Skip to main content
Glama

RAG + serveur MCP sur le droit de la copropriété

CI

Démonstration technique de recherche documentaire (RAG) et de serveur MCP, sur un corpus juridique réel et public, avec une évaluation chiffrée.

L'outil retrouve, dans la loi du 10 juillet 1965 et le décret du 17 mars 1967 (versions consolidées), les articles qui répondent à une question de copropriété (charges, assemblée générale, majorités, syndic, conseil syndical, travaux). Il les cite avec leur lien Légifrance et dit « je ne sais pas » quand ces textes ne semblent pas répondre. On l'utilise par une page web, une API HTTP, ou depuis un assistant (Claude Desktop, Claude Code) grâce au serveur MCP.

Ce n'est pas un conseil juridique. La consultation juridique est une activité réglementée (loi n° 71-1130 du 31 décembre 1971, articles 54 et suivants). L'outil cite des textes officiels tels quels. Il ne certifie rien, peut se tromper d'article, et ne connaît ni la jurisprudence ni le règlement de copropriété d'un immeuble.

Démarrage

git clone https://github.com/mathieurecatala/rag-copropriete.git && cd rag-copropriete
docker compose up -d --build      # Postgres 16 + pgvector et API FastAPI, l'ingestion du corpus démarre seule
xdg-open http://localhost:8000    # (open sur Mac) : la page de questions

Aucune clé n'est nécessaire. La construction de l'image télécharge le modèle d'embeddings (environ 2,2 Go) et le reclasseur. L'ingestion des 449 passages prend ensuite quelques secondes, car leurs vecteurs sont livrés précalculés (corpus/vecteurs/bge-m3.npz). GET /sante dit où en est l'ingestion. L'API n'écoute que sur 127.0.0.1, car POST /ingestion n'a pas d'authentification.

Commandes utiles (Docker requis, make est un raccourci facultatif) :

make tests          # ou : docker compose run --rm api pytest
make evaluation     # ou : ./scripts/evaluer.sh   → eval/resultats/rapport.md
make mcp            # serveur MCP sur stdio, pour un essai à la main
python corpus/telecharger.py   # retélécharger le corpus officiel (environ 3 Go)

API : POST /question {"question": "...", "k": 5} renvoie je_ne_sais_pas, les passages (texte, article, plan, lien Légifrance, scores) et, si une clé Anthropic est configurée dans .env, une réponse rédigée par Claude.

Related MCP server: Légifrance MCP Server

Serveur MCP

Le serveur (app/serveur_mcp.py, SDK Python officiel mcp 2.3.0, transport stdio) expose la même recherche à un assistant, avec deux outils en lecture seule.

  • rechercher_articles(question, k=5) renvoie les articles les plus pertinents avec leur référence (loi-1965 art. 25), un extrait, le lien Légifrance et les scores. Si la question sort de ces textes, il refuse explicitement (je_ne_sais_pas: true, aucun article).

  • lire_article(reference) renvoie le texte officiel complet d'un article, avec sa date d'entrée en vigueur et la date de consolidation. Il accepte loi-1965 art. 25, décret 1967 article 9 bis ou article 17-1 A de la loi.

Dans Claude Code, la pile étant démarrée par docker compose up -d :

claude mcp add copropriete -- docker compose -f /chemin/vers/rag-copropriete/docker-compose.yml \
  exec -T api python -m app.serveur_mcp

La configuration de Claude Desktop, la variante sans laisser l'API tourner et le cas de Docker dans WSL sont décrits dans NOTES_TECHNIQUES.md. Autre serveur MCP du même auteur, branché sur Jira : mcp-jira-qa.

Architecture

  DILA, base LEGI (données ouvertes, Licence Ouverte 2.0)
              │  corpus/telecharger.py   (une fois, le résultat est versionné)
              ▼
  corpus/donnees/*.json   un article en vigueur par entrée : texte officiel, plan, lien Légifrance
              │  app/ingestion.py   (au démarrage, idempotente)
              │    un passage par article (coupé à 1 500 caractères s'il est long)
              │    embeddings BAAI/bge-m3 (ONNX, processeur), repris de corpus/vecteurs/bge-m3.npz
              ▼
  ┌─────────────── Postgres 16 + pgvector ────────────────┐
  │ passages : vector(1024) [HNSW], tsvector 'french' [GIN] │
  └─────────────────────────────────────────────────────────┘
              ▲
              │  app/recherche.py
              │    1. reformulation : mots courants → vocabulaire de la loi (app/lexique.py, 3 entrées)
              │    2. plein texte BM25 (calculé dans Postgres) + similarité cosinus → fusion RRF pondérée
              │    3. reclasseur cross-encoder (mmarco, ONNX), point par point dans les énumérations
              │    4. article nommé dans la question (« article 26 ») placé en tête
              │    5. « je ne sais pas » si la meilleure similarité de la question d'origine < 0,55
       ┌──────┴───────────────────────┐
  API FastAPI + page web        serveur MCP (stdio)
  POST /question                rechercher_articles, lire_article

