Le principal problème : le temps nécessaire au traitement des éléments de preuve
Pour écouter 50 heures d’enregistrements audio et en préparer la transcription, un collaborateur peut passer environ 70 heures de travail. Et cela sans compter l’analyse approfondie du contenu, la comparaison des témoignages et la recherche de liens entre les éléments.
Aussi absurde que cela puisse paraître, le traitement d’un enregistrement peut prendre plus de temps que l’enregistrement lui-même. Et si l’enquête porte sur plusieurs années, des dizaines de personnes et des centaines de documents, la complexité du travail est multipliée.
Or, les technologies modernes permettent déjà de reconnaître automatiquement la parole, d’analyser des vidéos, de systématiser des documents et de relier des informations provenant de différentes sources. La question n’est pas de savoir si l’IA est capable d’accomplir de telles tâches, mais dans quelle mesure ces capacités sont exploitées efficacement dans la pratique.
Cas pratique : enquête sur une fraude de 2,5 millions d’euros
Prenons l’exemple concret et anonymisé d’une enquête sur une fraude présumée commise par un groupe de personnes. Le volume de documents était suffisamment important pour qu’il faille des mois à un spécialiste expérimenté pour les étudier.
Ampleur de l’enquête
- 2 500 000 EUR — montant de la fraude présumée ;
- 90 heures d’enregistrements audio ;
- 20 heures d’enregistrements vidéo ;
- 2 ans d’événements nécessitant une reconstitution chronologique ;
- 3 prévenus et 9 personnes impliquées ;
- 8 entreprises mentionnées dans le dossier ;
- des échanges sur des messageries instantanées, des documents et des informations financières.
Une personne a passé plus de 3,5 mois à analyser ces éléments. Il a fallu étudier les enregistrements, identifier les passages pertinents, reconstituer la chronologie des événements et établir les liens possibles entre les personnes impliquées et les entreprises.
Les éléments ont ensuite été traités à l’aide de l’intelligence artificielle.
En moins de deux heures, l’IA a effectué un premier traitement de la base de preuves, établi un graphe des liens, reconstitué la chronologie des événements et préparé des extraits des enregistrements audio et vidéo.
De plus, le système a utilisé la recherche sur Internet pour obtenir des informations accessibles sur les entreprises mentionnées, leurs bénéficiaires effectifs et leurs états financiers publiés.
Au lieu d’une multitude de fichiers épars, le spécialiste a obtenu une vue d’ensemble structurée de l’enquête, avec la possibilité de passer directement d’un fait identifié à sa source.
Bien entendu, deux heures de traitement automatisé ne remplacent pas une évaluation juridique des preuves ni une enquête approfondie. Mais elles montrent à quel point il est possible de réduire considérablement le temps consacré à la recherche et à la systématisation des informations.
Que peut exactement automatiser l’IA ?
1. La transcription d’enregistrements audio
Les systèmes locaux de reconnaissance vocale, tels que Whisper, Vosk et leurs équivalents, permettent de convertir des enregistrements audio en texte sans avoir à envoyer de documents confidentiels vers des services cloud externes.
Une fois la transcription effectuée, il devient possible d’effectuer des recherches par nom, date, adresse, nom d’entreprise, montant d’argent et expression clé. Chaque mention trouvée peut être accompagnée d’un horodatage et d’un lien vers l’enregistrement d’origine.
Au lieu de réécouter des dizaines d’heures d’enregistrements audio, l’enquêteur peut accéder directement au passage qui l’intéresse et en vérifier le contenu.
2. Transcription en temps réel des auditions
Les technologies de reconnaissance vocale en continu permettent de générer une transcription textuelle directement pendant un interrogatoire ou une audience, si ce traitement est autorisé par la législation applicable.
Dans ce cadre, un opérateur habilité doit pouvoir corriger les erreurs de reconnaissance en temps réel. L'enregistrement audio original et l'historique des corrections sont conservés afin que le résultat reste vérifiable.
3. Analyse vidéo et recherche des séquences pertinentes
La vision par ordinateur permet de détecter automatiquement des personnes, des véhicules et d’autres objets, d’identifier les événements d’intérêt et d’extraire les séquences vidéo correspondantes.
Lors de l’analyse des enregistrements provenant de dizaines, voire de centaines de caméras, des algorithmes peuvent aider à suivre les déplacements présumés des objets entre différents points d’observation.
Ces résultats doivent être vérifiés par un humain : une ressemblance visuelle ne prouve pas encore que la même personne ou le même véhicule soit présent sur différents enregistrements.
4. Graphique des liens et chronologie des événements
L’IA est capable de regrouper des informations issues de correspondances, d’enregistrements audio, de vidéos et de documents au sein d’une structure informationnelle unique.
Cela permet de construire un graphe de liens entre les personnes, les entreprises, les événements et les opérations financières, ainsi que d’établir une chronologie de l’enquête en se référant aux sources primaires.
