Wrapper

Le terme wrapper (« emballage » en anglais) désigne, dans l'écosystème de l'IA générative, toute application qui s'appuie sur un modèle de fondation existant (GPT-4o, Claude, Mistral, Gemini, Llama) en y ajoutant une couche d'usage : prompt système calibré, interface utilisateur dédiée, intégrations métier, et souvent une base documentaire interrogée en temps réel via un RAG. Le wrapper ne ré-entraîne pas son propre modèle : il orchestre intelligemment un LLM tiers via son API. Dans la legaltech, la quasi-totalité des outils d'IA juridique commercialisés en 2026 — qu'il s'agisse de générateurs de contrats, d'assistants de recherche jurisprudentielle ou de relecteurs de mémoires — sont des wrappers. Cela permet une mise sur le marché rapide, à coût raisonnable, sans investissement en GPU ni en données d'entraînement. La contrepartie est une dépendance forte au fournisseur du modèle (changement de prix, dépréciation d'une version, conditions d'usage) et une marge technique réduite. L'expression « ce n'est qu'un wrapper » est devenue un raccourci critique pour qualifier un produit dont la valeur ajoutée par rapport à un usage direct de ChatGPT ou Claude paraît faible. À l'inverse, un bon wrapper apporte une vraie densité : prompts experts non triviaux, ergonomie pensée pour le métier, contrôle des hallucinations, traçabilité des sources, gestion fine de la confidentialité des données clients, intégration aux outils existants du cabinet (Outlook, CLM, GED). C'est cette couche métier qui distingue un produit legaltech sérieux d'une simple coquille sur un LLM grand public. Pour un avocat ou une direction juridique qui évalue un outil d'IA, la bonne question n'est donc pas « est-ce un wrapper ? » — la réponse est presque toujours oui — mais « qu'apporte ce wrapper que je ne peux pas reproduire en dix minutes avec un prompt soigné sur Claude ou ChatGPT ? ». La réponse honnête à cette question est le meilleur révélateur de la qualité du produit.