Les prisons et les prisons américaines détiennent actuellement plus de 2 millions de personnes, dont beaucoup sont emprisonnées en attendant leur procès ou purgent des peines de prison extrêmement longues. Nouvelle recherche du professeur Christopher Slobogin, titulaire d'une chaire de droit Milton R. Underwood à la Vanderbilt Law School, indique qu'un algorithme de prévision des risques pourrait aider à réduire ces chiffres.

"Nous avons un énorme problème d'incarcération dans ce pays, mais aucune des solutions actuelles ne fonctionne, ", a-t-il déclaré. "Nous pouvons utiliser des algorithmes pour aider à déterminer qui représente un danger pour la communauté s'ils sont libérés."

Les États-Unis incarcèrent actuellement 0,6 % de leur population, un taux six fois plus élevé que dans les pays européens.

« La recherche montre que des mesures comme la décriminalisation et l'élimination des peines minimales obligatoires ont à peine réduit le taux d'incarcération, " dit Slobogin. " Cela dit, le public n'achètera aucune réforme à moins que vous ne puissiez l'assurer de sa sécurité."

Un algorithme idéal indiquerait la probabilité qu'un individu donné commette un crime grave au cours d'une période donnée, en l'absence d'une intervention particulière.

Dans des recherches récemment publiées, Slobogin a expliqué qu'en rendant les décisions relatives aux sanctions pénales plus transparentes, les algorithmes pourraient forcer un réexamen attendu depuis longtemps des buts et objectifs du système de justice pénale. Il soutient que les algorithmes d'évaluation des risques peuvent :

• aider à réduire la détention provisoire (la probabilité qu'une personne commette un crime alors qu'elle est en liberté sous caution est de 8%) et la durée des peines de prison sans augmenter le risque pour le public - un objectif particulièrement important alors que COVID-19 se propage dans les établissements pénitentiaires,
• atténuer les cautions et les peines excessivement punitives, qui affectent de manière disproportionnée les personnes à faible revenu et les personnes de couleur,
• allouer les ressources correctionnelles de manière plus efficace et cohérente,
• servir de tremplin pour des programmes de réadaptation fondés sur des données probantes visant à réduire la récidive en détournant de la prison les candidats les plus susceptibles de réussir.

Risques calculés

L'utilisation d'algorithmes pour décider du sort d'une vie humaine est controversée. Les critiques affirment que les algorithmes ne sont pas efficaces pour identifier qui offensera et qui réagira aux efforts de réadaptation. Les critiques soutiennent également que les algorithmes peuvent être biaisés racialement, déshumanisant et contraire aux principes de la justice pénale.

Slobogin a dit que, bien que les critiques aient du mérite, les méthodes actuelles de prévision du risque peuvent être pires. "Au moins, les algorithmes structurent l'analyse de manière cohérente."

Prise de décision non structurée par les juges, les agents de libération conditionnelle et les professionnels de la santé mentale sont manifestement biaisés et réfléchis, il ajouta, et s'appuie souvent sur des stéréotypes et des généralisations qui ignorent les objectifs du système judiciaire. Les algorithmes peuvent faire mieux, il a dit, ne serait-ce que de manière limitée, et s'ils sont conçus pour compenser l'influence des pratiques raciales en matière de police et de poursuite.

Si les algorithmes sont validés et utilisés de manière proactive pendant le processus préalable au procès, la plupart des personnes arrêtées « peuvent conserver leur emploi, garder leurs familles intactes, et aider son avocat dans sa défense en aidant à retrouver des témoins, " a déclaré Slobogin. "En utilisant des algorithmes pour informer la détermination de la peine, nous pouvons libérer les gens plus tôt, qui pourrait les aider à devenir productifs au lieu de croupir en prison, où ils perdent tout espoir et apprennent à être un meilleur criminel."