PLAN GRAND ORAL MATHS / Lucia de Berk : quand les
maths mal utilisées condamnent une innocente
Introduction : une justice trompée par les maths
Peut-on être condamné à vie à cause d’un calcul mal fait ?
C’est ce qui est arrivé à Lucia de Berk, une infirmière accusée à tort de
plusieurs meurtres. Un chiffre gigantesque – une probabilité de 1 sur 342
millions – a été présenté comme une preuve.
Problématique : Comment une erreur dans l’utilisation des probabilités,
combinée à des biais cognitifs, a-t-elle pu conduire à une erreur judiciaire
aussi grave ?
I. La mauvaise application des probabilités : une erreur d’indépendance
1. Le calcul présenté au tribunal
● Un statisticien a calculé la probabilité que Lucia soit présente à 14 décès comme :
P=p^14
avec p = probabilité d’être présente par hasard à un décès.
● Résultat : une probabilité infime (1 sur 342 millions)
Ce genre de raisonnement utilise les lois des probabilités composées :
si les événements sont indépendants, alors :
P(A∩B)=P(A)×P(B)
2. Mais les événements n’étaient pas indépendants
● Lucia faisait plus de gardes que la moyenne
● Elle travaillait dans des services où les décès sont plus fréquents
● Les décès n’étaient pas tous suspects : certains patients étaient déjà mourants
Ici, les probabilités ne peuvent pas être multipliées !
On est face à une erreur de modélisation, car les conditions d’indépendance ne sont pas
réunies.
Notions mathématiques mobilisées :
● Indépendance
● Probabilités conditionnelles
● Modélisation
II. Une interprétation faussée par des biais statistiques
1. Biais de sélection
● On ne part pas d’un échantillon aléatoire, mais d’un cas particulier observé après
coup
● C’est comme si, dans un grand hôpital, on observait des milliers de soignants, et
qu’on retenait celui qui semble "anormal" – un simple hasard statistique
Cela s’appelle un biais de sélection. Il invalide toute conclusion statistique.
2. Biais de confirmation
● Une fois qu’on pense Lucia coupable, on cherche des chiffres qui le confirment
● On oublie les cas où elle était présente sans décès, ou les décès sans elle
Cela fausse complètement l’analyse : on choisit les données qui arrangent notre
hypothèse
Notions mathématiques mobilisées :
● Échantillonnage
● Représentativité
● Statistiques biaisées
⚖️ III. Les mathématiques comme outil de réhabilitation
1. Des mathématiciens reprennent l’affaire
● Ils démontrent que le raisonnement est statistiquement faux
● En prenant en compte la fréquence des gardes, la structure des services, le
hasard, on obtient une probabilité tout à fait normale
2. Une leçon : les maths ne servent pas qu’à calculer
● Les probabilités sont des outils de pensée critique
● Elles permettent de modéliser le réel, mais exigent rigueur et prudence
Notions valorisées dans cette partie :
● Rigueur logique
● Modélisation probabiliste
● Lecture critique des chiffres
Conclusion
L’affaire Lucia de Berk montre que les mathématiques ne sont pas neutres : elles ont un
pouvoir immense, mais peuvent faire basculer des vies si elles sont mal utilisées.
Connaître les notions de probabilités, d’indépendance, de modélisation ou de biais
permet de comprendre et parfois de corriger des erreurs lourdes de conséquences.
Ouverture
Aujourd’hui, avec l’usage croissant d’algorithmes et d’intelligence artificielle dans la
justice, la santé ou le recrutement, sommes-nous vraiment capables d’interpréter
correctement les données qui prennent des décisions à notre place ?
