Quand les mégadonnées aident la police

Des algorithmes très poussés permettent à des corps policiers de maximiser le travail des effectifs en prévoyant les endroits où des crimes ont le plus de risques de se produire dans une ville. Le Québec tarde à adopter cette technologie. Mais ce n’est pe

Différents systèmes de prévision policière (aussi appelés systèmes de maintien de l’ordre prédictifs) existent depuis une dizaine d’années aux États-Unis. À Los Angeles, la police utilise un logiciel qui tient compte surtout du temps et de la géographie. En analysant les pillages de domiciles survenus dans un secteur, par exemple, les algorithmes peuvent alerter les agents sur le fait que le risque de récidive sera accru trois semaines après un crime, mais uniquement en soirée.

« C’est une technologie qui met en application plusieurs concepts connus en criminologie », explique Rémi Boivin, professeur agrégé à l’École de criminologie de l’Université de Montréal. Comme il le répète souvent dans ses cours, « la meilleure manière de savoir où sera la criminalité l’an prochain est de regarder où elle est cette année ». C’est ce que fait, d’une façon systématique, la prévision policière qui repose sur les lieux.

Les policiers de Chicago utilisent quant à eux un autre système, basé sur les données concernant les personnes. Près de 400 000 résidants ayant un casier judiciaire sont répertoriés dans la Strategic Subjects List. Un algorithme donne à chacun une note sur 500 en fonction de huit critères, dont le nombre d’arrestations, l’âge, s’ils ont eux-mêmes été victimes d’un crime ou pas... Ceux dotés d’une note élevée risquent de perpétrer plus de crimes, selon le système, et doivent donc s’attendre à des visites de la police et à un traitement différent lors d’une arrestation, par exemple.

Les mégadonnées commencent à être utilisées par certains corps policiers canadiens, notamment à Edmonton et à Vancouver, mais pas au Québec. À la Sécurité publique, on dit connaître cette approche, mais ne pas s’être « penchés expressément sur la question ». Ce retard technologique est pour l’instant une bonne nouvelle.

Les mégadonnées ont le potentiel d’améliorer le travail des policiers, mais elles comportent aussi des risques importants. La prévision policière qui repose sur les personnes est particulièrement problématique, estime Andrew G. Ferguson, professeur de droit à l’Université du district de Columbia, à Washington, et auteur du livre The Rise of Big Data Policing : Surveillance, Race and the Future of Law Enforcement (NYU, 2017). « Si vous êtes répertorié à Chicago, la police peut venir frapper à votre porte. C’est une mesure de contrôle social et de surveillance », dit-il à L’actualité.

Les données utilisées par les algorithmes peuvent aussi être tendancieuses, lorsqu’une communauté ethnique précise est surveillée de près par les agents, par exemple. Ces préjugés peuvent être amplifiés par les systèmes informatiques.

À l’heure actuelle, les programmes de prévision policière sont des expériences sur le terrain, et ce sont les populations déjà victimes de profilage qui risquent d’en faire les frais. Un travail d’analyse éthique et criminologique important devrait être réalisé avant de déployer cette technologie à grande échelle.