Certains des crimes de meurtre non résolus les plus notoires de l'histoire pourraient être mis à nu grâce à de nouvelles recherches médico-légales menées à l'Université de Northumbria, à Newcastle.

Dr Matteo Gallidabino, Maître de conférences en sciences médico-légales à l'Université de Northumbria, travailler avec des collègues du King's College de Londres et des Universités de Lausanne, Saint-Jacques de Compostelle et Rome (La Sapienza), ont révélé que l'apprentissage automatique - un domaine de l'intelligence artificielle - pourrait être utilisé pour déterminer quelles munitions, et finalement quelle arme à feu, était responsable d'un coup de feu particulier provenant des résidus qu'il a laissés.

Leurs résultats ont été publiés dans le Royal Society of Chemistry's Analyste journal – la maison des découvertes fondamentales, inventions et applications en sciences analytiques et bioanalytiques.

« L'apprentissage automatique utilise une série d'algorithmes pour modéliser des relations de données complexes », explique le Dr Gallidabino. "Grâce à un réglage minutieux, ceux-ci peuvent être appliqués pour prédire les caractéristiques importantes des munitions utilisées dans un événement de tir particulier à partir de celles des résidus de tir respectifs (GSR) déposés sur les surfaces ou objets environnants, tels que les cas épuisés, blessures et, potentiellement, aussi les mains du tireur."

Il s'agit d'une progression révolutionnaire par rapport aux techniques actuellement disponibles dans l'analyse GSR. En effet, les statistiques informatiques complexes mises en œuvre par l'équipe de recherche permettent l'identification des munitions responsables des différentes traces de tir laissées sur une scène de crime et l'association éventuelle de telles traces, avec une précision sans précédent. Les deux capacités sont actuellement difficiles à utiliser avec les méthodes médico-légales traditionnelles.

Avec les développements ultérieurs de l'approche suggérée, de nouvelles pistes d'enquête pourraient être rapidement recherchées pour éviter des meurtres non résolus similaires du passé, comme Jill Dando en 1999 et les meurtres notoires du Bloody Sunday de 1972.

"Après le dimanche sanglant, le problème était de déterminer si des coups de feu avaient été tirés par des civils ou des militaires », déclare le Dr Gallidabino. « Les enquêteurs ont trouvé de grandes quantités de GSR partout sur les victimes et ont conclu que cela résultait d'activités de tir. Il a été établi plus tard, cependant, que ceux-ci étaient probablement dus au secondaire, transfert post-événement des contaminations des militaires – dont les mains étaient riches en RSG – aux cadavres. De petites quantités de GSR, En effet, peuvent être transférés par des contacts prolongés avec des surfaces contaminées, comme celles qui ont eu lieu lorsque les soldats ont aidé à transporter les victimes à l'hôpital après l'événement.

« Si des techniques comme celles que nous développons maintenant étaient disponibles à l'époque, ils auraient pu être utilisés pour déterminer si les RSG provenaient de munitions civiles ou de tirs militaires, ce qui aurait été un élément de preuve essentiel. »

Le Dr Gallidabino se spécialise dans la modélisation statistique et les techniques d'apprentissage automatique pour les applications médico-légales. Il a personnellement développé et testé à la fois la technique chimique innovante et les modèles mathématiques utilisés dans l'approche, après avoir tiré une gamme de munitions. Après avoir récupéré les cartouches d'armes à feu, il les a analysés, et en particulier la partie volatile du GSR, avant de se tourner vers les poudres sans fumée originales. D'ici, il a pu établir une relation entre la munition et le résidu, avec les mêmes méthodes statistiques utilisées par les informaticiens pour former des robots.

Suite à cela, l'équipe de recherche a demandé que cette méthode unique soit appliquée beaucoup plus largement dans le domaine de la médecine légale et, plus généralement, chimie analytique. "Les avantages sont innombrables", a déclaré le Dr Gallidabino. "Ils peuvent même s'étendre à d'autres domaines des sciences analytiques qui rencontrent régulièrement des traces chimiques changeantes, comme l'analyse des engins explosifs improvisés, les accélérateurs d'incendies criminels et les polluants environnementaux.

Dr Léon Barron, Maître de conférences en sciences médico-légales du King's College de Londres, a ajouté : « La fusion de l'analyse de laboratoire de pointe avec l'apprentissage automatique sur ordinateur nous permettra de capitaliser sur les vastes quantités de données que nous générons maintenant pour réaliser plus fréquemment des avancées révolutionnaires comme celle-ci. En science médico-légale, et souvent compte tenu des divers scénarios et séquences d'événements impliqués, L'apprentissage automatique représente l'un des moyens les plus prometteurs de donner un sens aux preuves plus rapidement pour soutenir le système de justice pénale. »

Jill Dando

Le 26 avril, 1999, la star de la BBC âgée de 38 ans a été abattue sur le pas de la porte de sa maison à Fulham, L'ouest de Londres dans ce qui reste l'un des meurtres non résolus les plus médiatisés du Royaume-Uni. Barry Georges, qui habitait à quelques minutes de la maison de Jill, a été emprisonnée pendant huit ans pour son meurtre, mais a été innocentée après un nouveau procès en 2008 à la suite de préoccupations soulevées par les preuves médico-légales. L'affaire reste ouverte.

Avoir plus de connaissances sur la source de GSR au moment du meurtre aurait pu être utile, selon le Dr Gallidabino et le reste de l'équipe de recherche.

« Une seule particule GSR a été trouvée dans la poche du manteau de Barry George (le suspect) », dit-il. "Cette particule s'est avérée avoir une composition vraiment similaire à celles trouvées sur la victime, Jill Dando, selon les techniques disponibles à l'époque. Comme aucune méthode approuvée n'existait pour comparer les compositions GSR sur différentes surfaces, cependant, cette preuve a été fortement contestée. Avec notre approche, nous espérons à l'avenir fournir des outils robustes aux forces de l'ordre pour faire face plus efficacement à ce genre de situation."