Préimpression · mars 2026

OpenCaseLaw : un jeu de données ouvert et une plateforme de recherche pour les décisions des tribunaux suisses

Jonas Hertner Préimpression arXiv v1 · 20 mars 2026 MIT (code) · CC0 (données)
Télécharger le PDF (final) PDF de soumission arXiv Code source (MIT) Jeu de données (CC0)

Résumé

Nous présentons OpenCaseLaw, un corpus ouvert et une infrastructure de recherche pour la jurisprudence suisse. Dans l’instantané du dépôt généré le 20 mars 2026, le jeu de données contient 962’724 décisions de 102 tribunaux ou organismes publics fédéraux, cantonaux et de régulation, couvrant les 26 cantons et la période 1875–2026. L’instantané actuel comprend 448’461 décisions en allemand (46,6 %), 434’663 en français (45,1 %) et 79’600 en italien (8,3 %) ; le schéma d’export réserve également un code de langue romanche. OpenCaseLaw publie un export Parquet à 34 champs avec les outils permettant de construire localement un index SQLite-FTS5 et une base de référence ; dans la construction du graphe du 20 mars 2026, cette base contient 8,76 millions de références de citations extraites, 6,42 millions de liens de décisions résolus au sein du corpus et 11,23 millions de liens décision-loi. Nous décrivons le pipeline de collecte, normalisation, déduplication, export et recherche, et publions un harnais de référence multilingue avec 100 requêtes d’évaluation étiquetées ainsi qu’un rapport de référence hors ligne aligné sur la version. Le code est sous licence MIT, et chaque enregistrement renvoie à la décision telle que publiée par le tribunal ou l’organisme public d’origine.

Contributions

  • Corpus ouvert. 971’992 décisions de tribunaux suisses publiées (instantané 2026-05-13) sur 121 tribunaux fédéraux, de régulation, internationaux et cantonaux. Publié comme export Parquet à 34 champs sous CC0 — le plus grand jeu de données ouvert de la jurisprudence suisse.
  • Infrastructure de recherche ouverte. Index SQLite-FTS5 + pipeline à reconstruction atomique. BM25 + RRF + analyse LLM structurée + reranking Haiku. Référence hors ligne figée (19 mars 2026) à MRR 0,470, en ligne avec LLM à 0,647 — toutes deux reproductibles depuis benchmarks/.
  • Graphe de citations. 8,76 M de références de citations extraites ; 6,42 M résolues vers des décisions du corpus (taux de liaison de 73,8 %). 11,23 M de liens décision-loi extraits sur 281 k dispositions distinctes.
  • Interface MCP ouverte. 29 outils spécialisés sur mcp.opencaselaw.ch — recherche, graphe de citations, consultation des lois, chronologies doctrinales, commentaires multilingues, génération de questions d’examen. Gratuit, sans clé API, OpenAPI 3.0.3.
  • Référence multilingue. 100 requêtes étiquetées (74 de · 16 fr · 7 it · 3 interlingues) sur 15 domaines juridiques, vérifiées par le graphe de citations. Plus un jeu de 50 questions de recherche d’arrêts de principe interlingue avec formulations parallèles DE/FR/IT.
  • Cadre de qualité. Cadre de qualité des données à 4 couches — 61 contrôles de jeu de données + 46 contrôles pytest + smoke-test de production L4 + barrière Step 6c qui bloque git push en cas de régression critique. Tableau de bord public sur opencaselaw.ch/quality.html.

Citer

En attendant la parution sur arXiv, veuillez citer comme suit :

@misc{hertner2026opencaselaw,
  author       = {Hertner, Jonas},
  title        = {OpenCaseLaw: An Open Dataset and Search Platform for Swiss Court Decisions},
  year         = {2026},
  howpublished = {Preprint, March 2026},
  url          = {https://opencaselaw.ch/paper/opencaselaw-arxiv-final.pdf},
  note         = {Snapshot 2026-05-13: 971,992 decisions; live corpus ~972,000+}
}

Matériaux

paper.pdf
PDF · version finale · ~20 p.
L’article complet, relecture interne à froid terminée.
submission.pdf
PDF · prêt pour arXiv
PDF au format de soumission (modèle NeurIPS D&B).
source.tar.gz
Source LaTeX · figures · BibTeX
Bundle source reproductible complet.
paper.md
Rendu Markdown
Version texte brut pour diff & lecture web.
github.com/jonashertner/opencaselaw
Code source · MIT
Tous les scrapers, l’infrastructure de recherche, le serveur MCP, le pipeline de build.
voilaj/swiss-caselaw
Hugging Face · CC0 · ~7 Go Parquet
Export Parquet du corpus complet, actualisé chaque jour.

Reproductibilité

Chaque affirmation chiffrée de l’article renvoie à un artefact épinglé à un commit dans le dépôt public. La référence multilingue de 100 questions se trouve sous benchmarks/swiss_legal_rag_bench/v1.jsonl avec le complément interlingue de 50 questions sous benchmarks/swiss_legal_rag_bench/cross_lingual_v1.jsonl. Les résultats de recherche hors ligne figés sont épinglés sous benchmarks/search_benchmark_2026-03-19_offline_full.json. Le cadre de qualité des données se trouve dans quality/ ; son tableau de bord public est sur /quality.html.

Contact

Questions, collaboration, évaluation par les pairs, chaînes de citations : team@jonashertner.com. Suivi des tickets : GitHub issues.