Comment les juges détectent-ils les mensonges lors de procès? Étude des mécanismes communicationnels sous-jacents aux déclarations de culpabilité pour parjure
Bibliographic record
Abstract
Tant lors de procès en droit criminel que lors de procès en droit administratif, civil ou familial, le mensonge peut contribuer à la mise en place de trames narratives qui embrouillent les faits que les juges devraient connaitre afin d’appliquer adéquatement le droit. De plus, si les juges ne sont pas capables de distinguer le vrai du faux lors des témoignages, la confiance du public indispensable au bon fonctionnement du système de justice pourrait être compromise. Par ailleurs, même si des chercheurs s’intéressent, depuis les années 1960, à la détection du mensonge, en particulier lors d’interrogatoires policiers reproduits en laboratoires, ces expérimentations ignorent plusieurs attributs des systèmes de justice accusatoires (p. ex., les procédures judiciaires, les éléments de preuve incriminante, les déclarations assermentées, les interrogatoires, les contre-interrogatoires et les plaidoiries). Par conséquent, puisque la détection des témoignages mensongers par les juges lors de procès est rarement explorée, les juges des tribunaux municipaux, provinciaux et fédéraux sont pratiquement laissés à eux-mêmes. Dans le cadre de ma thèse, je présente un travail de type descriptif, analytique et explicatif pour observer et mieux comprendre le raisonnement ou, du moins, une partie du raisonnement par lequel des juges, en contexte naturel, en sont venus à déterminer, selon leur point de vue, que des témoins ont menti alors qu’ils témoignaient. Cette recherche vise, entre autres, à bonifier la validité écologique des expérimentations en laboratoire et à s’attaquer plus adéquatement à la problématique des mensonges lors de procès. D’une part, afin d’étudier la détection du mensonge dans le contexte concret où elle a lieu plutôt que dans le cadre d’une représentation expérimentale de cette activité, j’ai fait le choix de me tourner vers des jugements écrits de tribunaux canadiens comme données de recherche, plus spécifiquement, quatre jugements canadiens portant sur une accusation criminelle de parjure résultant d’une déclaration incriminante où les accusés ont été déclarés coupables. D’autre part, afin de décrire, analyser et expliquer de façon minutieuse et approfondie les mécanismes communicationnels sous-jacents aux déclarations de culpabilité pour parjure, j’ai fait le choix de mobiliser une approche contemporaine d’analyse du discours s’inscrivant dans les travaux de l’École de Montréal—l’approche ventriloque de la communication (Cooren, 2013)—dans la mesure où celle-ci permet d’identifier les éléments qui apparaissent comme faisant la différence dans la constitution d’un jugement. Hormis la rareté alarmante des jugements rendus à la suite de procès sur une accusation criminelle de parjure résultant d’un témoignage, les résultats de mes analyses permettent d’observer le rôle substantiel des idées reçues et l’apport considérable des précédents dans le processus décisionnel des juges lors de procès. Comme je le montre dans ma thèse, ces idées reçues peuvent exposer des croyances sur le comportement humain véhiculées ou exprimées, explicitement ou non, par les juges dans leur jugement. Quant aux précédents, ils peuvent avoir l’effet de voiler le rôle substantiel de ces mêmes idées reçues dans le processus décisionnel des juges. De plus, les résultats de mes analyses suggèrent que la détection des témoignages mensongers par les juges lors de procès dépend, entre autres, de nombreux éléments du contexte tels que mis en scène dans le raisonnement des juges et n’a pas grand-chose à voir avec le scénario expérimental typique mis en place pour étudier la détection du mensonge. Finalement, bien qu’ils n’offrent pas de « nouvelle technique » pour distinguer l’honnête justiciable du menteur, les résultats de mes analyses s’inscrivent en continuité avec d’autres travaux de recherche qui démontrent l’utilité a priori limitée des indicateurs comportementaux de mensonge et qui suggèrent que les praticiens du droit, en particulier les juges, devraient être systématiquement formés sur la nature faillible du processus décisionnel lors de procès.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.009 | 0.033 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.007 | 0.013 |
| Scholarly communication | 0.009 | 0.007 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.007 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".