Deterministic Probabilistic Projection for Hallucination-Free Judicial Inquiry: A Neuro-Symbolic Framework for Evidentiary Solidity Assessment

Dans le monde à enjeux élevés de la justice pénale, le chemin allant du rapport de police à la décision d'un tribunal est un lourd fardeau de texte. Les magistrats instructeurs doivent passer au crible des montagnes de notes manuscrites, de dépositions de témoins et de registres médico-légaux pour trouver la vérité. Ils doivent décider si les preuves sont assez solides pour renvoyer quelqu'un devant un tribunal ou si l'affaire doit être classée. Pendant des décennies, l'espoir était que l'intelligence artificielle puisse aider à trier ce chaos. Les grands modèles de langage, ces mêmes programmes informatiques puissants capables d'écrire des essais ou de résumer des actualités, semblaient être l'outil parfait pour lire ces dossiers et identifier les faits. Mais ces machines présentent une faille dangereuse : elles sont sujettes aux « hallucinations ». Cela signifie qu'elles peuvent inventer des faits avec assurance, citer des lois qui n'existent pas ou inventer des raisons pour une décision. Dans un système juridique où un mot erroné peut briser une vie, une machine qui invente des choses n'est pas seulement inutile ; elle est dangereuse.

Un chercheur au Maroc a proposé une nouvelle façon d'utiliser l'intelligence artificielle qui élimine entièrement ce risque. Au lieu de laisser un programme informatique deviner l'issue d'une affaire, il a construit un système qui sépare l'acte de lecture de l'acte de décision. Imaginez un tribunal où un ordinateur lit le témoignage et énumère les faits, mais où un ensemble de règles strictes et immuables — écrit en code, et non en mots — prend la décision finale. Ce nouveau cadre, testé par rapport au Code pénal marocain, garantit que la machine n'invente jamais de raison pour condamner ou acquitter. Elle ne devine pas ; elle calcule. En forçant l'ordinateur à suivre un chemin logique rigide après avoir lu les documents, le chercheur a créé un outil aussi fiable que les lois qu'il interprète, offrant aux magistrats un moyen d'utiliser la technologie sans perdre la certitude du jugement humain.

Le cœur de cette innovation est un changement dans la manière dont l'ordinateur traite l'information. Les systèmes d'IA traditionnels fonctionnent comme un conteur ; ils lisent une consigne et génèrent ensuite une réponse mot par mot, en prédisant ce qui vient ensuite sur la base des modèles qu'ils ont déjà vus. C'est là que les erreurs se produisent. Le nouveau système, cependant, divise ce processus en deux étapes distinctes. Premièrement, un modèle informatique spécialisé lit le rapport de police brut et extrait des faits spécifiques, les étiquetant soit comme des preuves contre le suspect, soit comme des preuves en sa faveur. Il trouve également les lois exactes qui pourraient s'appliquer. Cette étape est toujours réalisée par une machine flexible, capable de comprendre le langage. Mais une fois les faits extraits, ils sont transmis à une partie totalement différente du système. Cette seconde partie est un moteur mathématique strict qui n'écrit pas de phrases. Il examine simplement la liste des faits et les vérifie par rapport à un ensemble de règles logiques fixes. Si les règles stipulent que les preuves sont suffisantes, le système produit une décision de renvoi devant un tribunal. Si les règles indiquent que les preuves sont trop faibles, il ordonne le classement de l'affaire. Parce que cette dernière étape est un calcul rigide plutôt qu'une supposition créative, le système ne peut pas halluciner. Il ne peut pas inventer une loi ou un fait qui n'était pas présent au départ.

Pour que cela fonctionne, le chercheur a dû résoudre le problème de la pondération des preuves. Dans un véritable procès, tous les faits ne se valent pas. Une empreinte digitale est une preuve forte ; une rumeur vague est une preuve faible. L'équipe a créé un système de notation qui mesure la « densité » des preuves. Ils comptent le nombre de pièces à conviction pour et contre le suspect, mais ils les pondèrent également en fonction du degré de confiance du système pour chaque élément. Ils ont même intégré un biais mathématique qui favorise le suspect, reflétant le principe juridique selon lequel une personne est présumée innocente jusqu'à preuve du contraire. Cela signifie que le système exige un dossier plus solide pour condamner que pour acquitter. Si les preuves sont équilibrées ou incertaines, les mathématiques poussent naturellement le résultat vers le classement de l'affaire. Le système vérifie également que les faits correspondent réellement aux lois qu'il est censé appliquer. Il utilise une méthode pour mesurer à quel point les mots du rapport de police s'alignent sur les mots du code juridique, garantissant que la décision est fondée sur des statuts réels plutôt que sur des associations vagues.

Le chercheur a testé ce système avec un cas fictif réaliste impliquant un vol à main armée. Il a injecté un rapport de police dans la machine, lequel décrivait un suspect trouvé sur les lieux avec des empreintes digitales sur une fenêtre brisée, mais possédant également un alibi partiel. Le système a réussi à extraire les détails incriminants et l'argument de la défense. Il a ensuite calculé la force de l'accusation par rapport à la défense. Le résultat fut un score numérique clair indiquant que les preuves étaient suffisantes pour poursuivre. Le système a ensuite appliqué ses règles logiques strictes et a décidé de renvoyer l'affaire devant un tribunal. Dans ce test spécifique, le système n'a commis aucune erreur. Il n'a pas inventé un nouveau témoin ni mal cité la loi. Comparé à un modèle d'IA standard non modifié, le nouveau système a éliminé complètement le taux d'erreur. Alors que le modèle standard commettait des erreurs dans plus de 14 % de ses décisions, le nouveau cadre n'en a commis aucune.

La vitesse du système est également notable, bien que ce ne soit pas l'objectif principal. Le processus prend environ huit secondes pour passer d'un document brut à une décision finale, ce qui est légèrement plus lent qu'une IA standard qui pourrait deviner en quatre secondes. Cependant, le chercheur soutient que le temps supplémentaire est un faible prix à payer pour une fiabilité absolue. Le système est conçu pour fonctionner sur des ordinateurs locaux, ce qui signifie que les données sensibles des affaires criminelles n'ont pas besoin d'être envoyées dans le cloud, protégeant ainsi la vie privée des personnes impliquées. Chaque décision prise par le système est traçable. Un juge peut consulter le résultat et voir exactement quels faits ont été trouvés, quelles lois ont été associées et comment le score final a été calculé. Il n'y a pas de boîte noire ; le raisonnement est transparent et ouvert à l'inspection.

Cette approche représente un changement significatif dans la manière dont la technologie juridique est construite. Elle s'éloigne de l'idée qu'un ordinateur devrait être capable de « penser » comme un avocat et suggère plutôt qu'un ordinateur devrait agir comme un comptable rigoureux de la loi. Il compte les faits, vérifie les règles et rapporte le résultat. Le chercheur reconnaît que ce n'est que le début. Ils prévoient d'étendre le système pour gérer des cas complexes impliquant plusieurs suspects et d'ajouter la capacité de vérifier la chronologie des événements, afin de s'assurer que les alibis ne contredisent pas l'emploi du temps du crime. Ils ont également l'intention de tester le système auprès de vrais juges pour voir à quel point il s'aligne sur l'intuition humaine. Pour l'instant, l'étude prouve qu'il est possible de construire une intelligence artificielle qui aide la loi sans la briser, offrant un outil qui est à la fois puissant et parfaitement obéissant aux règles de la justice.