3 secondes pour identifier un suspect : l'IA dans la police

En 3 secondes, un algorithme peut identifier un suspect parmi des millions de visages. Mais est-ce vraiment une bonne nouvelle ?

Pendant des décennies, résoudre un crime reposait sur des témoins, des empreintes digitales et des heures d'enquête laborieuse. Aujourd'hui, des systèmes d'intelligence artificielle analysent des flux vidéo en temps réel, prédisent les zones de criminalité et comparent des visages en une fraction de seconde. Cette puissance fascine autant qu'elle inquiète — et pour de bonnes raisons.

L'IA au service des forces de l'ordre : un tournant concret

L'intégration de l'IA dans la police n'est plus un scénario de science-fiction. Elle est déjà opérationnelle dans de nombreux pays, avec des applications qui couvrent l'ensemble de la chaîne sécuritaire.

La reconnaissance faciale : l'outil le plus visible

Des systèmes comme Clearview AI ou PimEyes permettent de croiser une photo avec des milliards d'images issues du web et de bases de données publiques. La police de New York, de Londres ou de Dubaï les utilise déjà pour identifier des suspects, retrouver des personnes disparues ou démasquer des auteurs de fraudes.

En France, la Direction centrale de la police judiciaire recourt au Traitement des antécédents judiciaires (TAJ), une base couplée à des algorithmes de comparaison biométrique. Le résultat : des identifications qui prenaient plusieurs jours s'effectuent désormais en quelques minutes.

L'analyse prédictive : anticiper le crime avant qu'il ne se produise

Des logiciels comme PredPol (rebaptisé Geolitica) ou ShotSpotter analysent des données historiques — types de délits, horaires, conditions météo, données socio-économiques — pour prédire où et quand un crime pourrait survenir. Les patrouilles sont alors déployées en conséquence.

• ShotSpotter détecte acoustiquement les coups de feu et alerte les forces de l'ordre en temps réel
• Geolitica cartographie les zones à risque avec une précision de l'ordre du bloc de rue
• Des IA analysent les réseaux sociaux pour repérer des signaux faibles d'activités criminelles organisées

L'analyse forensique et documentaire

L'IA accélère aussi le travail de bureau. Des modèles de traitement du langage naturel — proches de ce que font ChatGPT ou Gemini — permettent d'analyser des milliers de documents, d'écoutes téléphoniques ou de relevés financiers en quelques heures, là où une équipe humaine aurait mis des semaines.

Les résultats sont réels… mais les dérives aussi

Les succès sont indéniables. Des réseaux de trafic humain ont été démantelés grâce à l'analyse de données numériques. Des fugitifs ont été localisés via la reconnaissance faciale dans des aéroports. Des pics de violence ont été prévenus grâce aux systèmes prédictifs.

Pourtant, plusieurs affaires ont mis en lumière les limites dangereuses de ces outils.

Le biais algorithmique : quand l'IA discrimine

Une étude du MIT Media Lab a démontré que certains systèmes de reconnaissance faciale affichent un taux d'erreur allant jusqu'à 34 % sur les visages de femmes à peau foncée, contre moins de 1 % sur les hommes blancs. En 2020, Robert Williams, un homme noir du Michigan, a été arrêté à tort et menotté devant sa famille — sur la base d'une fausse correspondance algorithmique. Il n'était pas le premier. Il ne sera pas le dernier si rien ne change.

La surveillance de masse : une frontière floue

L'utilisation de caméras couplées à la reconnaissance faciale dans les espaces publics soulève une question fondamentale : où s'arrête la sécurité et où commence la surveillance généralisée ? En Chine, ce système est déjà massif. En Europe, le débat est vif. L'AI Act européen tente d'encadrer ces usages, mais les exceptions pour la sécurité nationale restent larges.

La présomption d'innocence mise à l'épreuve

Un score de risque élevé produit par un algorithme peut influencer une décision de mise en détention provisoire. Aux États-Unis, le logiciel COMPAS, utilisé pour évaluer le risque de récidive, a fait l'objet d'une controverse majeure : ses prédictions étaient systématiquement défavorables aux personnes afro-américaines, indépendamment des faits.

Vers une IA policière responsable : les conditions non négociables

L'enjeu n'est pas d'interdire ces outils, mais de les encadrer avec rigueur. Plusieurs principes doivent guider leur déploiement :

• Transparence algorithmique : les forces de l'ordre doivent pouvoir expliquer comment un système a produit un résultat
• Supervision humaine systématique : aucune décision judiciaire ne doit reposer uniquement sur une sortie d'IA
• Audits indépendants réguliers : pour détecter et corriger les biais avant qu'ils ne causent des injustices
• Cadres légaux clairs : définir précisément les conditions d'utilisation, de stockage et de partage des données biométriques

Conclusion : la technologie n'est pas neutre

L'IA peut rendre la police plus efficace, plus réactive, potentiellement plus juste — si elle est bien conçue et bien utilisée. Mais un algorithme entraîné sur des données biaisées reproduit et amplifie les inégalités existantes. La vraie question n'est pas "peut-on faire confiance à l'IA ?", mais "à qui demande-t-on des comptes quand l'IA se trompe ?"

La technologie avance vite. Les garde-fous, eux, avancent encore trop lentement. Et c'est précisément là que se joue l'avenir de nos libertés.

— Reservoir Live