L’IA est-elle de plus en plus efficace pour prédire la criminalité ?

Les livres et films de science-fiction ont imaginé un avenir où la police pourrait prédire les crimes bien avant que l'intelligence artificielle (IA) ne le permette. Aujourd'hui, ce n'est plus seulement une possibilité théorique, mais une réalité : plusieurs villes expérimentent la police prédictive basée sur l'IA. Pourtant, ce n'est pas encore une pratique courante, alors qu'est-ce qui l'empêche ?

Au fil des ans, la précision et la fiabilité ont constitué des enjeux pour toutes les applications d'analyse prédictive. Cependant, la technologie a suffisamment évolué pour faire des vagues dans des secteurs comme la fabrication et la gestion de la chaîne d'approvisionnement. Alors, est-elle prête pour un déploiement à plus grande échelle dans la prédiction de la criminalité ?

L'état actuel de l'IA de prédiction de la criminalité

La police prédictive n'est peut-être pas encore la norme, mais elle a connu des avancées majeures ces dernières années. Ces avancées se répartissent en trois grandes catégories : l'IA prédictive de la criminalité en situation réelle, les études expérimentales et les projets de prédiction de la criminalité annoncés mais non encore lancés.

1. Résultats positifs dans le monde réel

Certaines villes ont déjà constaté des résultats impressionnants grâce à la police prédictive basée sur l'IA. Le Département général des enquêtes criminelles de la police de Dubaï indique les taux de criminalité grave ont diminué de 25 % Après la mise en œuvre d'un outil d'IA pour prédire les crimes, les activités criminelles moins graves ont diminué de 7.1 %.

Comme de nombreux outils de prédiction de la criminalité basés sur l'IA, la solution analyse les rapports antérieurs et les compare aux conditions actuelles. En mettant en évidence les tendances des crimes antérieurs, les modèles d'apprentissage automatique identifient les zones et les moments où des événements similaires sont susceptibles de se produire. La police peut alors mobiliser des ressources en amont pour décourager la criminalité ou traiter les facteurs qui pourraient la favoriser avant qu'elle ne se produise.

San José, en Californie, a connu le succès grâce à un modèle d'IA différent. Bien que la ville ne prédise pas encore la criminalité, détecte les nids-de-poule et les graffitis Grâce à l'IA, les incidents peuvent être traités plus rapidement. Selon les autorités, le nettoyage d'une zone réduit le risque d'activité criminelle, ce qui permet de réduire les incidents.

2. Modèles expérimentaux prometteurs

Alors que la police prédictive se développe en situation réelle, les premiers tests d'applications similaires se sont également révélés prometteurs. Dans de nombreuses juridictions, le déploiement complet d'un système de prédiction de la criminalité se heurte à des obstacles réglementaires considérables, ce qui ralentit l'adoption de la technologie. En attendant, des exemples en phase expérimentale font avancer les choses.

Une étude de 2022 de l'Université de Chicago a créé un modèle qui peut prédire les crimes avec une précision de 90 % Une semaine à l'avance. Plus important encore, le système est moins sujet aux biais que les systèmes plus anciens, car il utilise des données différentes. Au lieu de diviser la ville en quartiers ou en limites politiques, il la divise en tuiles distinctes et égales pour offrir un nouveau regard sur la zone.

Créer des jumeaux numériques d'une ville pour cartographier la criminalité selon un système original, plutôt que de s'appuyer sur des données plus anciennes et biaisées, pourrait produire des informations plus fiables. Les forces de police n'ont pas encore commencé à utiliser ce système, mais cette recherche illustre les possibilités offertes par les nouvelles technologies dans ce domaine.

3. Investissements à venir dans la police prédictive

À l'avenir, plusieurs domaines ont récemment dévoilé des objectifs de prédiction de la criminalité par l'IA. Ces projets n'ont pas encore démarré, mais leur émergence témoigne d'une évolution croissante vers cette technologie, probablement due à une confiance accrue des gouvernements dans son efficacité.

En juillet 2024, le ministère argentin de la Sécurité a annoncé des plans pour la prédiction de la criminalité par l'IA et réponse. Selon la résolution, les forces de police analyseront les données criminelles historiques pour prédire les événements futurs et réagir en conséquence afin d'éviter tout incident. Elle mentionne également la détection d'anomalies en temps réel, qui pourrait fonctionner en tandem avec le modèle prédictif.

Plus récemment, le Royaume-Uni a révélé que travailler sur un outil de prédiction de meurtre Identifier les personnes présentant le plus grand risque de devenir des criminels violents. La réaction des autorités face à ces données reste incertaine, et les rapports sur les données utilisées par la solution sont contradictoires. Le ministère de la Justice a indiqué que le projet était pour l'instant destiné uniquement à la recherche, mais que les recherches menées aujourd'hui pourraient déboucher sur des projets concrets demain.

