par Servan Le Janne | 30 juillet 2017

Un œil surveille les 13 millions d’ha­­bi­­tants de Canton, dans le sud de la Chine. Au nord de la rivière Zhuijang, dans le parc indus­­triel de Thianhe, l’en­­tre­­prise CloudWalk expé­­ri­­mente une tech­­no­­lo­­gie de recon­­nais­­sance faciale pour préve­­nir tout faux pas. Elle est, d’après ses concep­­teurs, en mesure d’éva­­luer le taux de dange­­ro­­sité d’un indi­­vidu en fonc­­tion de son compor­­te­­ment. « La police utilise un système de big data afin de déga­­ger un groupe de personnes suspectes en fonc­­tion des endroits où elles vont », explique un porte-parole du groupe. Le risque augmente si quelqu’un « visite fréquem­­ment des aéro­­ports ou des maga­­sins de couteaux. Bien sûr il n’y a rien de mal à ache­­ter un couteau, mais si vous ache­­tez aussi un sac et un marteau, vous deve­­nez suspect. » Ce portrait peut être complété par les infor­­ma­­tions de la police. Dans un pays qui compte 176 millions de camé­­ras de vidéo-surveillance, la géné­­ra­­li­­sa­­tion de ce système orwel­­lien donne­­rait à la préven­­tion des crimes un visage aussi tenta­­cu­­laire qu’inquié­­tant. La recon­­nais­­sance faciale permet déjà de détec­­ter les contre­­ve­­nants au code de la route et d’of­­frir aussi­­tôt leurs photos à la vindicte popu­­laire sur des pancartes ou sur Inter­­net. Et ce n’est qu’un début. La Chine prévoit d’in­­ves­­tir 150 millions de dollars dans son indus­­trie de l’in­­tel­­li­­gence arti­­fi­­cielle d’ici 2030. Ailleurs dans le monde, des tech­­no­­lo­­gies de plus en plus élabo­­rées – mais aussi plus intru­­sives – sont mises entre les mains de la police ou des agences de rensei­­gne­­ment. Le roman de Philip K. Dick, Mino­­rity Report, adapté au cinéma en 2002, s’éloigne de la science-fiction.

ANACRIM

Vendredi 28 juillet, dans le bureau de la prési­­dente de la chambre de l’ins­­truc­­tion de Dijon, trois personnes inter­­­rogent le passé. À l’aube de la retraite, Claire Barbier est encore là, à épous­­se­­ter un vieux dossier avec deux témoins. Trente ans après l’as­­sas­­si­­nat du petit Grégory Ville­­min, ses yeux bleu clair tentent de percer ce qui, parmi les mots de Murielle Bolle et Patrick F., décrit fidè­­le­­ment les faits. Pour la première fois, leurs véri­­tés se confrontent. De nouveau, chacun replonge dans le sac de souve­­nirs qu’il traîne depuis trois décen­­nies. Le même mael­s­trom de dates, de person­­nages et de lieux est au cœur des conver­­sa­­tions.


