Cet article présente un cadre RAG basé sur une ontologie pour relever les défis des systèmes de génération augmentée de données (RAG) dans le domaine juridique. Pour remédier au problème de l'incapacité des méthodes de recherche de texte simples existantes à prendre en compte les structures hiérarchiques, temporelles et causales du droit, ce qui conduit à des réponses anachroniques et peu fiables, nous construisons un graphe de connaissances basé sur un modèle formel inspiré du modèle LRMoo. Nous distinguons les documents juridiques abstraits (Œuvres) de leurs versions (Expressions), agrégeons efficacement les états temporels et réutilisons les versions inchangées des composants. De plus, nous désignons explicitement les événements législatifs comme nœuds d'action primaires, rendant les relations causales explicites et interrogeables. Cette base structurelle nous permet d'appliquer une stratégie de requête intégrée, pilotée par planificateur, pour traiter de manière déterministe des requêtes complexes telles que (i) la recherche ponctuelle, (ii) l'analyse d'impact hiérarchique et (iii) la reconstruction de provenance auditable. Une étude de cas sur la Constitution brésilienne démontre que l'approche proposée fournit une base vérifiable et temporellement précise pour les LLM, permettant des capacités d'analyse de grande dimension et réduisant considérablement le risque d'erreurs factuelles. En fin de compte, elle fournit un cadre pratique pour la construction de systèmes d'IA juridique plus fiables et plus explicables.