Cette approche s’avère particulièrement utile dans les affaires s’étendant sur plusieurs années et impliquant un grand nombre de participants. Le système aide à mettre en évidence les liens sans que l’enquêteur ait à garder en mémoire en permanence des centaines de détails distincts.
L’IA lors des audiences : vérification des témoignages en temps réel
L’un des résultats les plus révélateurs de l’étude de cas décrite a été l’utilisation de l’IA directement pendant les audiences.
Le système analysait les déclarations orales des prévenus et les recoupait instantanément avec un ensemble de preuves préalablement traitées.
Lorsqu’une contradiction potentielle apparaissait dans les témoignages, l’IA trouvait les éléments connexes et permettait de vérifier rapidement les extraits audio, les correspondances ou les documents correspondants.
Par exemple, si un prévenu niait avoir eu des contacts avec une personne donnée au cours d’une période précise, le système pouvait trouver des informations indiquant une éventuelle incohérence et afficher la source accompagnée de la date ou de l’horodatage.
Au lieu d’effectuer une longue recherche manuelle dans le dossier, le spécialiste recevait des extraits précis à vérifier immédiatement.
Il est important de noter que la mission de l’IA n’est pas de déterminer si une personne dit la vérité, ni d’établir sa culpabilité. L’algorithme doit détecter d’éventuelles contradictions et fournir des sources vérifiables. L’évaluation finale revient à l’humain.
Si nous avons automatisé le contrôle des véhicules, pourquoi ne pas automatiser l’analyse des preuves ?
La reconnaissance automatique des plaques d’immatriculation est utilisée depuis longtemps dans les systèmes de surveillance routière. Les caméras enregistrent les véhicules, les algorithmes reconnaissent les plaques d’immatriculation, et les informations deviennent accessibles pour être recherchées et recoupées.
Il s’agit en substance d’un exemple de transformation d’un volume important de données visuelles en informations structurées.
Un principe similaire s’applique également à d’autres types de preuves numériques : enregistrements audio, vidéos, documents et messages.
Au lieu de fichiers dispersés, la police peut utiliser un système unifié dans lequel chaque élément est indexé, mis en relation avec d’autres sources et rendu accessible pour une analyse rapide.
Bien entendu, le traitement de ces données doit respecter la législation, les exigences procédurales et les règles relatives à la protection des données à caractère personnel.
IA locale : confidentialité et contrôle des preuves
Pour les forces de l’ordre, il est essentiel de garder le contrôle sur les éléments confidentiels. C’est pourquoi les solutions modernes peuvent être déployées directement sur les serveurs propres à l’organisation.
L’infrastructure locale permet d’effectuer la transcription, l’analyse vidéo, la recherche dans les documents et la création de graphes de relations sans qu’il soit nécessaire de transmettre les éléments de l’enquête à des fournisseurs tiers de services cloud.
Dans ce contexte, le système doit garantir la séparation des accès, la journalisation des actions et la conservation des originaux des éléments de preuve dans leur état d’origine. Les transcriptions, conclusions et corrections générées automatiquement doivent être stockées séparément des fichiers sources.
Des sources externes peuvent être utilisées pour obtenir des données d’entreprise et financières publiques sans divulguer d’informations confidentielles relatives à l’enquête.
L’IA ne remplace pas l’enquêteur. Elle élimine les tâches routinières
L’objectif de la mise en œuvre de l’intelligence artificielle n’est pas de confier aux algorithmes le pouvoir de prendre des décisions juridiques.
L’IA ne doit pas déterminer de manière autonome la culpabilité, la véracité des témoignages ou la valeur probante des correspondances détectées.
Son rôle est bien plus concret : accélérer le traitement de l’information, trouver les documents nécessaires, reconstituer la chronologie et attirer l’attention du spécialiste sur les éléments nécessitant une vérification.
Le cas étudié montre que la systématisation préalable des éléments, qui prend manuellement des semaines, voire des mois, peut, dans certaines conditions, être réalisée en quelques heures seulement.
L’avenir de l’enquête numérique ne réside pas dans le remplacement de l’humain par l’intelligence artificielle, mais dans un spécialiste qui, grâce à l’IA, dispose de plus de temps pour analyser les faits et prendre des décisions éclairées.
Êtes-vous prêt à automatiser le traitement des preuves numériques ?
PWN-ALL est prêt à vous proposer une solution adaptée aux besoins de votre service ou de votre organisation : de la transcription locale d’enregistrements audio et de l’analyse vidéo à la création de graphiques de relations, de chronologies d’événements et de recherches intelligentes dans les dossiers.
Nous sommes prêts à discuter de vos exigences en matière d’infrastructure, de confidentialité, de contrôle d’accès et d’intégration avec vos systèmes existants, afin de vous proposer une solution adaptée à vos processus de travail.
Contactez-nous pour discuter de votre projet et des possibilités de mise en œuvre.