Psychocriminologie

Archives de l'auteur : crisostome

Evaluer en présentenciel: Le PRINS comme alternative au PSA

avril 1st, 2026 | Publié par crisostome dans EVALUATION - (0 Commentaire)

La réforme des pratiques de mise en liberté provisoire figure parmi les chantiers les plus controversés de la justice pénale américaine. Face aux critiques du système de cautionnement pécuniaire, de nombreuses juridictions se sont tournées vers des outils actuariels standardisés, au premier rang desquels le Public Safety Assessment (PSA) de l’Arnold Foundation. Pourtant, une question demeure : ces outils « prêts à l’emploi », développés à partir d’échantillons nationaux, sont-ils véritablement adaptés aux spécificités locales et aux impératifs d’équité procédurale ?

Le comté de King, qui englobe la ville de Seattle, a fait le choix de ne pas adopter un instrument standardisé. Après plusieurs années de réflexion, il a développé son propre outil, le Personal Recognizance Interview & Needs Screen (PRINS). Ce dernier se distingue par une approche intégrant des indicateurs dynamiques, une modélisation sensible au genre et une attention particulière à la réduction des disparités raciales. Les résultats récemment publiés dans le Journal of Criminal Justice suggèrent que le PRINS surpasse, en précision prédictive et en équité, les principaux outils utilisés aux États-Unis.

Genèse et contexte institutionnel : pourquoi ne pas adopter un outil standardisé?

La décision du comté de King de développer un instrument ad hoc plutôt que d’importer un outil existant s’inscrit dans une histoire institutionnelle marquée par une volonté réformatrice soutenue. Dès 2009, un groupe de travail dédié à l’évaluation des risques prétoriaux a été constitué, réunissant magistrats, avocats, chercheurs et représentants des services de probation. Ses travaux ont abouti à une série de recommandations publiées entre 2010 et 2012, qui soulignaient la nécessité d’un outil standardisé mais adapté aux caractéristiques démographiques et judiciaires du comté.

En 2010, le Conseil du comté de King a formellement adopté une résolution appelant au développement d’un instrument spécifique. Cette orientation procédait d’une critique explicite des outils prêt à l’emploi: ces derniers sont généralement construits à partir d’échantillons de population qui ne correspondent pas aux réalités locales, et leur application indifférenciée peut réduire la précision prédictive et introduire des biais. Les parties prenantes locales ont en outre exprimé des préoccupations concernant les disparités raciales et de genre documentées dans les outils alors disponibles.

Le développement du PRINS a été confié à une équipe de chercheurs du Nebraska Center for Justice Research, en étroite collaboration avec les services du comté. L’objectif était de produire un instrument à la fois valide, équitable et utilisable dans le flux procédural quotidien des audiences de liberté provisoire.

Méthodologie de développement : un processus en plusieurs étapes sur un large échantillon

Le développement du PRINS repose sur une méthodologie rigoureuse, articulée autour de plusieurs étapes et fondée sur un échantillon substantiel. Au total, 28 147 justiciables du comté de King ont été inclus dans l’étude, permettant à la fois la construction des modèles prédictifs et leur validation interne.

Le processus s’est déroulé en quatre phases principales :

Collecte et harmonisation des données : extraction des dossiers administratifs (antécédents criminels, données démographiques, résultats des comparutions) et intégration d’informations issues d’entretiens avec les défendeurs (situation de logement, emploi, liens familiaux, consommation de substances).
Identification des facteurs prédictifs : analyse bivariée et multivariée pour sélectionner les variables les plus fortement associées aux résultats d’intérêt.
Construction des modèles : développement de modèles de régression logistique distincts pour chacun des sept résultats prédits, avec une attention particulière aux interactions entre les variables et aux différences de genre.
Calibration et validation : ajustement des pondérations pour optimiser la discrimination (aire sous la courbe ROC) et la calibration (comparaison entre risques prédits et observés), suivis d’une validation sur un sous-échantillon indépendant.

Cette approche contraste avec le développement souvent linéaire des outils standardisés, dont les paramètres sont fixés une fois pour toutes et appliqués uniformément.

L’innovation fondamentale : l’intégration d’indicateurs dynamiques

Statique versus dynamique : enjeux théoriques

La distinction entre indicateurs statiques et dynamiques constitue le cœur de l’innovation du PRINS. Les indicateurs statiques renvoient à des caractéristiques immuables de l’individu – âge, sexe, antécédents criminels – tandis que les indicateurs dynamiques capturent des éléments contextuels et situationnels susceptibles d’évoluer dans le temps : emploi actuel, stabilité résidentielle, consommation de substances psychoactives, soutien familial.

Les outils standardisés comme le PSA s’appuient exclusivement ou presque sur des indicateurs statiques. Cette approche est critiquée pour trois raisons principales :

Reproduction des biais systémiques : les antécédents criminels reflètent les disparités historiques des pratiques policières et des décisions de poursuite. Leur utilisation tend à surestimer le risque des populations minoritaires.
Surclassification des femmes : les indicateurs d’antécédents criminels étant davantage prédictifs pour les hommes, leur application aux femmes conduit à une surévaluation systématique du risque.
Ignorance des circonstances présentes : en ne tenant pas compte de la situation actuelle du défendeur, ces outils privent le tribunal d’informations essentielles pour définir des conditions de libération adaptées.

Les indicateurs dynamiques dans le PRINS

Le PRINS intègre plusieurs indicateurs dynamiques, notamment :

Situation d’emploi : présence d’un emploi stable au moment de l’arrestation ;
Stabilité résidentielle : durée de résidence à l’adresse actuelle, absence de situation d’itinérance ;
Soutien social : présence de membres de la famille ou de proches pouvant apporter un soutien ;
Consommation de substances : usage actuel d’alcool ou de drogues, lien éventuel avec l’infraction reprochée ;
Engagement dans des services : participation à un traitement ou à un programme d’accompagnement au moment de l’arrestation.

Ces variables sont recueillies lors d’un entretien structuré réalisé par un agent de liberté provisoire, selon un protocole standardisé. L’entretien a lieu dans les heures suivant l’arrestation, avant la comparution initiale.

L’intégration de ces indicateurs poursuit trois objectifs : améliorer la précision prédictive, orienter les conditions de libération (en identifiant les besoins de supervision ou d’accompagnement), et atténuer les biais associés aux seuls antécédents judiciaires.

Items

Facteurs statiques (Antécédents)

Ces items sont extraits du casier judiciaire et ne changent pas dans le temps. Ils mesurent le risque historique :

Âge actuel (facteur de pondération important, inversement proportionnel au risque).
Âge lors de la première arrestation.
Antécédents de non-comparution (FTA) : Nombre d’absences passées.
Antécédents de condamnations pénales.
Antécédents d’arrestations pour crimes violents.
Antécédents d’arrestations pour crimes liés à la drogue.
Incarcération antérieure : antécédents de détention avant procès ou d’incarcération pour une peine.

Facteurs dynamiques (Situation présente)

C’est l’innovation du PRINS par rapport à des outils comme le PSA. Ces informations sont collectées via un entretien structuré réalisé par un agent peu après l’arrestation, avant la première comparution. Ils mesurent les besoins et la stabilité actuelle :

Situation d’emploi : présence d’un emploi stable, d’une source de revenus légale et suffisante au moment de l’arrestation.
Stabilité résidentielle : durée de résidence à l’adresse actuelle, absence de situation d’itinérance ou de logement temporaire.
Soutien social / Liens communautaires : présence de membres de la famille, d’un conjoint ou de proches pouvant apporter un soutien (logement, caution morale, rappel des dates d’audience).
Consommation de substances : usage actuel d’alcool ou de drogues dures, et évaluation du lien éventuel entre cette consommation et l’infraction reprochée.
Engagement dans des services : participation volontaire à un traitement de la toxicomanie, à un programme de santé mentale ou à un suivi éducatif avant l’arrestation (indicateur de motivation et de supervision externe).

