Les algorithmes de la justice impliquent des compromis désagréables…
La technologie a apporté un nouveau degré de précision à d’anciens débats, mais les gouvernements doivent être honnêtes quant aux choix difficiles à faire.
Les progrès technologiques ont permis d’atteindre un niveau de précision plus élevé dans l’élaboration des politiques en fournissant de meilleures informations et en permettant d’utiliser des algorithmes et l’apprentissage automatique. Toutefois, ces décisions mieux informées ne sont pas nécessairement plus acceptables ou « meilleures ». Les lignes directrices en matière de condamnation sont une forme d’algorithme utilisé dans les politiques publiques qui implique des compromis entre la punition, la dissuasion, la maturité des délinquants et la réadaptation. Si la technologie peut apporter un nouveau degré de précision à d’anciens débats, elle peut aussi conduire à des choix difficiles, comme dans le cas de la prise en compte des avantages économiques dans les processus de prise de décision en matière de triage des soins de santé. Les gouvernements devraient être transparents sur les compromis impliqués et prendre des décisions de manière plus délibérative, plutôt que de modifier des algorithmes en privé.
L’une des choses qui facilitent l’élaboration des politiques dans le monde moderne, c’est que nous en savons plus. Nous disposons de meilleures informations sur les résultats, nous comprenons mieux ce qui fonctionne et ce qui ne fonctionne pas et, grâce aux progrès technologiques, nous pouvons utiliser des algorithmes et l’apprentissage automatique pour prendre des décisions plus éclairées.
Mais des décisions mieux informées ne sont pas nécessairement synonymes de « meilleures décisions » et elles ne sont certainement pas synonymes de décisions « plus acceptables ».
Prenons, par exemple, le cas de Sean Hogg, à l’origine d’une récente querelle politique en Écosse. Hogg, qui a violé une jeune fille de 13 ans à l’âge de 17 ans, a été condamné à 270 heures de travaux d’intérêt général parce que, selon les lignes directrices écossaises en matière de fixation des peines, les juges doivent tenir compte de l’âge de l’auteur de l’infraction.
Les lignes directrices en matière de peines sont, à bien des égards, la forme la plus courante d' »algorithme » utilisée aujourd’hui dans les politiques publiques, bien que nous ne les considérions pas souvent de cette manière. Nous entrons une série de données – la nature du crime, les circonstances de l’infraction, divers détails biographiques sur le délinquant et la victime – dans la machine pour produire une série d’options que le président du tribunal doit prendre en considération.
L’algorithme qui a produit le verdict de Hogg est une bonne étude de cas des défis plus larges que pose l’utilisation d’algorithmes dans les politiques publiques. Nous savons que de nombreuses prisons fonctionnent comme des « écoles de commerce » de la criminalité : elles offrent des possibilités de réseautage social et de mentorat et certaines personnes en sortent plus gravement criminelles qu’elles n’y sont entrées. Nous avons donc de bonnes raisons de vouloir éviter d’emprisonner les primo-délinquants dans la mesure du possible. Nous savons également que, bien qu’il n’y ait pas de règle stricte concernant le moment où notre cerveau est pleinement développé ou celui où nous atteignons la « pleine maturité », cela se produit généralement vers l’âge de vingt ans. Il existe donc de bons arguments en faveur d’une réduction des peines d’emprisonnement pour les primo-délinquants, en particulier ceux qui n’ont pas atteint un certain âge.
Mais beaucoup d’entre nous sentent instinctivement qu’il faut éviter d’envoyer les gens en prison prématurément et que, même si un jeune de 17 ans peut prendre de plus mauvaises décisions qu’un jeune de 27 ans, tout viol, et a fortiori celui d’un enfant, est un crime abominable qui doit être puni de peines particulièrement sévères. Notre compréhension actuelle des données dit une chose, mais notre intuition morale en dit une autre.
L’une des réponses aux échecs politiques de ce type consiste à modifier l’algorithme : augmenter la durée de la peine ou démanteler ou affaiblir certaines des protections que nous avons mises en place en raison de l’âge. C’est l’une des raisons pour lesquelles l’essor des algorithmes et du big data est passionnant pour les politiques publiques : nous pouvons mieux utiliser les données probantes pour élaborer nos politiques et comprendre plus facilement pourquoi nous sommes parvenus à une conclusion que nous n’aimons pas.
Mais si les directives sur les peines sont un bon exemple de logique algorithmique dans les politiques publiques, elles sont à certains égards l’un des exemples les plus faciles à mettre en œuvre. Nous avons toujours dû arbitrer entre la punition, la dissuasion, la maturité des délinquants et la réinsertion dans les condamnations pénales. À bien des égards, la technologie confère à ces vieux débats un nouveau degré de précision. Alors que les décideurs politiques sont depuis longtemps divisés sur le juste équilibre entre la responsabilité individuelle, la réduction de la criminalité en général et la justice pour des cas spécifiques, nous pouvons désormais débattre de la pondération exacte à accorder à chacun : même si nous concluons que la réponse est « aucune » dans des cas comme celui de Hogg.
La situation devient plus complexe lorsque nous disposons de meilleures informations susceptibles de modifier non seulement notre degré d’information, mais aussi le débat sur les décisions que nous prenons. Nous savons, par exemple, que dans tout système de soins de santé, il existe un certain degré de triage : les cliniciens prennent des décisions concernant la viabilité d’un patient ou d’un autre, d’un receveur de don d’organe plutôt qu’un autre. Et si les données montrent que les personnes plus aisées sont plus susceptibles de bénéficier d’un don d’organe, précisément en raison de leurs avantages économiques ? Devrions-nous en tenir compte dans nos processus décisionnels ou non ?
Le principal avantage de l’ère de l’amélioration de l’information et des outils permettant de la traiter est que nous pouvons, plus que jamais, quantifier les conséquences de nos choix. Mais cela ne change rien au fait que nous devrons souvent choisir entre des résultats que nous n’aimons pas, et que si les nouvelles sources de données peuvent mieux nous informer, elles peuvent aussi façonner nos décisions d’une manière que nous n’aimons pas.
Les gouvernements seront tentés de mener ces débats à huis clos : rester vague sur ce que les données nous disent et ajuster les algorithmes en privé. Mais l’un des avantages de l’ère du big data est la possibilité de prendre des décisions de manière plus délibérative, en discutant clairement des compromis à faire. Cela vaut la peine de se battre pour cela.
–
SEO INSIDE est une agence SEO à Dunkerque (notamment…).
--
SEO Inside est une agence web et SEO - en savoir plus sur nous:
Agence web / Audit SEO / Conseil SEO / Création de site internet / Refonte de site internet optimisé pour le SEO / Référencement naturel / Référencement local /Netlinking / Formation SEO / E-Réputation et avis
Voici nos implantations :
Lille / Dunkerque / Amiens – ce sont nos 3 bureaux historiques.
Puis voici nos zones géographiques d’intervention :
Paris / Abbeville / Rouen / Compiègne / Reims / Metz / Caen / Evreux / Nancy / Colmar / Rennes / Le Mans / Orléans / Dijon / Besançon / Angers / Nantes / La Rochelle / Poitiers / Limoges /Clermont-Ferrand / Lyon / Annecy / Grenoble / Valence / Bordeaux / Montauban / Toulouse / Biarritz / Montpellier / Marseille / Cannes / Nice / Avignon / Monaco
SEO INSIDE est une agence web spécialiste en référencement naturel qui se veut proche de vous. Contactez-nous pour discuter de vos projets.