IBM ANACRIM

Murielle Bolle a-t-elle vu l’en­­fant, le jour de sa mort, dans la voiture d’un suspect, Bernard Laroche (tué en 1985), comme elle l’a d’abord raconté avant de chan­­ger de version ? Cet échange inédit avec son cousin et contra­­dic­­teur, Patrick F., ne permet toujours pas de le dire. Mais chaque nouvelle infor­­ma­­tion pèse plus lourd qu’a­­vant. Désor­­mais, la justice se sert d’un logi­­ciel appelé ANACRIM afin de bras­­ser et de faire le tri dans les milliers de données. C’est lui qui a poussé les enquê­­teurs à réexa­­mi­­ner ce dossier anté­­di­­lu­­vien. Conçu aux États-Unis dans les années 1970, ANACRIM s’ap­­puie aujourd’­­hui sur le logi­­ciel ANB (Analyst Note­­book) d’IBM afin de « trans­­for­­mer les données en rensei­­gne­­ments ». Pour le dire autre­­ment, elle présente un pano­­rama clari­­fié des événe­­ments à même d’en déga­­ger les cohé­­rences ou les contra­­dic­­tions. Capable d’in­­té­­grer à son analyse les appels télé­­pho­­niques ou les infor­­ma­­tions bancaires, ANACRIM a aidé à confondre Michel Four­­ni­­ret et Emile Louis. Toute les affaires sensibles sont aujourd’­­hui passées au tamis du logi­­ciel. Grâce au deep lear­­ning (« l’ap­­pren­­tis­­sage profond »), les gendarmes français espèrent lui faire « comprendre » la nature des infor­­ma­­tions trai­­tées. La police des West Midlands, dans le centre de l’An­­gle­­terre, a déjà fixé cet objec­­tif à VALCRI, un système émet­­tant des hypo­­thèses de travail à partir de rapports manus­­crits, d’en­­tre­­tiens, de vidéos de surveillance ou de rele­­vés auto­­ma­­tiques de plaques miné­­ra­­lo­­giques. Ainsi, une machine peut-elle cerner un coupable. Mais il y a plus fou encore. Une nouvelle géné­­ra­­tion de logi­­ciels se targue d’ar­­ri­­ver à prédire les crimes, offrant aux forces de main­­tien de l’ordre les clés pour les déjouer ex ante.

Crédits : Valcri.org

PredPol

Le plus connu de ces programmes, PredPol, fonc­­tionne depuis 2014 à Modesto, un quadrillage de barres grises perdu entre la baie de San Fran­­cisco et le Parc natio­­nal Yose­­mite. Ville-dortoir sur la route qui relie Sacra­­mento à Los Angeles, elle aurait dû prendre le nom de son fonda­­teur, Ralston, s’il n’avait décliné l’hon­­neur, en 1870. Après avoir été reniée, elle hérita donc de son carac­­tère. Mise en lumière par l’en­­fant du coin, George Lucas, dans Ameri­­can Graf­­fiti (1973), Modesto la modeste n’en traîne pas moins une sale répu­­ta­­tion. Le taux de crimi­­na­­lité y est deux fois plus élevé que celui de la moyenne cali­­for­­nienne. John Ridley a d’ailleurs tourné la série Ameri­­can Crime dans ses rues dépouillées. Pour gérer cette violence, la police locale s’est abon­­née aux services de PredPol, une société de prédic­­tion basée non loin de là, dans la cité univer­­si­­taire de Santa Cruz. Son modèle « emprunte l’idée que les crimes se répètent dans l’es­­pace et le temps et qu’on peut modé­­li­­ser ce proces­­sus de répé­­ti­­tion », décrit Bilel Benbou­­zid, maître de confé­­rences en socio­­lo­­gie au Labo­­ra­­toire Inter­­dis­­ci­­pli­­naire Sciences Inno­­va­­tions Socié­­tés (LISIS)À partir des éléments recueillis par les agents, la start-up conçoit un réper­­toire de crimes et délits qu’elle carto­­gra­­phie ensuite. Partant du postu­­lat qu’ils sont suscep­­tibles de se repro­­duire aux mêmes endroits, les agents orga­­nisent en consé­quence ses patrouilles près des hots­­pots (les « points chauds »). À Milan, c’est KeyC­­rime qui est censé déter­­mi­­ner l’en­­droit où les larcins ont le plus de chances de surve­­nir en fonc­­tion d’un histo­­rique. Un système simi­­laire, PredVol, donne aux forces de l’ordre de l’Oise des indi­­ca­­tions sur les prochains vols de voiture.