Modélisation sensible au genre

Contrairement au PSA qui utilise les mêmes pondérations pour tous, le PRINS ajuste l’importance des items en fonction du sexe de la personne. Cela signifie qu’un même facteur peut avoir un poids différent selon que l’on évalue un homme ou une femme, afin de réduire les biais de prédiction :

Pour les femmes : une attention accrue est portée aux antécédents de victimisation (bien que rarement explicitement listé comme item « dur », il est intégré dans l’évaluation des besoins via les questions d’entretien), aux responsabilités familiales (présence d’enfants à charge) et aux troubles de santé mentale. Les antécédents criminels (statiques) sont pondérés de manière moindre pour les femmes que pour les hommes, car ils sont statistiquement moins prédictifs de la récidive chez elles.
Pour les hommes : la pondération est davantage centrée sur les antécédents criminels violents et les absences aux comparutions passées.

Résultats prédits

Le PRINS ne se limite pas aux 3 prédictions du PSA (non-comparution, nouvelle infraction, nouvelle infraction violente). Il est conçu pour prédire 7 résultats distincts pour affiner la décision :

Non-comparution (FTA).
Nouvelle arrestation (toute infraction).
Nouvelle arrestation pour crime violent.
Nouvelle arrestation pour crime lié à la propriété.
Nouvelle arrestation pour crime lié à la drogue.
Nouvelle arrestation pour violence domestique.
Échec de la libération conditionnelle (violation technique des conditions).

Contrairement au PSA qui est souvent une « boîte noire », la documentation du PRINS insiste sur la transparence. Les items dynamiques (emploi, logement) sont généralement notés de manière binaire (0 pour stable, 1 pour instable), tandis que les items statiques sont cumulatifs. Le score final est ensuite comparé à des matrices de risque ajustées en fonction du genre pour formuler une recommandation (Libération sans garantie, Supervision, Détention).

Performances comparatives : PRINS versus PSA, VPRAI-R et ORAS-PAT

L’évaluation du PRINS a comporté une comparaison systématique avec trois instruments largement utilisés aux États-Unis :

Public Safety Assessment (PSA) , développé par l’Arnold Foundation ;
Virginia Pretrial Risk Assessment Instrument – Revised (VPRAI-R) , développé en Virginie ;
Ohio Risk Assessment System – Pretrial Assessment Tool (ORAS-PAT) , développé dans l’Ohio.

Précision prédictive

Les résultats, publiés dans le Journal of Criminal Justice en 2024, indiquent que le PRINS affiche une précision prédictive supérieure à celle des trois outils comparateurs. Cette supériorité s’observe sur l’ensemble des résultats prédits :

Non-comparution (failure to appear) : l’aire sous la courbe ROC (AUC) du PRINS est significativement plus élevée que celle du PSA et du VPRAI-R, et équivalente à celle de l’ORAS-PAT.
Nouvelle activité criminelle (new criminal activity) : le PRINS surpasse les trois autres instruments.
Nouvelle activité criminelle violente : différence significative en faveur du PRINS par rapport au PSA et au VPRAI-R.

Équité prédictive entre groupes

L’étude a également examiné la relative prediction parity — c’est-à-dire l’absence de différences significatives dans la précision prédictive selon l’appartenance à un groupe racial, ethnique ou de genre. Le PRINS présente sur ce critère des performances nettement meilleures que les outils comparateurs :

Les biais de genre sont réduits, avec une précision pour les femmes équivalente à celle observée pour les hommes.
Les disparités entre groupes raciaux et ethniques sont atténuées, en particulier pour les infracteurs noirs et hispaniques, qui étaient surclassifiés par les autres instruments.
L’instrument conserve une bonne calibration pour les infracteurs à haut risque, une population souvent mal prédite par les outils standardisés.

Implications pour les décisions de libération

Au-delà des performances statistiques, l’évaluation a examiné l’impact du PRINS sur les décisions judiciaires. Les résultats indiquent que les recommandations émises par l’outil sont suivies par les magistrats dans une proportion élevée (environ 85 %), et que l’utilisation du PRINS est associée à une réduction des taux de non-comparution et de récidive par rapport à la période antérieure à l’instrument.

Limites et enseignements pour la réforme des outils d’évaluation en présentenciel

Limites du PRINS

Plusieurs limites doivent être signalées pour une appréciation équilibrée.

Premièrement, le PRINS a été développé dans un contexte spécifique — une grande juridiction urbaine disposant de ressources substantielles, d’un personnel qualifié et d’une culture institutionnelle favorable à l’innovation. Sa transférabilité à des juridictions rurales ou à faibles ressources reste à démontrer.

Deuxièmement, l’intégration d’indicateurs dynamiques implique des coûts de collecte de données plus élevés que ceux associés aux outils fondés exclusivement sur les antécédents criminels. La réalisation d’entretiens structurés nécessite des effectifs suffisants et une formation spécifique, ce qui peut constituer un obstacle pour certaines juridictions.

Troisièmement, la question de l’articulation entre la recommandation algorithmique et le pouvoir discrétionnaire des magistrats demeure ouverte. Si le taux de suivi des recommandations est élevé, on ignore dans quelle mesure l’outil se substitue au jugement judiciaire plutôt qu’il ne l’éclaire.

Enseignements pour les réformes futures

Malgré ces limites, le PRINS offre plusieurs enseignements pour les juridictions envisageant une réforme de leurs pratiques d’évaluation des risques.

Premier enseignement : la contextualisation est essentielle. Le développement d’un outil spécifiquement adapté aux caractéristiques démographiques, institutionnelles et procédurales du comté de King a permis d’atteindre des niveaux de performance qu’un instrument standardisé n’aurait probablement pas permis.

Deuxième enseignement : les indicateurs dynamiques ne sont pas optionnels. La supériorité du PRINS sur les outils fondés exclusivement sur des facteurs statiques confirme l’intuition issue des modèles RBR : une évaluation pertinente du risque doit intégrer des informations sur les besoins et la situation présente de l’individu.

Troisième enseignement : la transparence méthodologique est une condition de l’acceptabilité. L’un des obstacles à l’adoption des outils d’évaluation des risques réside dans le manque de publication concernant leur développement et leur validation. Le PRINS, dont la construction a fait l’objet d’une documentation exhaustive, offre un modèle de transparence susceptible de favoriser l’adhésion des acteurs judiciaires et du public.

Donc?

En s’éloignant du paradigme des indicateurs statiques qui caractérise la plupart des outils standardisés, PRINS répond à plusieurs critiques fondamentales : reproduction des biais systémiques, surclassification des femmes, ignorance des circonstances contextuelles. Ses performances supérieures en matière de précision prédictive et de réduction des disparités raciales et de genre en font un modèle dont les juridictions réformistes peuvent s’inspirer.

Pour autant, le PRINS ne constitue pas une solution miracle. Son développement exige des ressources, une expertise méthodologique et un engagement institutionnel que toutes les juridictions ne peuvent mobiliser. Il soulève également, comme tous les outils actuariels, la question plus large de la place des algorithmes dans la décision judiciaire : ces instruments sont-ils des auxiliaires de la décision humaine ou tendent-ils à s’y substituer ? La réponse à cette question, probablement, déterminera davantage l’équité du système que le choix d’un instrument particulier.

Néanmoins, l’expérience du comté de King démontre qu’il est possible de concevoir des outils d’aide à la décision à la fois plus performants et plus équitables que les alternatives standardisées. À l’heure où de nombreuses juridictions américaines cherchent à réformer leurs pratiques de mise en liberté provisoire, le PRINS offre un modèle dont l’étude mérite d’être poursuivie.

