La progression fulgurante de intelligence artificielle et l'apprentissage automatique ont attiré l'attention des gouvernements. La cible? Dystopie pure : développer des technologies prédictives pour surveiller et éventuellement éviter la criminalité et les comportements criminels. Il faut dire : les premières tentatives d'application ont été assez opaques, entre "racisme numérique" et les préjugés.
Le département des sciences sociales et des données de l'Université de Chicago a créé un nouvel algorithme qui analyse les séries chronologiques et les modèles géographiques de données publiques sur les crimes violents et contre les biens pour anticiper les crimes. L'algorithme s'est avéré correct environ 90% du temps pour prédire les futures activités criminelles une semaine à l'avance.
Une précision de 90 % est-elle suffisante ?
Avant de répondre à cette question (rhétorique, dont vous connaissez déjà la réponse), quelques données supplémentaires. Dans un modèle distinct, l'équipe de recherche a également étudié la réponse de la police à la criminalité, en analysant le nombre d'arrestations et en le comparant dans des quartiers de statut socio-économique différent. Les chercheurs ont observé que les crimes dans les zones aisées entraînaient davantage d'arrestations, tandis que les arrestations dans les quartiers défavorisés diminuaient. Cela sous-tend un manque d'engagement de la police dans les quartiers les plus pauvres de la ville.
Ishanu Chattopadhyay est professeur adjoint à l'Université de Chicago et auteur principal de la nouvelle étude, publiée dans la revue Comportement humain de nature (je mets le lien ici).
Comment fonctionne l'algorithme "anti crime"
Le nouvel outil a été testé et s'est avéré efficace sur deux types d'événements signalés par la ville de Chicago : les crimes violents (homicides, agressions et coups) et les crimes contre les biens (cambriolages, vols et cambriolages de véhicules à moteur). Ces données ont été utilisées car les crimes de ce type sont plus susceptibles d'être signalés aux forces de l'ordre, même dans les quartiers où règne la méfiance à l'égard des autorités. Ces infractions sont également moins sensibles aux préjugés de la police, comme la possession de drogue, les arrestations routières et d'autres infractions mineures.
Dans cette nouvelle approche, les crimes sont isolés en observant les coordonnées spatiales et temporelles de chaque événement. Sur cette base, la ville est divisée en carrés d'environ 300 mètres carrés (1000 pieds) de large : par conséquent, les prévisions ne dépendent pas du type de quartier ou des préférences politiques des différentes zones. Observez tout "sans préjugés".
Et ça marche : le taux de correspondance de 90 % a été obtenu avec les données de 8 villes américaines : Chicago, Atlanta, Austin, Detroit, Los Angeles, Philadelphie, Portland et San Francisco.
Oui, mais est-ce que 90 % est suffisant ?
Pour faire quoi? Accuser quelqu'un d'avance ? Mais ne plaisantons pas, bien sûr. Ce "pré-crime" n'est pas comme celui de Minority Report. Vous ne verrez pas de patrouilles de police arrêter un criminel "tôt" sur la base d'une prédiction.
Des outils comme celui-ci sont nécessaires ex post, pour préparer des investissements ciblés et renforcer les domaines qui ont le plus besoin d'intervention.
C'est une sorte de « jumeau numérique » appliqué aux délits. Vous lui dites ce qui s'est passé dans le passé, il vous dit ce qui peut arriver dans le futur.
"Ce n'est pas magique, ça a des limites", s'empresse de dire Chattopadhyay, "mais ça marche bien. Et on peut aussi l'utiliser pour simuler ce qui se passe si les crimes augmentent dans une certaine zone. Un facteur important dans l'évolution de nos systèmes de sécurité."
J'ai hâte de le faire fonctionner à Gotham City. Je blague.