Comment la prédiction de la criminalité par l’IA s’est-elle améliorée ?

Ces applications de police prédictive actuelles et futures sont loin d'être les premiers exemples de cette technologie. Elles marquent néanmoins une évolution positive. Les précédentes versions n'ont pas atteint les mêmes niveaux de précision et de fiabilité. La précision de 90 % de la solution de l'Université de Chicago et la réduction de 25 % de la criminalité grave à Dubaï sont bien loin des tentatives précédentes.

En 2024, le bureau du shérif du comté de Pasco, en Floride a payé un règlement de 105,000 XNUMX $ et a fermé son programme de police prédictive après de mauvais résultats. Le système a conduit les agents à visiter à plusieurs reprises, voire à arrêter, des citoyens qui n'avaient pas encore commis de délits, sur la base des prédictions du modèle d'IA. 

De même, Chicago fermer son modèle de prédiction de la criminalité Après plusieurs plaintes, des études ont montré que le système n'avait pas d'impact significatif sur la criminalité liée aux armes à feu, malgré une augmentation des probabilités d'arrestation. Plus inquiétant encore, des recherches ont révélé que l'algorithme était intrinsèquement biaisé sur le plan racial, augmentant ainsi le risque d'arrestation des personnes de couleur.

Une autre solution populaire utilisée par plusieurs villes, Geolitica, qui s'appelait auparavant PredPol, n'a montré qu'une précision de 0.6 % Lors de la prédiction des agressions graves, le taux de précision pour les cambriolages n'était que de 0.1 % dans certaines zones.

Comparés à ces programmes défaillants, les nouveaux prédicteurs de criminalité basés sur l'IA sont remarquablement précis. Bien que les témoignages de forces de police réelles utilisant ces solutions plus avancées soient moins nombreux, les premiers résultats dressent un contraste saisissant entre l'IA d'hier et celle d'aujourd'hui. 

Le côté obscur de l'IA dans la prédiction de la criminalité

Il est facile de comprendre pourquoi tant de juridictions investissent dans la prédiction de la criminalité par l'IA. Arrêter les activités criminelles avant qu'elles ne se produisent constitue un atout majeur pour la sécurité publique, et l'IA peut détecter des tendances qui peuvent être contraires aux hypothèses humaines. Par exemple : plus de la moitié de tous les cambriolages Les événements se produisent pendant la journée, malgré la croyance populaire selon laquelle ils sont plus probables la nuit. L'IA peut décrypter les apparences pour identifier les tendances réelles.

Parallèlement, la police prédictive soulève d'importantes préoccupations en matière de respect de la vie privée et d'éthique. Il y a une raison à cela. 52 % des Américains sont plus préoccupés Ils sont plus intéressés par l'IA qu'ils ne s'y intéressent. Même les modèles les plus avancés sont sujets aux hallucinations, et l'IA a l'habitude de perpétuer, voire d'exagérer, les préjugés humains lorsqu'elle est entraînée à partir de données biaisées.

Les données historiques sur la criminalité sont, au mieux, potentiellement inexactes et, au pire, intrinsèquement racistes. Les registres d'arrestation peuvent révéler des zones plus fortement surveillées par la police qu'ils ne reflètent la criminalité réelle. Par conséquent, ces données peuvent refléter des préjugés raciaux de longue date, bien documentés dans le domaine de l'application de la loi.

Les modèles d'IA qui apprennent à partir de données biaisées peuvent inciter la police à patrouiller plus intensément dans les quartiers noirs ou à se méfier davantage des personnes de couleur. Les cas de Chicago et du comté de Pasco le démontrent parfaitement. Par conséquent, s'appuyer sur les prédictions de l'IA sans tenir compte de ces préjugés pourrait accentuer le traitement injuste des populations historiquement sur-policières et défavorisées.

Injustice raciale mise à part, la collecte d'autant de données sur les citoyens pourrait entraîner des risques pour la vie privée. Les agences gouvernementales sont la huitième industrie la plus ciblée par la cybercriminalité, une faille dans un modèle de police prédictive est donc hautement probable, en plus d'être dommageable. Même si aucune cyberattaque ne réussit, surveiller les citoyens dans l'hypothèse où ils pourraient commettre un crime soulève des questions de sursurveillance et de procédure régulière.

La prédiction de la criminalité par l'IA s'améliore, mais des inquiétudes subsistent

Les modèles de prédiction de la criminalité basés sur l'IA sont bien plus précis aujourd'hui qu'il y a quelques années. Cependant, les préoccupations concernant les biais, l'efficacité et la justice demeurent importantes. Les décideurs politiques et les entreprises d'IA doivent s'attaquer à ces problèmes pour que cette technologie puisse réellement garantir un avenir plus sûr.