Hamilton, Z., Ursino, J., & Kigerl, A. (2024). Advancing pretrial assessments: Development of the Personal Recognizance Interview & Needs Screen (PRINS). Journal of Criminal Justice, 102183.
Nebraska Center for Justice Research. (2023). PRINS Report: Evaluation and Revalidation along with PRINS Research Brief. University of Nebraska Omaha.
King County Council. (2010). County Council calls for new tool to increase public safety and guide pretrial release decisions. King County, Washington.
King County Department of Adult & Juvenile Detention. (2012). Pretrial Risk Assessment Tool Development Project: Final Report. Seattle, WA.

Le Public Safety Assessment (PSA) dans les tribunaux américains : entre promesse algorithmique et justice prédictive

avril 1st, 2026 | Publié par crisostome dans EVALUATION | JUSTICE - (0 Commentaire)

L’évaluation des risques constitue un enjeu central dans les systèmes de justice pénale contemporains, particulièrement dans le contexte de la détention provisoire aux États-Unis. Face aux critiques croissantes du système de cautionnement pécuniaire (cash bail), accusé de pénaliser de manière disproportionnée les justiciables à faibles revenus et les populations minoritaires, de nombreuses juridictions américaines se sont tournées vers des outils d’évaluation actuarielle. Parmi ceux-ci, le Public Safety Assessment (PSA), développé par l’Arnold Foundation, s’est imposé comme l’instrument le plus largement adopté, notamment à la suite de la réforme historique du New Jersey en 2017 .

Le PSA vise à fournir aux magistrats une évaluation standardisée de deux risques principaux : la probabilité de non-comparution (failure to appear) et celle de récidive pendant la période de libération provisoire, qu’elle soit violente ou non. Construit à partir de neuf facteurs — dont l’âge, les antécédents criminels et les absences aux comparutions antérieures —, l’instrument exclut délibérément toute variable socio-économique afin de neutraliser les biais associés à la précarité financière .

Validité prédictive et effets sur la libération provisoire : une efficacité démontrée

Une prédiction valide et cohérente

La littérature évaluative récente confirme la capacité du PSA à prédire les issues de la période préliminaire avec une précision satisfaisante. Une étude multisite majeure publiée en 2024 dans Criminal Justice and Behavior a examiné la validité de l’instrument auprès de six groupes définis par l’intersection de l’ethnicité et du sexe (hommes et femmes blancs, noirs, hispaniques). Les résultats démontrent que le PSA constitue un prédicteur valide et cohérent des trois issues considérées : la non-comparution, la nouvelle activité criminelle et la nouvelle activité criminelle violente .

Cette recherche, qui s’inscrit dans une approche intersectionnelle rare dans le champ, répond aux préoccupations concernant l’existence d’un biais de prédiction différentielle (differential prediction) entre groupes. Les auteurs concluent à l’absence de preuves substantielles de biais, soutenant ainsi l’utilisation du PSA comme outil d’aide à la décision judiciaire .

Augmentation des taux de libération sans compromission de la sécurité publique

Les évaluations d’impact menées dans les juridictions ayant adopté le PSA, souvent en parallèle d’autres réformes structurelles, convergent vers une conclusion centrale : l’instrument permet d’accroître significativement les taux de libération provisoire sans détérioration des indicateurs de sécurité publique.

Dans le comté de Yakima (Washington), l’adoption du PSA en février 2016, associée à la substitution de la caution par des conditions de libération non financières et au renforcement des services de liberté provisoire, a entraîné une augmentation de 38 % des mises en liberté. L’analyse comparative de 250 cas pré-réforme et 250 cas post-réforme révèle l’absence de variation significative des taux de comparution (73 % contre 72 %) et des taux de nouvelle arrestation (72 % contre 74 %) .

Le cas du New Jersey, souvent présenté comme modèle de réforme systémique, confirme cette tendance à l’échelle d’un État. La mise en œuvre du Criminal Justice Reform (CJR) en janvier 2017, qui inclut l’utilisation obligatoire du PSA pour éclairer les décisions de libération, s’est accompagnée d’un maintien de taux de comparution élevés (92,7 % sous l’ancien système contre 89,4 % après réforme), malgré une augmentation considérable du nombre de personnes libérées en attente de procès . Selon les chercheurs, « les inquiétudes concernant une possible hausse de la criminalité et des absences aux comparutions ne se sont pas matérialisées » .

Réduction de la récidive comme effet secondaire positif

Une découverte plus contre-intuitive émerge des travaux menés dans le cadre du Safety and Justice Challenge (SJC) de la Fondation MacArthur. Une étude portant sur la Nouvelle-Orléans et le comté de Lucas (Ohio) montre que la mise en œuvre de stratégies incluant le PSA a été suivie non seulement d’une diminution des incarcérations, mais également d’une baisse des taux de récidive, y compris pour les infractions violentes et les délits graves. Ces résultats suggèrent l’existence d’une relation inverse entre la durée de détention provisoire et le risque de récidive : plus les séjours en détention sont courts, plus le risque de nouvelle infraction diminue .

Disparités raciales persistantes : le paradoxe de l’outil objectif

L’absence de biais prédictif ne garantit pas l’équité procédurale

Si les études valident l’absence de biais prédictif du PSA au sens strict — c’est-à-dire l’absence de surestimation ou sous-estimation systématique du risque selon l’appartenance raciale —, elles documentent en revanche la persistance de disparités raciales significatives dans les outcomes finaux du système. La recherche du CUNY Institute for State & Local Governance, menée dans les sites du Safety and Justice Challenge, constate que, malgré une baisse générale des admissions en détention, les personnes issues des communautés BIPOC (Black, Indigenous, and People of Color) demeurent deux fois plus susceptibles d’être incarcérées que les personnes blanches .

Ce paradoxe apparent — un outil non biaisé utilisé dans un système biaisé — soulève une question centrale : l’introduction d’instruments actuariels peut-elle, par elle-même, corriger les disparités produites par le pouvoir discrétionnaire des acteurs judiciaires ? Les données disponibles suggèrent que non, dès lors que les décisions finales demeurent le produit d’une interaction complexe entre la recommandation algorithmique, les préférences des magistrats et les contraintes procédurales locales.

Populations sous-étudiées : l’exception amérindienne

Un correctif important à l’optimisme ambiant provient d’une étude publiée en 2024 dans Law and Human Behavior, qui examine spécifiquement les performances du PSA au sein d’une population amérindienne dans un comté rural. Les résultats indiquent une validité médiocre de l’instrument pour la prédiction de la non-comparution, ainsi que des preuves de biais prédictif en fonction de la race et du sexe pour cet indicateur .

Cette recherche met en lumière les limites de la généralisabilité des validations antérieures. Les auteurs soulignent que les populations vivant dans des zones rurales et les communautés amérindiennes, souvent sous-représentées dans les échantillons de validation, peuvent présenter des profils de risque et des contraintes structurelles (isolement géographique, absence de transports en commun) qui altèrent la performance prédictive des outils standardisés .

L’alternative comparative : le PRINS et la question de la supériorité instrumentale

La recherche menée par le Nebraska Center for Justice Research sur le King County (Washington) introduit une dimension comparative intéressante. L’évaluation du PRINS (Personal Recognizance Interview & Needs Screen), un instrument développé localement, révèle que cet outil présente des niveaux de précision prédictive supérieurs à ceux du PSA, associés à des biais de genre et de race-ethnicité réduits . Cette découverte invite à une réflexion plus nuancée : le PSA, bien qu’efficace, n’est pas nécessairement l’instrument optimal dans tous les contextes, et des alternatives locales peuvent offrir un meilleur équilibre entre validité et équité.

