L’impact des traces numériques dans les procès de traite de personnes et de proxénétisme
Notice bibliographique
Résumé
Les crimes reliés à l’exploitation sexuelle sont une problématique internationale qui est de plus en plus décriée, et ce principalement à Montréal, Québec. Des équipes mixtes d’enquête ont été mises en place dans les dernières années afin de contrer ce phénomène. De ce fait, les organisations policières telles que le Service de police de la Ville de Montréal se sont dotées d’enquêteurs en informatique judiciaire pour expertiser les téléphones intelligents qui sont saisis en grand nombre dans ce type de dossier. Il appert que les preuves numériques retrouvées dans ces appareils ont une incidence marquée sur l’issue d’un procès criminel. En se basant sur le cadre théorique des fonctions de croyances de Dempster-Schafer, l’objectif principal de cette étude est d’observer le raisonnement des juges lors de l’analyse des preuves numériques dans les dossiers d’exploitation sexuelle à Montréal. Les objectifs secondaires visent à évaluer l’impact des preuves numériques sur les verdicts, à réfléchir à un cadre normatif pour l’évaluation des preuves numériques et finalement de contribuer à la littérature académique sur le sujet. L’analyse de plusieurs procès au Palais de Justice de Montréal en matière de proxénétisme et de traite de personnes a permis de répondre aux objectifs. Premièrement, les résultats démontrent que l’appareil numérique le plus important dans ces causes est le téléphone intelligent. Deuxièmement, il appert que l’extraction des conversations des accusés est un des éléments clés dans ces causes. Troisièmement, la qualité d’expert en informatique judiciaire ne semble pas être un enjeu juridique à Montréal, contrairement aux autres juridictions. Finalement, les témoignages permettent d’observer que les traces numériques donnent de la crédibilité aux victimes dans leurs témoignages. Dans la majorité des cas, les preuves numériques ont eu une valeur considérable dans la décision des juges quant à la déclaration de culpabilité et dans l’établissement d’une peine adéquate.
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 | 0,005 | 0,043 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,005 |
| Communication savante | 0,007 | 0,006 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,018 | 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 ».