a décrit comme la fonctionnalité qui les a le plus surpris — résout un problème qui exige actuellement des avocats seniors de croiser manuellement des centaines de documents. Téléchargez plusieurs CTA, lancez l'analyse, et le système fait apparaître des incohérences entre les contrats : octrois de propriété intellectuelle contradictoires à différents sites pour le même composé, fenêtres de publication incompatibles promises à des institutions distinctes. Ce qui apparaissait auparavant comme une crise juridique des mois après le début d'un programme apparaît désormais en quelques secondes.

L'interface du détecteur de conflits multi-parties, montrant les incohérences entre les contrats signalées à travers des accords d'essai clinique simultanés — une capacité que l'équipe a construite en trois heures et qui pourrait être la fonctionnalité la plus significative commercialement du produit.

Comment tout cela s'est mis en place

Le backend est un pipeline à quatre agents — analyseur de documents, extraction de clauses, identification des risques, contrôle de conformité, suggestion — avec un objet d'état partagé transportant les clauses extraites, les résultats de risques, les résultats de conformité et les différences de versions à chaque étape. L'architecture inclut également une couche de routage qui reflète la façon dont les cabinets d'avocats répartissent réellement le travail : les clauses complexes sur le plan juridique vont vers un modèle optimisé pour le raisonnement juridique, les tâches de classification rapides vont vers un modèle optimisé pour la vitesse, et les réécritures complexes vont vers un modèle optimisé pour la qualité linguistique. Le bon modèle pour la bonne tâche, intégré au système plutôt que laissé au hasard.

Aucun membre de l'équipe n'avait construit de pipeline multi-agents en production avant le début du week-end. L'architecture a subi trois refontes complètes avant d'arriver à celle qui a finalement tenu. Avec le recul, l'équipe a décrit ces premières discussions comme les heures les plus précieuses du hackathon.

Le frontend a été reconstruit deux fois — intentionnellement. Le langage visuel utilise des crèmes chauds, des verts sauge et des teals sourds. La raison derrière ces choix était claire : le logiciel clinique doit inspirer confiance et sérénité. Le design est une décision de produit, pas une décision stylistique.

Ce dont ils sont le plus fiers

Que cela fonctionne sur des documents réels.

De vrais accords d'essai clinique — formatage désordonné, ordre inhabituel des clauses, langage juridique que le système n'avait jamais rencontré en développement — et le pipeline les traite. Les cas limites se dégradent gracieusement. Les solutions de secours s'activent proprement. La sortie structurée est maintenue.

Le détecteur de conflits multi-parties a failli ne pas figurer dans la soumission. C'était un ajout tardif construit en trois heures. Ils l'ont quand même expédié, et ils pensent que c'est l'élément le plus précieux commercialement du produit.

Ils sont aussi fiers de quelque chose qui n'apparaît pas dans la démo : à la 28ème heure, fatigués et sous pression, ils ne s'en sont pas pris les uns aux autres. Ils ont décrit le fait d'être respectueux envers son équipe sous pression comme une compétence, et l'ont traitée comme telle. Ce n'est pas rien. C'est probablement pour cela que tout le reste a été terminé.

Le détecteur de conflits multi-parties est la première priorité — passer d'un prototype fonctionnel à un stockage de contrats persistant, un historique de suivi des conflits, des alertes automatisées et une visualisation du réseau montrant quels sites partagent des conditions juridiques qui se chevauchent.

L'architecture centrée sur la confidentialité est la prochaine étape. Les accords d'essai clinique contiennent des informations sensibles sur les patients et les organisations. La prochaine version nécessite un chiffrement de bout en bout, des contrôles d'accès basés sur les rôles et un cadre de traitement des données qui satisfait aux exigences réglementaires pour les deux parties à la négociation. La confiance, comme l'a dit l'équipe, est le fondement de tout produit juridique. Ils veulent la gagner correctement.

L'ambition à plus long terme est l'apprentissage des agents à partir de cas réels — réinjecter les résultats réels des négociations dans le système afin qu'il affine ses modèles de risque au fil du temps. Quels écarts ont causé des retards ? Quelles lignes rouges ont été acceptées ? Quels types de sites ont le plus résisté sur quelles clauses ? Le système devient plus intelligent avec chaque contrat qu'il traite.

Et éventuellement, une intelligence de négociation longitudinale : une fonctionnalité qui indique à une équipe juridique exactement comment un site donné a négocié par le passé, quel langage il a finalement accepté, et où la friction est la plus susceptible d'émerger — le type de mémoire institutionnelle qui vit actuellement dans la tête des avocats individuels, rendue accessible à tous les membres de l'équipe.

Le problème qui mérite d'être résolu

ACTA AI n'a pas été construit pour gagner une compétition. Il a été construit parce que le problème est réel, les mathématiques sont brutales, et personne ne l'a réellement résolu.

L'écart entre une thérapie prometteuse entrant en phase d'essai et l'accès d'un patient à celle-ci n'est pas principalement un problème scientifique. C'est un problème de coordination, un problème de documentation, un problème de processus — exactement le genre de problème qu'une intelligence structurée appliquée à la bonne couche peut résoudre.

L'équipe a vu cet écart et a passé 36 heures à construire quelque chose qui aide à le combler. Les patients de l'autre côté de cette table de négociation n'ont pas 100 jours à attendre.

Vous avez manqué les volumes précédents ? → Vol. 1 — Heritage in Pixels → Vol. 2 — Terra Zone AI *→ Vol. 3 — *reAgent *→ Vol. 4 *— TaleTailor *→ Vol. 5 *— LEGR *→ Vol. 6 — *PolyPath *→ Vol. 7 — EcoThread→ Vol. 8 *— Aletheia *→ Vol. 9 *— Synova → Vol. 10 — Overturn Insurance→Vol. 11 — **VentureLink *→**Vol. 11 *—Atlas: Immersive 3D AI Learning