Discussion critique : limites épistémologiques et enjeux normatifs

Le problème du proxy : risque estimé versus risque réel

Une critique fondamentale adressée au PSA, comme à l’ensemble des outils d’évaluation actuarielle, concerne la distinction entre le risque estimé par l’instrument et le risque réel que présente un individu. En se fondant exclusivement sur des facteurs statiques — essentiellement des antécédents judiciaires —, le PSA produit une mesure du risque groupe (le risque associé à une catégorie de personnes partageant des caractéristiques similaires) et non du risque individuel . Cette approche, si elle est statistiquement robuste, n’en soulève pas moins des questions éthiques quant à la prédestination statistique des justiciables.

La réforme algorithmique comme écran aux transformations structurelles

Les travaux réunis par le CUNY ISLG montrent que les réformes les plus efficaces sont celles qui associent le PSA à des transformations plus larges du système : renforcement des services de liberté provisoire, limitation du recours aux cautions monétaires, accélération des procédures . Inversement, l’introduction isolée d’un outil actuariel, sans modification des pratiques discrétionnaires et des ressources allouées à l’accompagnement des libérés, risque de produire des effets limités, voire contre-productifs.

La question des biais systémiques : l’instrument dans son environnement

La persistance des disparités raciales malgré l’utilisation d’un instrument non biaisé invite à une analyse systémique. Comme le notent DeMichele et ses collègues, les décisions de mise en liberté provisoire sont traditionnellement influencées par des normes informelles et des stéréotypes implicites concernant la dangerosité relative des groupes raciaux et de genre . L’introduction d’une évaluation standardisée peut réduire l’espace de manœuvre discrétionnaire, mais elle ne l’élimine pas. La question reste ouverte de savoir dans quelle mesure les magistrats utilisent réellement le PSA comme guide ou continuent de s’appuyer sur des heuristiques subjectives.

Et donc?

Le Public Safety Assessment représente une innovation dans la gestion de la détention provisoire aux États-Unis. Les données de recherche disponibles confirment sa capacité à prédire valablement les risques de non-comparution et de récidive, ainsi que son efficacité à soutenir des politiques de libération plus larges sans compromettre la sécurité publique. Les résultats positifs observés dans des juridictions comme le New Jersey ou le comté de Yakima témoignent du potentiel de ces outils lorsqu’ils s’inscrivent dans des réformes structurelles cohérentes.

Cependant, plusieurs limites substantielles doivent être prises en compte. La persistance des disparités raciales dans les taux d’incarcération, malgré l’absence de biais prédictif avéré, souligne que l’outil algorithmique ne peut à lui seul résoudre les inégalités structurelles du système de justice pénale. Les résultats contrastés obtenus auprès des populations amérindiennes rappellent par ailleurs l’importance d’une validation contextuelle et l’impossibilité d’une application universelle indifférenciée.

Sur le plan épistémologique, la substitution progressive du jugement discrétionnaire par des algorithmes prédictifs soulève des questions fondamentales sur la nature même de la justice : une décision fondée sur une probabilité statistique peut-elle être considérée comme équitable ? La réponse, probablement, dépend de notre capacité à concevoir ces instruments non comme des substituts à la décision humaine, mais comme des aides destinées à éclairer un jugement dont la responsabilité demeure entièrement judiciaire.

DeMichele, M., Silver, I. A., Labrecque, R. M., Dawes, D., Lattimore, P. K., & Tueller, S. (2024). Testing predictive biases at the intersection of race-ethnicity and sex: A multi-site evaluation of a pretrial risk assessment tool. Criminal Justice and Behavior, 51(6), 850–875.
CUNY Institute for State & Local Governance. (2026). The impact of jail reduction strategies on community safety. Center for Justice Innovation.
Zottola, S. A., Stewart, K., Cloud, V., Hassett, L., & Desmarais, S. L. (2024). Predictive bias in pretrial risk assessment: Application of the Public Safety Assessment in a Native American population. Law and Human Behavior.
Coppola, A. (2020). RE: The pretrial risk assessment — How New Jersey’s bail overhaul is shaping bail reform across the country. Cardozo Journal of Equal Rights & Social Justice, 27(1), 87.
Advancing Pretrial Policy & Research. (2021). Pretrial research summary: Key finding #2 — Implementation of the PSA can increase rates of release without compromising court appearance or public safety.
Nebraska Center for Justice Research. (2023). PRINS report: Evaluation and revalidation along with PRINS research brief. University of Nebraska Omaha.

Applicatif pour l’evaluation en présentenciel: on est loin de PRISME!

mars 31st, 2026 | Publié par crisostome dans EVALUATION - (0 Commentaire)

Le Pretrial and Community Corrections Case Management System (CMS) désigne une catégorie de logiciels spécialisés utilisés par les services de probation, de libération conditionnelle et de supervision en contrôle judiciaire pour gérer l’ensemble du suivi des justiciables en milieu ouvert. Il s’agit de l’infrastructure technologique qui rend possible la mise en œuvre opérationnelle d’outils comme le PRINS ou le PSA.

C’est une plateforme logicielle centralisée qui permet aux agents de probation, aux services de contrôle judiciaire et aux tribunaux de gérer électroniquement l’intégralité du parcours d’un justiciable, de l’arrestation à la fin de son suivi .

L’objectif principal est de remplacer les processus papier et manuels par des flux de travail numérisés, automatisés et interopérables. Comme le souligne le cas d’El Paso County, ces systèmes permettent de passer d’une logique de « gestion de dossiers » (case management) à une logique d' »optimisation des parcours clients » (client optimization), où l’accent est mis sur les résultats (réduction de la récidive, maintien des comparutions) plutôt que sur la simple accumulation de documents .

Fonctionnalités principales

Évaluation des risques et planification individualisée

Le système intègre les outils d’évaluation actuarielle (comme le PRINS, le PSA, ou d’autres instruments) directement dans le flux de travail. Lorsqu’un agent réalise une évaluation, les algorithmes de notation sont exécutés automatiquement et les scores sont immédiatement disponibles pour éclairer la recommandation adressée au magistrat .

Sur la base de ces évaluations, le système permet de construire des plans dynamiques de prise en charge (dynamic case plans) qui identifient les besoins criminogènes du justiciable (emploi, logement, consommation de substances, etc.) et assignent des activités adaptées (traitement, services sociaux, horaires de pointage) .

Suivi de la conformité et gestion des sanctions

Les CMS modernes permettent un suivi précis du respect des conditions de libération :

Calendrier des rendez-vous et audiences : visualisation de l’agenda, envoi automatique de rappels par SMS ou email .
Pointage à distance : les justiciables peuvent se présenter par téléphone ou via une application mobile, évitant ainsi les déplacements contraignants .
Gestion des violations : l’agent peut enregistrer les manquements, et le système peut recommander des sanctions graduées ou des incitations fondées sur des données probantes (evidence-based responses) .

Gestion financière et recouvrement

Une fonctionnalité importante est la gestion des obligations financières : amendes, frais de supervision, coûts des programmes. Le système permet d’évaluer les montants dus, d’enregistrer les paiements (y compris par carte de crédit via l’application client), et de générer des relevés de compte .

Interopérabilité et partage d’informations

La valeur ajoutée la plus significative de ces systèmes réside dans leur capacité à s’interfacer avec d’autres applications judiciaires :

Odyssey (Indiana) : le SRS (Supervised Release System) est le seul système de supervision communautaire qui s’interconnecte directement avec le système de gestion des dossiers judiciaires de l’État, affichant les mandats, les audiences et les résumés chronologiques directement depuis le dossier officiel du tribunal .
Systèmes de justice partenaires : les CMS peuvent échanger des informations avec les services de police (JMS/RMS), les laboratoires de tests de dépistage de drogues, et les programmes de traitement .

