Statutory Time Limits and Undertrial Detention under India’s Bharatiya Nagarik Suraksha Sanhita Reforms
Cette étude analyse le premier cycle statistique complet sous le régime de la Bharatiya Nagarik Suraksha Sanhita en Inde, révélant que si les nouvelles dispositions de libération fondées sur des délais (Article 479) ont commencé à s'opérationnaliser et ont contribué à une réduction modeste de l'occupation carcérale globale et du nombre de détenus en attente de jugement, leur impact immédiat reste limité par rapport à l'ampleur de la population de prévenus et à la dominance de la caution ordinaire comme mécanisme de libération.
Article original sous licence CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète
Dans de nombreux systèmes juridiques, une personne accusée d'un crime est présumée innocente jusqu'à ce que sa culpabilité soit prouvée. Pourtant, en Inde, un grand nombre de ces individus restent enfermés derrière les barreaux pendant des mois ou même des années en attendant que leur affaire soit entendue. Cette situation, connue sous le nom de détention de prévenus, crée un paradoxe où des personnes qui n'ont pas été condamnées pour un crime constituent la majorité de la population carcérale. Les raisons de ce retard sont souvent d'ordre pratique : les procès sont trop longs, l'aide juridique est rare et les règles pour obtenir une mise en liberté sous caution sont difficiles à naviguer. Depuis des décennies, cela constitue une caractéristique structurelle du système de justice indien, soulevant de sérieuses questions sur l'équité et les droits de l'accusé.
Pour remédier à cela, l'Inde a introduit une nouvelle loi appelée Bharatiya Nagarik Suraksha Sanhita, qui a commencé à fonctionner en juillet 2024. Un élément central de cette nouvelle loi est une règle simple, basée sur le temps, conçue pour libérer les personnes qui attendent depuis trop longtemps. Au lieu de s'appuyer sur l'intuition d'un juge quant à savoir si une personne est dangereuse ou sur sa capacité à payer de l'argent pour une caution, la nouvelle règle fixe une échéance claire. Si un délinquant primaire a passé un tiers de la peine maximale possible pour son crime présumé en prison, il doit être libéré. Pour les autres, la limite est de la moitié de la peine maximale. La loi impose également un devoir spécifique aux régisseurs de prison de trouver ces personnes éligibles et de lancer les formalités pour leur libération. Cette approche déplace l'accent de la prédiction du risque vers la mesure du temps, offrant une voie différente des systèmes basés sur le numéraire communs dans de nombreux autres pays.
Une étude récente du chercheur Hamza Khan examine la toute première année de données disponibles après l'entrée en vigueur de cette nouvelle loi. L'objectif est de voir comment le système a réellement fonctionné en pratique durant ses six premiers mois d'opération. En analysant les statistiques nationales officielles publiées par le gouvernement, l'étude donne une image claire de savoir si cette règle basée sur le temps fait une différence, combien de personnes sont libérées et si le surpeuplement des prisons s'atténue. Les conclusions révèlent un système qui fonctionne mais qui cherche encore ses marques, montrant à la fois le potentiel des nouvelles règles et les obstacles importants qui subsistent.
Les données de la fin de l'année 2024 racontent l'histoire d'un progrès modeste mais significatif. Le nombre total de personnes dans les prisons indiennes a chuté d'environ 3,5 % par rapport à l'année précédente, tandis que la capacité officielle des prisons a augmenté de 3,3 %. Cette combinaison signifie que le taux de surpeuplement national, qui était de 120,8 %, est tombé à 112,7 %. Bien qu'il s'agisse d'une amélioration, le problème de fond demeure : les personnes attendant leurs procès constituent toujours près des trois quarts de l'ensemble des détenus. Plus précisément, les prévenus représentaient 72,6 % de la population totale à la fin de l'année. Ce pourcentage élevé indique que, bien que le nombre total de détenus diminue, le système est toujours fortement orienté vers ceux qui n'ont pas encore été condamnés.
En examinant la durée de l'attente de ces individus, les données montrent une large gamme d'expériences. Environ 70 % des prévenus étaient en détention depuis un an ou moins. Cependant, un nombre important attendait depuis beaucoup plus longtemps. Plus de 60 000 personnes avaient déjà passé plus de deux ans en prison, et plus de 9 000 étaient confinées depuis plus de cinq ans. Ces attentes prolongées soulignent la gravité du retard que la nouvelle loi vise à résoudre. L'étude a également noté que la majorité des personnes qui ont été libérées au cours de l'année l'ont été par une caution traditionnelle, qui représentait plus de 95 % de toutes les libérations. La nouvelle règle basée sur le temps commençait tout juste à produire ses effets.
Le mécanisme spécifique introduit par la nouvelle loi, connu sous le nom de Section 479, a produit son premier ensemble de résultats en 2024. Les responsables pénitentiaires ont identifié 968 prévenus remplissant les critères temporels de libération. Parmi eux, des demandes ont été déposées pour 467 individus, et un total de 627 personnes ont été réellement libérées en vertu de cette disposition. Bien que ce chiffre représente un système fonctionnel, il est faible comparé à la population totale de près de 372 000 prévenus. Les libérations ne représentaient pas plus d'un pour cent de la population totale des prévenus. De plus, la mise en œuvre n'était pas uniforme à travers le pays. Seulement quatre États ont comptabilisé plus de 70 % de ces libérations, l'Uttar Pradesh étant en tête. Cela suggère que, bien que la règle existe sur le papier, son application dépend fortement de l'efficacité administrative locale et de la coopération judiciaire.
L'étude a également examiné la répartition par sexe de ces libérations. Le nombre de femmes éligibles à la libération selon la nouvelle règle basée sur le temps était très faible, avec seulement 2 5 identifiées comme éligibles et 13 réellement libérées. Cela reflète la réalité plus large selon laquelle les femmes constituent une faible fraction de la population carcérale globale, mais cela souligne également la nécessité d'un suivi continu pour garantir que les règles s'appliquent équitablement à tous les groupes. Les chercheurs ont noté que les données ne couvrent que les six premiers mois d'application de la loi, ce qui signifie que l'impact total n'a pas encore été constaté. Les résultats initiaux montrent que le système est opérationnel et capable de libérer des personnes, mais l'échelle du changement est actuellement limitée.
Enfin, cette recherche fournit une base cruciale pour comprendre le nouveau paysage juridique en Inde. Elle confirme qu'un système de libération basé sur le temps peut fonctionner en pratique, offrant une alternative tangible à la caution en espèces et aux évaluations de risque. Cependant, les premières données montrent également que le simple passage d'une loi ne suffit pas à résoudre un problème profondément enraciné. La réduction du surpeuplement a été portée par une combinaison de la nouvelle capacité carcérale et d'une baisse générale du nombre de prévenus, plutôt que par la seule nouvelle règle de libération. L'étude conclut que pour que le système atteigne son plein potentiel, la mise en œuvre de la règle basée sur le temps doit devenir plus cohérente dans toutes les régions, et le processus administratif d'identification et de libération des détenus éligibles doit être renforcé. Les données futures des années suivantes seront essentielles pour voir si ces tendances initiales se poursuivent et si la promesse de la nouvelle loi est pleinement réalisée.
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.