Une analyse comparative des performances humaines et IA dans l'estimation médico-légale des attributs physiques

Sep 19, 2023

Rapports scientifiques volume 13, Numéro d'article : 4784 (2023) Citer cet article

3136 Accès

68 Altmétrique

Détails des métriques

Les erreurs humaines dans les enquêtes criminelles ont déjà conduit à des erreurs judiciaires dévastatrices. Par exemple, les failles dans l’identification médico-légale fondées sur des preuves physiques ou photographiques sont notoirement peu fiables. Le système de justice pénale a donc commencé à se tourner vers l’intelligence artificielle (IA) pour améliorer la fiabilité et l’équité de l’identification médico-légale. Afin de ne pas répéter l’histoire, il est essentiel d’évaluer la pertinence du déploiement de ces nouveaux outils médico-légaux d’IA. Nous évaluons la faisabilité de mesurer les attributs physiques de base d'une photo à l'aide d'un système d'IA de pointe, et comparons les performances avec des experts humains et des non-experts. Nos résultats soulèvent des inquiétudes quant à l’utilisation de l’identification médico-légale actuelle basée sur l’IA.

Malgré les récents progrès de l’intelligence artificielle (IA) qui promettent de révolutionner la prise de décision automatisée, des préoccupations sont désormais soulevées quant à l’équité et à l’efficacité dans toute une série de domaines à fort impact, notamment le système de justice pénale. L’utilisation croissante d’algorithmes dans l’incarcération et la réadaptation a été largement étudiée, allant du maintien de l’ordre1 à la détermination des peines pénales2 et à la détention provisoire3.

Le recours à ces approches automatisées a soulevé de sérieuses inquiétudes concernant les libertés civiles et le droit à une procédure régulière4. Il a été constaté par exemple que l’algorithme COMPAS destiné à prédire la récidive non seulement renforce les préjugés raciaux et sociaux problématiques5, mais qu’il ne fonctionne pas non plus avec plus de précision que les humains non formés6. De même, en 2018, Buolamwini et Gebru ont constaté que les technologies populaires de vérification faciale et d’identification – dont l’utilisation au sein des forces de l’ordre reste largement non réglementée7 – produisaient des taux d’erreur disproportionnellement plus élevés pour les minorités raciales8.

Il est bien entendu approprié d’envisager de remplacer ou d’augmenter le jugement et l’analyse humains potentiellement sujets aux erreurs dans le but de rendre le système de justice pénale plus équitable. Nous nous concentrons ici sur la tendance croissante de la police citoyenne dans laquelle, avec une caméra haute résolution dans chaque main, les citoyens quotidiens jouent un rôle de plus en plus vital en documentant tout, des événements mondiaux majeurs aux violations des droits de l'homme, en passant par les fautes policières et délits de quartier. Dans le même temps, les progrès de l’intelligence artificielle ont facilité l’identification des individus sur les images. Et pourtant, une identification médico-légale fiable est truffée de biais9 et d’erreurs10,11. Le National Registry of Exonerations, par exemple, rapporte qu’entre 1989 et 2019, des techniques médico-légales défectueuses ont contribué à près d’un quart des condamnations injustifiées aux États-Unis. Certains efforts ont été déployés pour documenter et tenter de résoudre ces problèmes dans le cadre de la reconnaissance faciale basée sur l’IA12, mais moins d’attention a été accordée à l’identification médico-légale de base basée sur des caractéristiques physiques telles que la taille et le poids.

Pour illustrer ce point, en 2008, George Powell a été identifié comme suspect dans une série de vols à main armée. Un commis de magasin a d'abord identifié le voleur comme mesurant 5\(^\prime\)6\(^{\prime\prime}\) et a finalement identifié Powell dans une file d'attente. Powell se situe à 6\(^\prime\)3\(^{\prime\prime}\). À partir de la vidéosurveillance, un expert a mesuré le voleur comme étant 6\(^\prime\)1\(^{\prime\prime}\). Powell a été reconnu coupable et condamné à 28 ans de prison. Après sa condamnation, deux nouveaux experts ont conclu que le voleur mesurait moins de 5\(^\prime\)10\(^{\prime\prime}\), après quoi l'expert initial a ajusté son estimation à une fourchette de 6\(^ \prime\)1\(^{\prime\prime}\) à 5\(^\prime\)10\(^{\prime\prime}\). En partie à cause de ces incohérences, la condamnation de Powell a été annulée en 2018 et il a obtenu un nouveau procès.

Étant donné que les attributs physiques tels que la taille, le poids, l’âge et la race sont fondamentaux pour l’identification médico-légale, il est essentiel de valider l’exactitude des outils nouveaux et traditionnels. L'estimation de la taille et du poids pourrait également jouer un rôle crucial en augmentant la fiabilité de l'identification photographique. Si, par exemple, le poids peut être estimé avec une précision de \(5\%\), alors sur la base de la distribution du poids des hommes adultes américains13, certains \(90\%\) d'hommes pourraient être exclus de cette évaluation. mesure unique.