Applications mobiles pour agents et justiciables

La tendance actuelle est au développement d’applications mobiles complémentaires :

CSS Mobile : permet aux agents sur le terrain d’accéder aux dossiers clients, de consulter leur calendrier, d’ajouter des notes (chronos) et de planifier des rendez-vous sans retourner au bureau .
Case Connect Mobile : permet aux justiciables de consulter leurs informations, d’effectuer leur pointage (avec géolocalisation et capture d’image), de payer leurs frais par carte de crédit et de communiquer avec leur agent .

Analyses disponibles et reporting

Les CMS collectent une masse considérable de données qui peuvent être exploitées pour l’évaluation des programmes et la mesure des disparités. La plateforme SCRAM Nexus, par exemple, propose des analyses de performance permettant de comparer les résultats selon le risque, le besoin, l’âge, le sexe et l’origine ethnique, afin d’identifier d’éventuels biais implicites dans les décisions de supervision .

Exemples concrets de systèmes en usage

Système	Développeur / Autorité	Juridiction	Caractéristique distinctive
SRS (Supervised Release System)	Indiana Office of Court Technology	Indiana	Interfaçage natif avec le système judiciaire Odyssey ; gratuit pour les agences ; composante « work release » pour la gestion des résidents en établissement .
eSupervision	Journal Technologies	National (États-Unis, Canada, Australie)	Développé par d’anciens agents de probation ; bibliothèque d’évaluations des risques intégrée ; portail public configurable .
Enterprise Supervision	Tyler Technologies	El Paso County, TX	Automatisation des évaluations ; pointage à distance ; réduction de 20 heures/semaine de travail administratif .
SCRAM Nexus Case	SCRAM Systems	National	Axé sur les evidence-based responses ; analytique pour mesurer les disparités de traitement ; intégration avec le bracelet électronique SCRAM CAM .
Catalis Community Justice	Catalis	National	Suite modulaire (prétrial, diversion, probation, specialty courts, community service) ; conformité CJIS et HIPAA ; notifications SMS .
CaseWorX for Courts	Versaterm	National	Optimisation des flux de travail pour les tribunaux de traitement, services prétoraux et probation .

Illustration : le cas d’El Paso County

Le cas d’El Paso County (Texas), documenté par Tyler Technologies, illustre concrètement la transformation permise par un CMS .

Avant : les agents travaillaient avec des formulaires papier manuels, source d’erreurs et de perte de temps. Les évaluations prétorales, les rapports de programmes de réinsertion et les notifications aux clients étaient effectués manuellement. Les agents consacraient la moitié de leur semaine à des appels téléphoniques pour rappeler les audiences.

Après l’implémentation d’Enterprise Supervision :

Les formulaires papier ont été éliminés, réduisant les erreurs de saisie de 40 %.
Les évaluations sont désormais automatisées : les données client sont importées du système d’arrestation, permettant aux agents de se concentrer sur l’évaluation elle-même plutôt que sur la saisie.
Les justiciables peuvent effectuer leur pointage par téléphone, évitant de prendre un congé ou de trouver une garde d’enfants.
Les rappels d’audience automatisés font gagner aux agents environ 20 heures par semaine.
Le portail partenaire permet un suivi transparent des programmes de réinsertion (obtention de GED, etc.) et facilite la collaboration entre les services.

Enjeux et perspectives critiques

Si les CMS apportent des gains d’efficacité indéniables, leur déploiement soulève plusieurs questions que la littérature criminologique commence à documenter :

Risque de standardisation excessive : L’automatisation peut conduire à une application uniforme de protocoles qui ne tiennent pas suffisamment compte des circonstances individuelles, malgré les efforts de personnalisation .
Surveillance numérique et pouvoir discrétionnaire : Les outils de pointage par géolocalisation et les applications mobiles étendent la capacité de surveillance au-delà des heures de bureau, modifiant l’équilibre entre contrôle et autonomie .
Protection des données : Ces systèmes centralisent des données sensibles (antécédents judiciaires, informations de santé, localisation). La conformité CJIS (criminal justice information security) est donc une exigence fondamentale, mais la sécurisation des interfaces mobiles reste un défi .
Biais algorithmiques : Bien que les CMS intègrent des outils comme le PRINS pour réduire les biais de décision, les données historiques sur lesquelles ces algorithmes sont calibrés peuvent perpétuer des disparités systémiques .

Le Pretrial and Community Corrections Case Management System est plus qu’un simple logiciel de gestion administrative. C’est l’infrastructure technologique qui soutient l’ensemble de la philosophie de la pretrial reform : standardisation des évaluations, individualisation des plans de supervision, réduction de la détention provisoire, et recentrage des agents sur l’accompagnement plutôt que sur les tâches paperassières.

Pour les juridictions qui adoptent des outils comme le PRINS, le CMS constitue le réceptacle opérationnel indispensable : c’est lui qui permet de collecter les données dynamiques lors de l’entretien, d’exécuter les algorithmes de notation, d’orienter la recommandation au magistrat, puis de suivre le justiciable tout au long de sa période de supervision. Comme le montre l’exemple d’El Paso County, le passage d’une logique de « gestion de dossiers » à une logique « d’optimisation des parcours » est à la fois un défi technique et un changement de culture institutionnelle.

Références

Indiana Office of Court Technology. (2024). Supervised Release System (SRS). IN.gov.
Journal Technologies. (2024). eSupervision: Powering Progress in Community Supervision.
Tyler Technologies. (2025). El Paso County: From Case Management to Client Optimization.
SCRAM Systems. (2022). SCRAM Nexus Evolves into a Dynamic Case Management System.
Catalis. (2024). Community Justice Case Management Solutions.
Corrections Software Solutions. (2025). CSS Mobile & Case Connect Mobile.

Au-delà des chiffres : Comment quantifier la charge de travail des agents de probation ?

mars 29th, 2026 | Publié par crisostome dans PROBATION - (0 Commentaire)

En criminologie, l’efficacité de la réinsertion et la protection du public reposent en grande partie sur le travail des agents de libération conditionnelle et de probation. Mais comment savoir si un agent est réellement surchargé ? Le Schaefer Center for Public Policy de l’Université de Baltimore a publié un rapport (2015) sur la charge de travail des agents du Maryland Department of Public Safety and Correctional Services. Cette étude offre un modèle fascinant pour comprendre et quantifier le travail réel de ces professionnels de la justice.

Caseload (Nombre de dossiers) vs Workload (Charge de travail réelle)

L’un des défis majeurs dans la gestion de la probation est de ne pas confondre le nombre brut de dossiers (« caseload ») avec la charge de travail effective (« workload »). Un délinquant violent ou à haut risque nécessite beaucoup plus d’attention et de surveillance qu’un individu sous supervision standard. Compter uniquement le nombre de personnes suivies ne donne donc pas une image précise de l’effort exigé.

La méthodologie : Comment mesurer l’invisible ?

Pour capturer la réalité du terrain et quantifier ce travail, les chercheurs du Schaefer Center ont déployé une approche multidimensionnelle :

Étude de temps (Time Study) : Durant 4 semaines, 114 agents ont consigné électroniquement leurs activités, générant des données sur 25 743 heures de travail concernant 6 388 délinquants.
Groupes de discussion (Focus Groups) : 137 participants (comprenant des agents et des superviseurs) ont partagé leurs expériences qualitatives et les obstacles qu’ils rencontrent.
Analyse des dossiers : Les chercheurs ont extrait et évalué les dossiers actifs depuis le système de gestion (OCMS) pour comprendre la distribution et le niveau de risque.
Sondage national : Une comparaison des tailles de portefeuilles a été effectuée avec une quarantaine d’autres agences étatiques américaines.

