MATHS JUSTICE
Toutes notions liées aux probabilités, théorème de Bayes, algorithmes
A priori, tout semble opposer le monde des probabilités et des algorithmes de la décision judiciaire. Le
premier renvoie aux jeux de hasard, à la notion de moyenne statistique, à l’intelligence artificielle, etc.
alors que la seconde s'appuie sur des mobiles et des enchaînements de causes, et s'évertue à cerner le
cas d'espèce. Les outils mathématiques apportent le moyen de quantifier le degré de certitudes dans
une hypothèse, de s’appuyer sur nombre d’affaires précédentes … et viennent ainsi influencer, faciliter
et homogénéiser la décision finale. La complémentarité semble prometteuse mais elle nécessite une
utilisation parfaitement maîtrisée de l’outil sous peine d’aboutir à des contre-vérités et des jugements
erronés … elle peut être aussi source d’inquiétudes
PROBA
Le théorème de Bayes a été utilisé plusieurs fois dans des procès, mais - notamment en Angleterre - il
a malheureusement rencontré un mur d’incompréhension qui a fait que Plus d’un juge en a interdit
l’usage, même par des experts qualifiés. Les cas qui se prêtent le mieux à une utilisation directe du
théorème de Bayes sont ceux où l’on présente très peu de preuves, mais parmi elles une preuve
purement scientifique
Malgré une multitude d’exemples d’erreurs judiciaires qui auraient pu être évitées par une application
correcte de la théorie des probabilités, cette idée a énormément de mal à faire son chemin dans la
mentalité judiciaire. Utiliser un calcul théorique pour déterminer la probabilité que, par une pure
coïncidence, les accusés dans un procès pour vol possèdent de nombreux traits en commun avec les
vrais voleurs, vus par deux témoins. L’idée même d’utiliser des calculs probabilistes pour déterminer
la probabilité de la culpabilité d’un accusé, ou plus simplement pour déterminer la probabilité qu’un
certain événement précis ait eu lieu ou non, étant données les circonstances observées, n’est survenue
dans le contexte judiciaire qu’à la fin du XIXe siècle. Ce modèle utilisé dans d’autres domaines
scientifiques, comme la médecine, permet d’évaluer la valeur de l’élément matériel indépendamment
de l’élément moral (données d’enquête, témoignages, aveux).
THEOREME DE BAYES DEMONSTRATION :
Le theoreme de bayes est
Notons par une lettre majuscule (A, B, I, C, T etc.) un événement qui peut se produire avec une
certaine probabilité, par exemple « cette empreinte digitale appartient à telle personne ». Nous notons
P(A) la probabilité que l’événement A ait lieu. Nous notons P(NA) son opposée, la probabilité que
l’événement A n’ait pas lieu, dite aussi probabilité de non-A. La somme P(A) +P(NA) est égale à 1,
c’est-à-dire qu’étant donné P(A), nous pouvons calculer P(NA) par la formule P(NA) = 1 −
P(A). Nous notons P(A|B) la probabilité, dite
Conditionnelle
, que A ait lieu étant donné qu’on sait que B a eu lieu ; on dit « P(A|B) est la probabilité de A étant donné B »,
ou plus simplement « la probabilité de A si B ». Pour illustrer l’utilisation de la formule, nous
considérons le cas d’un accusé et d’un fait spécifique porté contre lui, qui peut être par exemple une
trace physique laissée sur la scène du crime, l’affirmation d’un témoin, ou une coïncidence par trop
surprenante dans son explication des faits. Notons I l’énoncé « l’accusé est innocent », et X l’énoncé
«tel fait a été constaté ». La probabilité qui nous intéresse est P(I|X), la probabilité que l’accusé soit
innocent malgré le fait X. Pour calculer cette probabilité P(I|X), nous changeons simplement A en I et
B en X dans la formule. En effet, si l’accusé est coupable, son ADN ou son empreinte correspondra à
celle qui a été trouvée, c’est bien lui qui aura été vu par le témoin, la coïncidence étonnante ne sera
finalement pas du tout une coïncidence mais une situation produite par un acte volontaire. Si l’accusé
n’est pas compatible
Avec la trace ou au fait X (par exemple si l’empreinte digitale trouvée sur la scène du crime ne lui
correspond pas), il sera relâché . C’est la nécessité de fournir une estimation assez subjective et
personnelle de P(I) qui fait que le raisonnement dit bayésien est souvent remis en doute ou considéré
comme étant approximatif, et peu fiable. Ce théorème offre un précieux moyen de réviser son degré de
croyance dans une hypothèse en fonction de l'apport de nouveaux éléments de connaissances. La
formule (1) ci-dessous le résume :( 1 ) ( / ) =
( ( / ) × ( )
() )
Où H désigne une hypothèse, e un élément de preuve et / l'opérateur ‘Sachant que’. Supposons par
exemple que H désigne l'hypothèse que l'inculpé soit coupable du meurtre et que e désigne la
présence de traces de son ADN sur la victime. (/) est la probabilité que l'hypothèse de
Culpabilité soit vraie sachant que l'ADN de l'accuse a été retrouvée sur le cadavre. L'équation se lit
alors de la façon suivante : la probabilité de H sachant e est égale à la probabilité de H multipliée par
la probabilité de e sachant H divisée par la probabilité de e. Elle permet d'établir comment le degré de
certitude d'une hypothèse change avec les indices qui sont apportés. Au départ, seule la probabilité
générale, ou a priori, de culpabilité est connue, () ; elle peut être fondée sur
L’expérience du juge ou sur la culpabilité observée en moyenne par la statistique dans des affaires
similaires. L'élément de preuve, ou indice, apporté change la donne. Grâce au théorème de Bayes, une
nouvelle probabilité, a posteriori - la probabilité que H soit vraie sachant que l'élément e a été trouvé ,
peut être calculée ; elle dépend de la probabilité a priori, (), et d'un multiplicateur,
((/) () ). C'est ce dernier qui va conduire à réviser à la baisse ou à
la hausse, et plus où
moins fortement, la probabilité a priori, ().
.
P(H|e) =p(e|H) **p(H) /P(e)
A l'inverse, dès lors que la probabilité de trouver l'ADN de l'accusé sur le cadavre sachant qu'il est
coupable, (/), est plus élevée que la probabilité de trouver l'ADN de l'accusé sur le
cadavre
Indépendamment de sa culpabilité, (), la probabilité de culpabilité se voit augmentée suite à la
Découverte de l'ADN car selon la formule, (/) est plus grande que (). Notons
que la formule
Peut être appliquée plusieurs fois de suite, au fur et à mesure de l'arrivée de nouveaux éléments de
preuve. Il suffit d'utiliser la probabilité a posteriori comme nouvelle probabilité a priori. Cette
démarche qui consiste à réviser son degré de certitude ou de croyance placé dans une hypothèse en
fonction de nouveaux éléments de connaissance porte le nom en théorie des probabilités de méthode
Bayésienne
CAS CONCRET /
PARTIE ERREURS JUDICIAIRE A CAUSE DES MATHS/
Erreur de calcul des probabilités par les juges et les avocats, depuis les probas de correspondance
ADN jusqu’au risques de mort accidentelle, ont envoyé des innocents en prison et ont peut-être laissé
des meurtrier en liberté. AFFAIRE KNOX / vérité par rapport à Mme Kercher >pas vouloir répéter le
test