Ces tech­­no­­lo­­gies qui fonc­­tionnent à l’aide d’al­­go­­rithmes s’ins­­crivent dans le champ de la « préven­­tion situa­­tion­­nelle », indique Bilel Benbou­­zid. Aujourd’­­hui, elles fonc­­tionnent soit au moyen de données spatiales et tempo­­relles, comme PredPol, KeyC­­rime et PredVol, soit en tirant profit des données person­­nelles. Aux États-Unis, une kyrielle de socié­­tés vendent aux juri­­dic­­tions locales des logi­­ciels armés pour évaluer la proba­­bi­­lité de réci­­dive d’un prévenu au regard de son profil. C’est le cas de Compas, déve­­loppé par la société North­­point. D’autres solu­­tions, à l’ins­­tar du programme Predic­­tice, sont offerts aux justi­­ciables qui veulent pondé­­rer le risque avant d’al­­ler en justice. « Le marché fonc­­tionne à trois niveau », analyse Bilel Benbou­­zid. « Il est composé de start-ups qui innovent, de spécia­­listes de l’ana­­ly­­tics et de four­­nis­­seurs d’in­­fra­s­truc­­tures infor­­ma­­tiques comme IBM et Micro­­soft. » Il évolue néan­­moins puisque ces derniers ont beau­­coup absorbé les premiers. Moto­­rola a acheté PublicEn­­gines en 2015, Trimble a repris Omega Group en juillet 2014 et LexisNexis a pris le contrôle de BAIR Analy­­tics. Ces plates-formes auxquelles on peut aussi ajou­­ter Hita­­chi Visua­­li­­za­­tion Predic­­tive Crime Analy­­tics, CivicS­­cape, ArcMap, Hunchlab ou Mark43, font commerce d’une idée ancienne : les situa­­tions portent en elles les crimes.

La recon­­nais­­sance faciale est en plein boom en Chine

Palan­­tir

Modesto a eu son équi­­valent en Angle­­terre. Située au nord dans Manches­­ter, dans la banlieue de Roch­­dale, la petite ville de Kirkholt était touchée, au milieu des années 1980, par un taux de cambrio­­lages deux fois plus élevé que celui des zones à « haut risque » du pays. Mandaté par le minis­­tère de l’In­­té­­rieur pour trou­­ver des solu­­tions, le profes­­seur de crimi­­no­­lo­­gie Ken Pease s’aperçoit rapi­­de­­ment que les victimes sont souvent les mêmes. Dès lors, il suggère de concen­­trer les moyens de lutte sur les zones à risques, c’est-à-dire d’y orga­­ni­­ser les patrouilles, d’y dispen­­ser des conseils de sécu­­rité et d’y favo­­ri­­ser la surveillance de voisi­­nage. Bien aidées par les habi­­tants, ces tech­­niques de « préven­­tion situa­­tion­­nelle » font forte­­ment bais­­ser le nombre de cambrio­­lages. Le cher­­cheur se saisit alors des chiffres pour les trans­­for­­mer en statis­­tiques donnant corps à son intui­­tion : les cambrio­­lages se répètent aux mêmes endroits. Lorsque l’ou­­til statis­­tique se confronte au terrain, ce n’est cepen­­dant encore bien souvent qu’entre les mains des univer­­si­­taires.