Les découvertes clés : Une surcharge ciblée et du travail invisible

L’étude a révélé des éléments cruciaux sur la réalité du métier :

Un volume global très lourd : La moyenne des dossiers par agent au Maryland est de 83.
Le poids de la supervision générale : La moyenne pour la supervision « générale » grimpe à 116 dossiers par agent, plaçant le Maryland au 4e rang des charges les plus lourdes à l’échelle nationale (où la moyenne est de 82).
Des portefeuilles spécialisés plus conformes : Les dossiers spécialisés (comme les délinquants sexuels ou le programme de prévention de la violence) sont plus restreints, avec une moyenne de 44 dossiers par agent.
Pondération de l’effort : En utilisant les données de temps, l’étude montre qu’un dossier de prévention de la violence de niveau 1 (VP1) exige 1,8 fois plus de temps annuel (soit environ 22,77 heures) qu’un dossier de supervision générale à risque modéré (12,65 heures).
Répartition du temps : Les agents passent la majorité de leur temps direct en entretien (14 %) et en interactions avec les tribunaux (14 %).
Le fardeau administratif : Une part très significative du temps de travail (le temps « indirect ») est absorbée par des tâches administratives, des réunions et la gestion de courriels/appels, réduisant le temps disponible pour interagir réellement avec les délinquants.

Conséquences et Recommandations

Pour améliorer l’efficacité de la probation et garantir la sécurité publique, le rapport formule plusieurs recommandations :

Réduire la taille des portefeuilles de supervision générale pour se rapprocher de la moyenne nationale de 82 dossiers par agent.
Ajuster les effectifs : L’étude estime qu’environ 700 agents seraient nécessaires pour gérer correctement la charge de travail projetée, signalant un déficit important par rapport aux effectifs actuels.
Gains d’efficacité : Il est vital d’améliorer les outils technologiques, d’optimiser le système de gestion des dossiers (OCMS) et d’éliminer les tâches administratives sans valeur ajoutée pour redonner aux agents du temps pour la supervision directe.

Ce rapport souligne un point fondamental en criminologie moderne : la quantification des charges de travail ne peut se résumer à un simple ratio mathématique. Une approche empirique — qui pondère le niveau de risque des probationnaires et mesure précisément l’allocation du temps — est absolument vitale.

La réalité des SPIP et des CPIP

Les conclusions de l’étude du Maryland résonnent avec notre situation locle. En France, ce sont les Conseillers Pénitentiaires d’Insertion et de Probation (CPIP), travaillant au sein des SPIP (Services Pénitentiaires d’Insertion et de Probation), qui se heurtent au décalage constant entre le volume brut de dossiers et la charge de travail qualitative réelle.

L’évolution des effectifs face au volume d’activité Historiquement, la charge des CPIP français a souvent atteint des seuils critiques (parfois 100 à 130 dossiers par agent, voire davantage). Si des vagues de recrutement récentes ont permis de faire baisser la moyenne nationale (un rapport du Sénat de 2023 pointait une moyenne d’environ 70 personnes suivies par agent, avec un objectif idéal fixé à 60), les réalités locales restent très inégales. Dans certains services sous tension, le nombre de dossiers dépasse encore la centaine, favorisant l’épuisement professionnel et un travail d’« abattage » plutôt que d’accompagnement personnalisé.

Le temps qualitatif vs le fardeau administratif Le parallèle avec les découvertes du Schaefer Center est frappant concernant le temps de travail invisible. La justice française s’oriente de plus en plus vers des pratiques basées sur les preuves (comme le modèle RBR : Risques, Besoins, Réceptivité). Ces méthodes exigent un temps qualitatif important pour analyser en profondeur les facteurs de passage à l’acte. Pourtant, les syndicats et les rapports parlementaires soulignent régulièrement que le poids des tâches administratives (saisie dans les logiciels de suivi, rédaction de synthèses pour les magistrats) ampute drastiquement le temps disponible pour le face-à-face clinique avec les probationnaires.

L’urgence d’une évaluation pondérée Appliquer la logique de l’étude du Maryland au contexte français permettrait de dépasser le simple objectif du « ratio de dossiers ». Prendre en charge un travail d’intérêt général (TIG) standard en milieu ouvert n’exige pas le même investissement qu’un suivi intensif pour des violences intrafamiliales (avec bracelet anti-rapprochement) ou la préparation à la sortie d’une personne détenue au profil complexe en milieu fermé. Pour que les CPIP puissent concrètement endiguer la récidive, la quantification de leur travail doit, en France aussi, intégrer la complexité criminologique et le temps réel exigé par chaque individu.

l’IA comme assistant pour les comptes rendus d’entretien: Retour sur une expérimentation anglaise qui aide les agents de probation au quotidien

mars 29th, 2026 | Publié par crisostome dans INTERNATIONAL | PROBATION - (0 Commentaire)

Qui n’a jamais terminé une journée de suivis avec une montagne de comptes rendus à rédiger ? La charge administrative est l’un des premiers facteurs d’épuisement professionnel chez les CPIP. Pourtant, une expérimentation menée outre-Manche par le ministère de la Justice britannique pourrait bien nous ouvrir des perspectives inattendues.

Le programme Speech AI est actuellement en phase pilote dans les services de probation du Kent, du Surrey, du Sussex et du Pays de Galles. Son objectif est simple mais radical : utiliser l’intelligence artificielle pour transcrire et synthétiser automatiquement les entretiens, afin de libérer du temps pour l’essentiel.

50 % de temps en moins sur les notes

Les premiers résultats sont éloquents :

50 % de réduction du temps consacré à la prise de notes.
Une note de 4,5/5 attribuée par les utilisateurs pour l’utilité et l’efficacité de l’outil.
Plus de mille officiers de probation sont désormais équipés, suite à l’annonce du vice-Premier ministre David Lammy.

L’outil, baptisé Justice Transcribe, est déployé à grande échelle après une validation en conditions réelles.

“Pour la première fois, j’ai fini toutes mes notes avant de partir”

Le témoignage d’une probation officer résume l’impact sur le quotidien :

“Hier, j’avais 10 rendez-vous dans la journée. Pour la première fois, j’ai fini toutes mes notes avant de quitter le bureau. Je suis partie à 20h avec tout de saisi. Cela ne m’était jamais arrivé. Cela m’a permis de commencer le lendemain sur d’autres tâches au lieu de passer toute la matinée à rattraper mon retard.”

Au-delà du confort personnel, c’est la qualité du suivi qui est visée : en allégeant la charge administrative, les agents peuvent se concentrer sur l’évaluation des risques, l’engagement avec la personne suivie et les missions à visée réinsertive.

L’objectif n’est pas de remplacer le CPIP, mais de le libérer de la frappe pour qu’il puisse se concentrer sur ce qui est essentiel : l’écoute et l’accompagnement.

Pourquoi cela pourrait intéresser les CPIP ?

En France, les CPIP connaissent bien cette tension entre l’accompagnement et l’administratif. Les retours du programme britannique montrent que l’IA peut agir sur plusieurs leviers :

Fiabilisation des comptes rendus : l’outil structure automatiquement la conversation en notes homogènes, réduisant les risques d’oubli ou d’interprétation hâtive.
Gain de temps : libérer une demi-journée par semaine sur les comptes rendus permettrait de réinvestir ce temps dans des entretiens ou des actions collectives.
Réduction du stress : moins de temps passé à rattraper les notes en soirée ou le week-end améliore la qualité de vie au travail.

