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

L’ex­tra­or­di­naire destin de l’emoji caca

187k 26 septembre 2018 stories . sans-categorie

Manger des pizzas est bon pour vous. Voici pourquoi

104k 12 avril 2018 stories . sans-categorie

36 histoires confi­den­tielles dans les coulisses d’Hol­ly­wood

231k 21 août 2017 stories . sans-categorie