| Titre | Quand prédire, c'est gérer : La police prédictive aux États-Unis | |
|---|---|---|
| Auteur | Bilel Benbouzid | |
 |
Revue | Réseaux (communication - technologie - société) |
| Numéro | vol. 36, no 211, septembre-octobre 2018 Machines prédictives | |
| Rubrique / Thématique | Dossier : Machines prédictives |
|
| Page | 221-256 | |
| Résumé |
Dans cet article, nous rentrons dans les détails du contenu des applications numériques de la police prédictive. Les machines prédictives sont des technologies morales de gouvernement. Elles servent non seulement à prédire où et quand les crimes sont susceptibles d'avoir lieu, mais aussi à réguler le travail de la police. Elles calculent des rapports d'équivalence, en distribuant de la sécurité sur le territoire, selon de multiples critères de coûts et de justice sociale. En retraçant les origines de la police prédictive dans le système du Compstat, nous observons le passage de machines à explorer des intuitions (le policier garde la main sur la machine) à des applications qui font disparaître la dimension réflexive de la proactivité, faisant de la prédiction le support de métriques de « dosage » de la quantité du travail de la police. Nous voyons enfin comment sous l'effet d'un mouvement critique dénonçant les biais discriminatoires des machines prédictives, les développeurs imaginent les techniques d'audit des données des bases d'apprentissage et les calculs de la quantité raisonnable de contrôle policier dans la population. Source : Éditeur (via Cairn.info) |
|
| Résumé anglais |
When to predict is to manage This article offers a detailed examination of the content of predictive policing applications. Predictive machines are moral technologies for government. They serve not only to predict when and where crime is likely to occur, but also to regulate police work. They calculate equivalence ratios, distributing security across the territory based on multiple cost and social justice criteria. Tracing the origins of predictive policing in the Compstat system, this article studies the shift from machines to explore intuitions (where police officers still have control over the machine) to applications removing the reflexive dimension of proactivity, thus turning prediction into the medium for “dosage” metrics of police work quantities. Finally, the article discusses how, driven by a critical movement denouncing the discriminatory biases of predictive machines, developers have come up with techniques to audit training datasets and ways to calculate the reasonable amount of stop-and-frisk over the population. Source : Éditeur (via Cairn.info) |
|
| Article en ligne | http://www.cairn.info/article.php?ID_ARTICLE=RES_211_0221 |