Au-delà de la probation : d’autres usages pour la justice

Le programme ne s’arrête pas à la transcription. Les équipes explorent également :

Des outils synthèse vocale pour l’accompagnement personnalisé en prison.
La traduction automatique (notamment pour des documents en gallois) validée par des experts, avec un potentiel évident pour les publics allophones.
Des applications pour les tribunaux, afin d’accélérer la production des audiences et réduire les délais d’accès à la justice.

Une IA sous contrôle ?

L’initiative britannique insiste sur la validation terrain et la supervision humaine. L’IA ne remplace pas l’agent : elle agit comme un assistant qui décharge du travail chronophage, sous le contrôle du professionnel. C’est une approche pragmatique qui mérite d’être suivie de près dans notre pays, alors que la justice française commence à s’intéresser aux usages de l’IA.

L’Évaluation RBR : en combien de temps?

mars 29th, 2026 | Publié par crisostome dans CRIMINOLOGIE - (0 Commentaire)

L’évaluation du risque de récidive et des besoins criminogènes selon le modèle RBR (Risque-Besoins-Réceptivité) constitue la pierre angulaire des pratiques correctionnelles contemporaines. En s’appuyant sur des outils de jugement professionnel structuré tels que le LS/CMI (connu sous l’acronyme INS-GC au Québec) ou le LSI-R, les agents de probation et les criminologues procèdent à une analyse rigoureuse visant à orienter les plans d’intervention.

Cependant, la complexité de ce processus clinique est souvent sous-estimée. Les études de charge de travail (workload studies) menées au sein des services correctionnels nord-américains démontrent qu’une évaluation initiale complète, incluant l’administration de ces instruments, requiert en moyenne entre 6 et 10 heures de travail clinique direct.

Cette durée s’articule autour de quatre phases distinctes et méthodologiques.

La triangulation documentaire (1 à 2 heures)

L’évaluation débute par une recension exhaustive et une analyse critique des données existantes. Avant même la première rencontre avec le justiciable, le clinicien doit procéder à une triangulation des sources afin de garantir la validité des informations futures :

Examen des rapports de police et des synopsis des délits.
Analyse des antécédents judiciaires officiels (plumitifs, casiers, historiques de manquements aux conditions).
Consultation des rapports collatéraux, incluant les expertises psychiatriques ou psychologiques antérieures, ainsi que les dossiers institutionnels et sociaux.

L’entrevue clinique semi-structurée (1,5 à 2,5 heures)

Cette phase représente le cœur de l’évaluation dynamique. L’entretien dépasse la simple narration des faits délictueux pour explorer systématiquement les « Huit facteurs de risque centraux » (Central Eight) identifiés par Bonta et Andrews.

Le clinicien évalue des sphères variées : l’historique criminel, l’instabilité en emploi ou en éducation, la dynamique familiale, le réseau de fréquentations, l’abus de substances, ainsi que les traits de personnalité antisociale et les cognitions procriminelles.
Cette collecte de données exige une maîtrise des techniques d’entrevue motivationnelle pour mitiger la désirabilité sociale et les mécanismes de défense du sujet. L’entrevue est par ailleurs souvent scindée en plusieurs séances pour pallier la fatigue cognitive et permettre la vérification d’informations factuelles.

La cotation et le jugement professionnel (30 à 45 minutes)

Si l’assignation des scores aux différents items de la grille d’évaluation peut sembler expéditive, elle requiert une expertise clinique pointue.

L’évaluateur pondère les facteurs de risque statiques (historiques et immuables) et dynamiques (cibles d’intervention modifiables).
Une évaluation de la « réceptivité » spécifique est également réalisée pour identifier les obstacles potentiels au traitement (ex. : déficits cognitifs, psychopathologie, barrières linguistiques).
C’est à cette étape que le professionnel exerce son jugement structuré en déterminant si une dérogation clinique (professional override) est justifiée pour ajuster le niveau de risque algorithmique en fonction de facteurs idiosyncrasiques non capturés par l’outil.

La synthèse clinique et l’élaboration du plan d’intervention (2 à 4,5 heures)

L’étape finale, et généralement la plus longue, consiste à traduire les données brutes et les scores en une analyse cohérente, nuancée et cliniquement défendable.

Qu’il s’agisse d’un rapport présentenciel destiné au tribunal ou d’un plan d’intervention correctionnel (correctional plan), le document doit justifier le niveau de risque évalué.
Il a pour fonction d’identifier les cibles de traitement prioritaires et de formuler des recommandations prescriptives quant aux modalités de supervision et de réhabilitation.

Ces données sont corroborées par de multiples audits gouvernementaux. Les études chronométrées (time-studies) menées par les départements correctionnels du Minnesota, du Michigan et de la Caroline du Nord, ainsi que les standards de pratique de l’Ordre des criminologues du Québec (OCQ), s’accordent sur un investissement moyen de 6 à 10 heures par dossier standard.

Il convient de souligner que, comme le rappellent les concepteurs du modèle RBR, la validité prédictive des outils d’évaluation s’effondre sans une collecte et une interprétation rigoureuses des données. De plus, ce temps de réalisation est appelé à augmenter significativement (souvent du simple au double) lorsque la complexité clinique du cas exige l’administration d’instruments spécialisés additionnels, tels que le STATIC-99R pour la délinquance sexuelle ou la PCL-R pour l’évaluation de la psychopathie.

Sources et études à l’appui

Minnesota Department of Corrections (Adult Felon Workload Study) : Les études chronométrées (time-studies) de cet État ont révélé qu’une enquête présentencielle standard (PSI – Pre-Sentence Investigation), qui inclut l’évaluation des risques et besoins, prenait en moyenne 6,1 heures de temps de travail direct, et jusqu’à 8,4 heures pour les cas complexes (délinquants à haut risque ou avec des besoins particuliers).
Michigan & North Carolina Probation Workload Studies : Les audits de ces États estiment généralement la charge de travail pour une évaluation initiale complète avec cotation du risque entre 5,5 et 7 heures par dossier.
Pratique clinique au Québec (Canada) : Au Québec, l’évaluation est souvent réalisée par des membres de l’Ordre des criminologues du Québec (OCQ). L’administration de l’INS-GC (la version francophone du LS/CMI) couplée à la rédaction d’un rapport d’évaluation complet justifie couramment une allocation de 7 à 10 heures selon la complexité des antécédents psychiatriques ou de la lourdeur du dossier.
Littérature sur le LS/CMI (Bonta et Andrews) : Les chercheurs soulignent que si la grille de cotation elle-même se remplit en moins d’une heure, la validité prédictive de l’outil s’effondre si l’information n’a pas été rigoureusement recueillie et triangulée via le dossier et l’entrevue, justifiant le temps clinique global investi.

L’IA générative et la criminologie : évaluer le potentiel de ChatGPT dans l’identification des techniques de neutralisation

mars 29th, 2026 | Publié par crisostome dans IA - (0 Commentaire)

Les progrès rapides de l’intelligence artificielle générative, en particulier des grands modèles de langage comme ChatGPT, ont suscité d’intenses débats dans toutes les disciplines académiques. Si l’attention s’est surtout portée sur les risques de suppression d’emplois et les questions éthiques, l’application de ces technologies au champ de la criminologie a été relativement peu explorée. Une étude récente publiée dans PLOS ONE par Pacchioni et ses collaborateurs (2025) comble cette lacune en examinant si ChatGPT peut identifier et reformuler efficacement les techniques de neutralisation (ToN), un concept théorique fondamental en criminologie.

