Par Nico Van der Beken, Lead Forensic Expert
L’intelligence artificielle est déjà profondément ancrée dans le travail technologique forensique moderne. Dans nos mandats, nous combinons régulièrement des services d’IA commerciaux, de grands modèles de langage, des outils spécialisés d’apprentissage automatique et des plateformes d’IA hébergées en privé pour traiter documents, images, audio et vidéo, traduire des contenus, extraire des informations et préparer des rapports.
La question n’est donc plus de savoir si l’IA doit être utilisée. Elle l’est déjà, et là où elle est fiable, elle devrait être exploitée pleinement.
La question la plus importante est de savoir si l’ensemble d’un processus forensique peut être confié à l’IA en toute sécurité, sans supervision spécialisée. Aujourd’hui, la réponse est non.
Trois niveaux de maturité
Toutes les tâches ne sont pas également prêtes à être automatisées. Nous trouvons utile de raisonner en trois catégories :
- Mature : adaptée à un usage systématique dans un processus contrôlé et validé.
- D’assistance : très utile, mais les résultats importants doivent être vérifiés.
- Prudence : utile pour générer des pistes et des hypothèses, mais pas comme seule base d’une conclusion probatoire.
| Activité | Maturité |
|---|---|
| Extraction de métadonnées, traitement de fichiers, OCR | Mature |
| Détection des doublons exacts et quasi-doublons | Mature |
| Extraction de personnes, organisations, lieux et dates | Mature |
| Revue assistée par la technologie et classification de pertinence | Mature |
| Traduction automatique et transcription audio | Mature / D’assistance |
| Synthèses, chronologies et cartographie des relations | Mature / D’assistance |
| Reconnaissance d’écriture manuscrite et identification faciale | D’assistance |
| Évaluation d’authenticité et détection de deepfakes | D’assistance |
| Interprétation des preuves et conclusions finales | Prudence |
L’acquisition et la préservation des preuves constituent un cas particulier. Les outils forensiques déterministes y restent le bon choix, et l’IA ne doit pas remplacer les contrôles de préservation.
Sur le principe, rien de nouveau. La revue assistée par la technologie (Technology-Assisted Review) est utilisée en eDiscovery depuis plus de dix ans, des experts métier entraînant et validant les modèles. La même logique s’applique désormais à l’IA générative et multimodale. La technologie peut accomplir une part considérable du travail analytique, et ce sont la validation et la gouvernance qui déterminent jusqu’où l’on peut se fier à ses résultats.
Extraire n’est pas conclure
L’IA donne le meilleur d’elle-même lorsque la tâche est formulée comme une extraction d’informations. Comparez deux instructions :
« Trouve toutes les personnes nommées dans cette collection et indique-moi le document, la page, l’horodatage ou l’image vidéo où chaque nom apparaît. »
« Trouve toutes les personnes de cette collection, détermine qui elles sont réellement et quel rôle elles ont joué. »
La première peut aujourd’hui être largement automatisée. La seconde regroupe plusieurs problèmes distincts :
- reconnaître que des orthographes, alias ou translittérations différents désignent la même personne ;
- distinguer des personnes différentes portant le même nom ;
- relier visages, voix, comptes et documents à des individus ;
- évaluer la fiabilité des déclarations contenues dans les preuves ;
- résoudre les contradictions ; et
- décider s’il existe suffisamment d’éléments pour étayer une conclusion.
L’IA peut aider à chacune de ces étapes. Cela ne signifie pas qu’elle doive trancher seule. Les modèles génératifs sont conçus pour produire des réponses plausibles, même lorsque les preuves sont incomplètes ou ambiguës. En forensique, plausible et prouvé sont deux choses très différentes.
Pourquoi l’expertise reste indispensable
Si les experts restent nécessaires, ce n’est pas parce que les humains lisent plus vite ou reconnaissent mieux les noms que l’IA moderne. C’est de moins en moins le cas. Ils sont nécessaires parce que :
- Quelqu’un doit concevoir le processus. Une enquête n’est pas un simple prompt. C’est une chaîne de traitement, d’OCR, de transcription, de traduction, d’extraction d’entités, de vision par ordinateur et de modèles de langage, adaptée aux preuves et à la question posée. Une erreur en début de chaîne se propage à toutes les étapes suivantes.
- La performance doit être mesurée, pas présumée. Un modèle performant sur des documents anglais propres peut se comporter très différemment face à des scans dégradés, de l’écriture manuscrite, des alphabets mixtes, des accents ou un jargon spécialisé. Il doit être testé sur des données représentatives. Le NIST AI Risk Management Framework le souligne également : la fiabilité doit être démontrée, et non déduite de capacités apparentes.
- L’ambiguïté exige du jugement. Deux mentions peuvent désigner la même personne, ou deux personnes portant le même nom. Un visage peut ressembler à quelqu’un sans être cette personne. Un document peut tout simplement être erroné. Ce sont des questions de force probante, pas de traitement.
- Les résultats doivent rester traçables. Si un système indique qu’une personne apparaît dans les preuves, un enquêteur doit pouvoir accéder directement à la page, à l’image ou au passage d’enregistrement qui le confirme.
- L’intégrité des preuves s’impose toujours. Provenance, préservation, documentation et reproductibilité ne disparaissent pas avec l’automatisation. Davantage d’automatisation les rend même plus importantes.
L’IA d’abord, sous contrôle humain
Selon nous, le bon modèle n’est ni une revue traditionnelle agrémentée d’un outil d’IA occasionnel, ni une chaîne d’IA autonome qui ingère les preuves et produit des conclusions.
Le bon modèle est l’IA d’abord, sous contrôle humain. L’IA traite autant de preuves que cela est techniquement et juridiquement approprié. Elle extrait, classe, transcrit, traduit, regroupe, priorise et résume à l’échelle de la machine. L’effort humain se concentre ensuite là où il apporte le plus de valeur :
- valider les résultats significatifs ;
- résoudre les questions d’identité, les contradictions et les exceptions ;
- confirmer les traductions et transcriptions déterminantes ;
- évaluer si les preuves étayent une conclusion ; et
- assumer la responsabilité de ce qui est finalement rapporté.
En conclusion
L’IA peut déjà accomplir une très grande partie du travail, et nous l’utilisons largement. Il ne s’agit pas de protéger un travail qui pourrait être automatisé. Les capacités matures devraient être automatisées partout où elles permettent d’économiser du temps, des coûts et des revues inutiles.
La valeur de l’expertise en technologie forensique réside désormais dans la capacité à savoir ce qui peut être automatisé en toute sécurité, et comment combiner et valider les outils. Elle réside aussi dans la capacité à voir où l’extraction devient inférence, et à juger quand les preuves sont suffisamment solides pour être défendues.
L’IA ne supprime pas le besoin d’expertise forensique. Elle change l’endroit où cette expertise s’exerce.