Dans les années 1990, le FBI tente vaine­­ment de centra­­li­­ser les infor­­ma­­tions sur les crimes violents et sexuels dans une base de donnée, ViCAP. Malgré l’in­­té­­rêt pratique qu’il repré­­sente poten­­tiel­­le­­ment, ce programme ne suscite guère l’en­­thou­­siasme. « La plupart des agences ne comprennent pas vrai­­ment quel est le but de ViCAP », confie l’un de ses direc­­teurs, Gregory Cooper. « J’ai l’im­­pres­­sion d’avoir une voiture dans laquelle personne ne met d’es­­sence. » Pour cibler leurs inter­­­ven­­tions, les poli­­ciers se réfèrent aux « hots­­pots » qu’ils connaissent sans avoir à employer une formule mathé­­ma­­tique. Seule la police de New York commence à puiser dans les données pour mieux se déployer à l’aide du logi­­ciel CompS­­tat. De l’autre côté de l’At­­lan­­tique, Ken Pease pour­­suit ses recherches. Asso­­cié aux cher­­cheurs du Jill Dando Insti­­tute of Crime Science (JDICS), un labo­­ra­­toire de recherche consa­­cré à la préven­­tion situa­­tion­­nelle, il déve­­loppe, au début des années 2000, le Pros­­pec­­tive Crime Mapping (Promap). Par le biais d’un algo­­rithme, la répé­­ti­­tion des faits dans l’es­­pace et le temps fonde un ensemble de prédic­­tions qu’il est ensuite facile de repor­­ter sur une carte. À l’heure de la « guerre contre le terro­­risme » lancée sur les décombres du Wall Trade Center, après les atten­­tats du 11 septembre 2001, les agences de rensei­­gne­­ment améri­­caines se montrent inté­­res­­sées par le predic­­tive poli­­cing. Mais plutôt que de balayer une mappe­­monde avec une loupe, la NSA scrute les connexions entre diffé­­rents acteurs sur Inter­­net dans le cadre du programme Total Infor­­ma­­tion Aware­­ness. Par sa portée globale, celui-ci se retrouve sous le feu des critiques. Avant la fin de sa première année d’exis­­tence, l’ini­­tia­­tive orwel­­lienne est stop­­pée par le Congrès. Et en 2004, elle renaît sous une autre forme : Peter Thiel donne nais­­sance à Palan­­tir, un outil qui traquera les terro­­ristes présu­­més en trai­­tant l’amas de méta­­don­­nées d’In­­ter­­net. À la fin des années 2000, Palan­­tir tisse sa toile. Grâce à des finan­­ce­­ments d’In-Q-Tel, un fonds d’in­­ves­­tis­­se­­ment lié à la CIA, elle est char­­gée par des acteurs comme la NSA ou la police de Los Angeles de cibler les menaces sur Inter­­net.

En 2007, une ONG s’en saisit pour mettre au jour les personnes impliquées, de près ou de loin, dans l’as­­sas­­si­­nat du jour­­na­­liste Daniel Pearl au Pakis­­tan. La start-up de la Silli­­con Valley aurait aussi permis, à en croire le mythe, à traquer Oussama Ben Laden. Aujourd’­­hui, son cofon­­da­­teur, Peter Thiel est conseiller numé­­rique de Donald Trump.

 CloudWalk

L’an­­née de la créa­­tion de Palan­­tir, un analyste de données du conglo­­mé­­rat de médias améri­­cain Scripps, Thomas Hargrove, se plonge à la demande de ses supé­­rieurs dans les chiffres de la pros­­ti­­tu­­tion. En ouvrant le rapport du FBI sur le crime, il tombe sur un docu­­ment réper­­to­­riant l’en­­semble des homi­­cides. « Je ne savais pas d’où tout ça venait », se rappelle-t-il, « mais, dans la seconde, je me suis dit : “Est-ce qu’il serait possible d’ap­­prendre à un ordi­­na­­teur à repé­­rer les serial killers ?” » Après plusieurs années à essayer de convaincre ses supé­­rieurs, le jour­­na­­liste rentre le rapport des homi­­cides dans un logi­­ciel en 2008 avec l’aide d’un étudiant du Missouri. Ensemble, ils tentent de conce­­voir un algo­­rithme dont le rôle est d’iden­­ti­­fier les cas de meurtres non réso­­lus ayant suffi­­sam­­ment de points commun avec un autre pour qu’ils soient commis par le même meur­­trier. Licen­­cié en 2015 dans le cadre d’un plan social, Hargrove crée le Murder Accoun­­ta­­bi­­lity Project. Pendant ces mois passés à retis­­ser les liens entre diffé­­rents crimes, Hargrove a contacté plusieurs agents de police. À chaque fois, il s’est heurté à un mur. Par manque de moyen, de temps ou d’in­­té­­rêt, les forces de l’ordre ne répon­­daient pas. À partir  de 2012, cepen­­dant, certaines ont été convain­­cues de l’in­­té­­rêt d’uti­­li­­ser leurs archives pour anti­­ci­­per.

