Chaque année, des millions de personnes sollicitent une assistance juridique via les permanences téléphoniques des programmes d'aide juridique, les bureaux d'aide juridique ou les services d'orientation vers les avocats. Identifier les problèmes juridiques rencontrés par un demandeur est la première étape pour le mettre en relation avec l'aide adéquate. Une mauvaise orientation peut entraîner des retards, des violences physiques, la perte de logement ou la perte de la garde des enfants. Cet article présente et évalue le classificateur FETCH pour la classification des problèmes juridiques et décrit deux méthodes pour en améliorer la précision : une méthode de classification d'ensemble hybride LLM/ML et la génération automatique de questions complémentaires qui enrichissent la description initiale du problème. Nous utilisons un nouvel ensemble de données composé de 419 questions concrètes provenant de services d'orientation vers les avocats d'organismes à but non lucratif. Nous démontrons qu'en combinant des modèles peu coûteux, nous obtenons une précision de classification de 97,37 % (hits@2), surpassant ainsi le modèle GPT-5 actuel, à la pointe de la technologie. Notre approche démontre le potentiel de réduction significative des coûts d'orientation des usagers du système juridique vers les ressources appropriées à leurs problèmes, tout en garantissant une grande précision.
