Enjeux et perspectives de la reconnaissance faciale en sciences criminelles
Notice bibliographique
Résumé
L’objectif de cet article est de cristalliser de manière pragmatique les enjeux et perspectives de la reconnaissance faciale en sciences criminelles pour acquérir une meilleure connaissance des limitations et des opportunités offertes par ces technologies, essentielles à leur application au sein du système judiciaire. Nous postulons que cette réflexion doit s’inscrire dans une approche interdisciplinaire qui intègre l’utilisation d’algorithmes en considérant les spécificités de la criminologie et de la science forensique. Cet éclairage permet d’établir un bilan de l’utilisation de la reconnaissance faciale en le scindant en questions fondamentales. Quelles sont les images utilisées en reconnaissance faciale ? Comment sont-elles comparées ? Quels objectifs la reconnaissance faciale sert-elle ? Où est-elle mise en oeuvre et par quels acteurs ? Cette subdivision permet de mieux situer les enjeux et limites de la reconnaissance faciale, ainsi que les perspectives de développement et de recherche. Sur le plan des données elles-mêmes, l’enjeu principal concerne leur qualité originale puis sa dégradation potentielle aux stades de collecte et de sauvegarde des images, qui influencent leur utilisation ultérieure. Pour ce qui est des méthodes, les enjeux se cristallisent autour du manque de standardisation et de transparence, aussi bien lors de tâches exécutées par l’être humain que par un système automatique. Concernant les objectifs des tâches de reconnaissance faciale dans les domaines civil et judiciaire, les enjeux gravitent autour de la protection de la sphère privée et des libertés individuelles. Enfin, les principaux défis soulevés par son utilisation comme moyen de preuve au tribunal concernent la communication, ainsi que la standardisation et la validation méthodologique.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,010 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,002 |
| Études des sciences et des technologies | 0,004 | 0,013 |
| Communication savante | 0,012 | 0,009 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 0,002 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».