Le pourquoi de chaque choix (modèle, découpage, fusion, reclasseur, seuil) et les essais chiffrés qui l'ont décidé sont dans NOTES_TECHNIQUES.md.

Résultats

Chaque question a son ou ses articles attendus. hit@3 est la part des questions dont un article attendu sort dans les trois premiers résultats. Les questions ont été écrites par une IA à partir du texte, sans relecture par un juriste. Le jeu de mise au point a servi aux réglages, ses chiffres sont donc optimistes. Le jeu de contrôle a été mis à part et n'a servi à choisir aucun réglage.

Jeu (mode hybride + reclasseur)

hit@3

hit@1

MRR@10

Hors sujet refusées

Mise au point (20 questions)

95 % (19/20)

60 %

0,78

5 sur 5

Contrôle (52 questions)

90 % (47/52)

75 %

0,83

7 sur 10

La CI rejoue cette évaluation à chaque push et échoue si un chiffre recule d'une seule question. Comparaison des modes, mesures avant et après correctifs et temps de réponse : NOTES_TECHNIQUES.md.

La même mécanique s'applique à un corpus réglementaire interne (procédures, conformité) : citations obligatoires et refus quand la réponse n'est pas dans les textes.

Limites

  • Le corpus se limite à la loi de 1965 et au décret de 1967, avec ses annexes. Il ne contient ni Code civil, ni jurisprudence, ni règlement d'immeuble. Une réforme demande de relancer corpus/telecharger.py, python -m app.ingestion --precalculer puis l'ingestion.

  • Les questions de test ne viennent pas de vraies demandes de copropriétaires.

  • Le refus hors sujet reste fragile près du vocabulaire du logement. 3 questions hors corpus sur 10 passent encore (assurance habitation, aides à la rénovation, rétractation après un achat en ligne). Une question qui cite un autre texte, comme la loi du 6 juillet 1989, peut aussi passer le seuil et renvoyer des articles voisins, sans les présenter comme cités.

  • La réponse rédigée par Claude n'a été testée qu'avec un client simulé.

  • Le serveur MCP ne fonctionne qu'en stdio, sans authentification. Il est prévu pour un usage local.

Licence

Code sous licence MIT (LICENSE). Textes du corpus issus de la base LEGI de la DILA, publiée sous Licence Ouverte / Open Licence 2.0 (Etalab), vérifié le 12/10/2026 sur https://www.data.gouv.fr/fr/datasets/legi-codes-lois-et-reglements-consolides/ (fichiers sur https://echanges.dila.gouv.fr/OPENDATA/LEGI/). La réutilisation est libre, y compris commerciale, en mentionnant la source et la date de mise à jour, données dans chaque corpus/donnees/*.json.

Auteur

Mathieu Recatala, octobre 2026. Python, FastAPI, Postgres et pgvector, SDK MCP, GitHub Actions, développé avec Claude Code.

Tool Schema Changelog

Recent tool additions, removals, and schema changes observed during successful MCP inspections.

Loading tool schema changelog…

    Related MCP Connectors

    Related MCP Servers

    • A
      license
      Not graded
      quality
      D
      maintenance
      Provides access to official French legal databases (Légifrance and JudiLibre) to search and retrieve French legislation, legal codes, case law, and judicial decisions through authenticated APIs.
      38
      MIT
    • A
      license
      Not graded
      quality
      B
      maintenance
      Enables read-only querying of official French law — laws, codes, case law, CNIL deliberations and collective agreements — through the Légifrance PISTE API, returning source text with citations and links. It also resolves and verifies legal citations, compares article versions, and searches across multiple legal collections.
      Apache 2.0
    • A
      license
      A
      quality
      B
      maintenance
      Enables read-only research across French legislation and the full judicial hierarchy, including first-instance, appellate, supreme, and constitutional decisions, with tools to search, retrieve Markdown documents, list court structures, and verify statutory and case-law citations against official registries.
      6
      MIT