L’al­­go­­rithme de Hargrove en action
Crédits : Cait Opper­­mann/Bloom­­berg

Parce qu’il leur four­­nis­­sait un outil clé en main habi­­le­­ment marketé, PredPol a commencé à se faire connaître la même année. Financé par « une poignée de busi­­ness angels », PredPol a béné­­fi­­cié pour sa part du « travail de ses lobbyistes évoluant dans les réseaux démo­­crates cali­­for­­niens », pointe Bilel Benbou­­zid. Tenu secret, son algo­­rithme emploie une méthode emprun­­tée à la sismo­­lo­­gie : comme les trem­­ble­­ments de terre, les crimes et délits auraient souvent les mêmes épicentres. Ainsi, un problème social est-il rapporté à un phéno­­mène physique. « Si l’in­­té­­rêt de PredPol devait être discuté seule­­ment à l’aune de son algo­­rithme, la start-up n’au­­rait pas lieu d’être », tranche le cher­­cheur. Puisqu’il se base sur les données issues des plaintes des victimes, le logi­­ciel fait l’im­­passe sur les publics moins enclins à contac­­ter la police. Non seule­­ment PredPol se distingue de Mino­­rity Report en ce qu’il ne donne qu’une indi­­ca­­tion sur les endroits et les moments où les faits sont le plus suscep­­tibles de se dérou­­ler, mais il intro­­duit donc une discri­­mi­­na­­tion. C’est aussi le cas des machines utili­­sées aux États-Unis afin d’éva­­luer la proba­­bi­­lité de réci­­dive, moins clémentes avec les Afro-Améri­­cains, selon une enquête de ProPu­­blica. Le sexisme, le racisme par exemple, « sont intro­­duits dans les algo­­rithmes qui sous-tendent beau­­coup de système “intel­­li­­gents” », met en garde la cher­­cheuse de Micro­­soft Kate Craw­­ford.

En outre, les algo­­rithmes ne dispensent pas de main­­te­­nir une bonne connais­­sance du terrain. Mais la police ne sera-t-elle pas tentée de croire sur parole une machine présen­­tée comme scien­­ti­­fique sans égard pour ses biais et limites ? Si « pour l’ins­­tant », rela­­ti­­vise Bilel Benbou­­zid, « ce grand assem­­blage d’al­­go­­rithmes qui ferait une intel­­li­­gence arti­­fi­­cielle de la police est un mythe », le logi­­ciel chinois CloudWalk, tel qu’il est présenté, donne à cette pers­­pec­­tive une proxi­­mité inquié­­tante. Son logi­­ciel est déjà mis en rela­­tion avec la base de données de plus de 50 villes et provinces du pays. Un autre acteur chinois, UniView, traque les personnes qui voyagent régu­­liè­­re­­ment dans des pays consi­­dé­­rés comme « sensibles » tels que la Birma­­nie et le Viet­­nam. Sur la foi de ces infor­­ma­­tions, les auto­­ri­­tés ont toute lati­­tude pour arrê­­ter quelqu’un. Mais cette déci­­sion pour­­rait elle-même être auto­­ma­­ti­­sée, autre­­ment dit confiée à des robots. À Dallas, en juillet 2016, la police a bien envoyé un robot abattre un crimi­­nel retran­­ché dans un parking. https://twit­­ter.com/PopSci/status/751418925355831296


Couver­­ture : Les algo­­rithmes s’en chargent. (Misha Fried­­man/Bloom­­berg)


 

Down­load Best WordP­ress Themes Free Down­load
Down­load Best WordP­ress Themes Free Down­load
Down­load WordP­ress Themes Free
Down­load Best WordP­ress Themes Free Down­load
free online course
Free Download WordPress Themes
Download WordPress Themes Free
Download Nulled WordPress Themes
Download Premium WordPress Themes Free
free download udemy course

L’ex­tra­or­di­naire destin de l’emoji caca

267k 26 septembre 2018 stories . sans-categorie

Manger des pizzas est bon pour vous. Voici pourquoi

272k 12 avril 2018 stories . sans-categorie

36 histoires confi­den­tielles dans les coulisses d’Hol­ly­wood

166k 21 août 2017 stories . sans-categorie