Le cadre théorique : les techniques de neutralisation

Proposées à l’origine par Sykes et Matza (1957), les techniques de neutralisation sont des stratégies cognitives par lesquelles les individus rationalisent un comportement déviant, réduisant ainsi la dissonance cognitive qui survient lorsque leurs actions entrent en conflit avec les normes morales de la société. Les cinq techniques originales sont :

La négation de la responsabilité : « Ce n’est pas de ma faute »
La négation du préjudice : « Personne n’a été blessé »
La négation de la victime : « Ils l’ont bien mérité »
La condamnation des accusateurs : « Les forces de l’ordre sont corrompues »
L’appel à des loyautés supérieures : « Je l’ai fait pour ma famille »

Pour les criminologues, l’identification de ces rationalisations dans le discours des auteurs d’infractions fournit des informations essentielles sur la criminodynamique, l’évaluation des risques et l’élaboration de stratégies d’intervention efficaces. La nature complexe de ces mécanismes en fait un cas d’étude idéal pour évaluer les capacités des modèles d’IA générative.

Conception et méthodologie de l’étude

La recherche a utilisé un protocole expérimental en trois phases avec GPT-4. L’échantillon comprenait 200 phrases réparties en trois groupes : 50 phrases contenant des ToN issues de la littérature scientifique, 50 phrases contenant des ToN créées par des criminologues experts, et 100 phrases neutres (témoins) ne contenant aucune technique de neutralisation.

Dans les tests 1 et 2, le modèle devait identifier à la fois la présence et la catégorie spécifique de ToN dans des séquences randomisées. Le test 3 demandait à ChatGPT de reformuler les phrases contenant des ToN en des versions dépourvues de ces techniques, en modifiant le contenu le moins possible tout en conservant sa crédibilité. Pour éviter que le modèle n’apprenne les schémas des phrases testées, chaque phrase était présentée dans une nouvelle session de chat sans historique.

Principaux résultats

Reconnaissance générale des ToN

Le modèle a fait preuve d’une précision impressionnante dans la reconnaissance générale des ToN. Dans le test d’identification des ToN issues de la littérature, ChatGPT a correctement identifié 46 des 50 phrases contenant des ToN, sans aucun faux positif, obtenant une précision parfaite (1,00) et un rappel de 0,92. Dans le test d’identification des ToN construites, le modèle a atteint une performance parfaite en identifiant correctement les 50 phrases avec ToN et les 50 phrases neutres (précision et rappel de 1,00).

On note que le modèle a mieux performé sur les phrases construites que sur les phrases publiées. Les auteurs suggèrent que cela peut refléter le caractère plus « académique » ou « scolaire » des phrases construites, qui présentaient les ToN sous des formes plus proches de leurs définitions formelles.

Reconnaissance par catégorie spécifique

Les performances variaient considérablement selon les catégories de ToN. Le modèle excellait dans l’identification de la « négation du préjudice » (F1-score de 0,78 pour les ToN publiées, 0,91 pour les ToN construites) et de « l’appel à des loyautés supérieures » (F1-scores de 0,66 et 0,78 respectivement). En revanche, des difficultés importantes sont apparues avec la « condamnation des accusateurs », pour laquelle le modèle a obtenu un F1-score de 0 dans les tests sur les ToN publiées et seulement 0,40 dans les tests sur les ToN construites.

Ces disparités s’expliqueraient par deux facteurs : des variations dans la précision définitionnelle des catégories et une représentation différenciée dans les données d’entraînement du modèle. Les auteurs notent que la recherche empirique indique que la « condamnation des accusateurs » apparaît moins fréquemment dans le langage naturel et est principalement observée dans des populations spécifiques, comme les membres du clergé ayant commis des infractions sexuelles. Ces catégories pourraient être sous-représentées dans le vaste corpus sur lequel ChatGPT a été entraîné.

Capacités de reformulation

Le modèle a montré des taux de succès élevés dans la reformulation des phrases pour supprimer les ToN tout en maintenant la crédibilité. Un succès parfait (100 %) a été obtenu pour « l’appel à des loyautés supérieures » et la « condamnation des accusateurs », tant dans les catégories publiées que construites. La « négation du préjudice » s’est révélée la plus difficile, avec un taux de succès de 75 %. Les scores de crédibilité des phrases reformulées se situaient en moyenne entre 3,67 et 4,75 sur une échelle de 5 points, indiquant une bonne préservation de la qualité du langage naturel.

Implications et applications

Les résultats suggèrent plusieurs applications prometteuses en criminologie et dans des domaines connexes :

Contextes forensiques et cliniques : La capacité du modèle à détecter les ToN dans la communication écrite ou orale pourrait améliorer l’analyse forensique, en fournissant aux praticiens un outil supplémentaire pour comprendre la cognition et la motivation des auteurs d’infractions.
Applications pédagogiques : La technologie pourrait servir d’instrument de formation pour les futurs criminologues, aidant les étudiants à développer leur compétence dans l’identification des ToN, une compétence professionnelle essentielle.
Interventions réhabilitatives : ChatGPT pourrait potentiellement être utilisé dans des programmes pénitentiaires pour aider les individus à reconnaître et modifier les schémas cognitifs inadaptés, bien que les auteurs mettent en garde contre le risque d’une conformité superficielle sans changement cognitif réel.

Considérations éthiques et risques potentiels

Les résultats de l’étude mettent également en lumière des risques significatifs. Les auteurs soulignent que des outils aussi puissants pourraient être exploités par des acteurs malveillants pour affiner des justifications de comportements déviants ou masquer l’utilisation de ToN, entravant ainsi une évaluation et une intervention efficaces. Plus largement, l’IA générative pourrait faciliter de nouvelles formes d’activités criminelles, y compris des cyberattaques sophistiquées, des campagnes de phishing ou la diffusion de propagande extrémiste.

Ces préoccupations soulignent la nécessité d’une régulation rigoureuse et de cadres éthiques solides pour encadrer le développement et le déploiement des technologies d’IA dans des domaines sensibles. Les auteurs préconisent de maintenir un équilibre attentif entre l’exploitation des bénéfices de ces outils et l’atténuation de leurs préjudices potentiels.

Limites et orientations futures

En tant qu’étude exploratoire, cette recherche comporte plusieurs limites. L’échantillon ne présentait pas une représentation uniforme des catégories de ToN, ce qui a pu influencer les mesures de performance. De plus, les phrases neutres n’ont pas été conçues pour tester le modèle dans des conditions d’ambiguïté, un aspect que les recherches futures devraient aborder.

Les auteurs suggèrent plusieurs pistes prometteuses, notamment des études en double aveugle comparant les performances humaines et celles de l’IA, le développement d’outils d’analyse sémantique plus sophistiqués, et l’intégration de mesures formelles de crédibilité pour le contenu reformulé.

Cette étude démontre que les modèles d’IA générative comme ChatGPT possèdent une capacité significative à identifier et reformuler les techniques de neutralisation. Si les performances du modèle varient selon les catégories et ne sont pas exemptes de limites, sa précision globale suggère un potentiel réel pour des applications en analyse forensique, en éducation et en réhabilitation.

Toutefois, les résultats des auteurs servent également de mise en garde : dans un domaine aussi fondamentalement humain que la criminologie, les outils technologiques doivent être déployés avec une réflexion approfondie sur leurs implications éthiques et leur potentiel de détournement. Alors que l’IA générative continue d’évoluer à une vitesse remarquable, la communauté criminologique doit rester engagée dans l’élaboration de la manière dont ces technologies sont développées, régulées et appliquées, afin qu’elles servent la justice et la sécurité publique plutôt que de les compromettre.

Pacchioni, F., Flutti, E., Caruso, P., Fregna, L., Attanasio, F., Passani, C., Colombo, C., & Travaini, G. (2025). Generative AI and criminology: A threat or a promise? Exploring the potential and pitfalls in the identification of Techniques of Neutralization (ToN). PLOS ONE, 20(4), e0319793.