EN QUOI L'APPROCHE BAYESIENNE PERMET-
ELLE DE RESOUDRE UNE ENQUETE
CRIMINELLE
Introduction :
En arrivant sur une scène de crime, tout enquêteur peut dès le début faire plusieurs
[Link] les indices vont alors former un tableau qu'il va falloir décrypter pour trouver le
coupable mais au fur et à mesure des jours des recherches de nouveaux indices vont faire leur
apparition et il va falloir les intégrer à ce tableau les relier avec les précédents indices et petit à petit
réduire la liste de [Link] théorème découvert il y a 250 ans permettrait de calculer les
différentes probabilités et ainsi minimiser les erreurs judiciaires. Le théorème de Bayes est
aujourd'hui au service de la justice et nous allons donc analyser pendant les prochaines minutes en
quoi l'approche bayésienne initiée par son théorème permet-elle de résoudre une enquête criminelle
Dans un premier temps nous allons parler du théorème en tant que tel puis dans un 2nd temps
nous aborderons son utilisation.
Le théorème
A/ Thomas Bayes
Thomas Bayes est un mathématicien britannique qui a vécu de 1702 à 1761. Son essai publié à titre
posthume va permettre de faire découvrir au monde ce qu'on appellera le théorème de Bayes. «
Essai sur la manière de résoudre un problème dans la doctrine des risques » publié en 1764 est
longtemps resté incompris. Mais il s'est révélé d'une importance décisive dans l'histoire des
probabilités, voire dans celle de la pensée pratique. Thomas bayes est le premier à oser une
conception « subjective » entre guillemets des probabilités. -*Pourquoi ??
B/ Le théorème
Le théorème de Bayes est donc l'un des principaux théorèmes de la théorie des probabilités. Il est
aussi utilise en statistiques du fait de son application.
Bayes cherchait à déterminer ce que l'on appellerait actuellement la distribution a posteriori de la
probabilité p d'une loi binomiale.
Une loi binomiale, c'est simplement la fréquence du nombre de succès obtenus lors de la répétition
de plusieurs expériences aléatoires identiques et indépendantes.
La distribution a posteriori, c'est la probabilité recalculée ou mesurer qu'un événement ait lieu en
prenant en considération une nouvelle information.
Donc pour résumer, Bayes cherchait un calcul permettant de connaître la probabilité d'un
événement qui avaient deux issues possibles : l'échec ou la réussite de l’événement en recalculant sa
probabilité au fur et a mesure que de nouvelles données été ajoutés.
En d'autres termes, à partir de ce théorème, il est possible de calculer précisément la probabilité d'un
événement en tenant compte à la fois des informations déjà connues et des données provenant de
nouvelles observations.
C/ La formule
La formule qu'on a aujourd'hui et qui a évolué depuis les travaux de Bayes est devant vous sur la
planche A :
P(A|B) = P(B|А)*P(A)/P(B)
On considère deux événements distincts A et B ;
La probabilité de A, c'est la probabilité que l'événement A se déroule a priori, sans prendre en
compte aucun autre paramètre.
Quant à la probabilité de A sachant B, ou inversement, cela signifie la probabilité que l’événement
A se déroule sachant que l’événement B s'est déjà déroulé, a posteriori, après en avoir pris
connaissance.
Pour la remettre dans le contexte judiciaire, à partir d'une ou plusieurs observations, on cherche à
évaluer une proposition. Il n'y a donc pas de certitude mais le théorème et l'approche bayésienne
nous permet d'éliminer ou de valider les propositions une par une.
L'expert sur une scène de crime doit évaluer ses observations au regard de plusieurs propositions
comme l'évaluation d'un indice ou d'un résultat. Quand un ou une juge, lui, doit prendre une
décision en évaluant une proposition à partir
de diverses observations.
Nous allons maintenant utiliser un cas concret pour comprendre tous les
tenants et les aboutissants de l'utilisation de ce théorème.
A/ Problème
Un homicide a été commis à Poitiers et une trace de sang appartenant à l'agresseur a été retrouvée
sur la victime.
Selon les enquêteurs, l'agresseur est un habitant de Poitiers. Un suspect est arrêté et son profil
génétique est identique à celui retrouvé sur la victime. L'expert nous donne comme information qu'
« il y a 1 chance sur 1 milliard pour qu'une personne choisie au hasard dans la population de
Poitiers et n'étant pas la source de la trace présente un profil génétique identique à celui retrouvé sur
la victime »
B/ Résolution grâce à l'approche bayésienne
On part donc de la première observation: le suspect est la source de la trace. Pour calculer la
probabilité que le suspect le soit, on va utiliser une donnée de la population de Poitiers de 100 000
personnes. Ce qui nous donne 1/100 000 pour cette croyance a priori.
Ensuite, la première proposition est que les profils sont identiques. La probabilité que les profils
soient identiques sachant que le suspect est la source de la trace est de 1, le pourcentage est donc de
100%. Tandis que la probabilité que les profils soient identiques sachant que le suspect n'est pas la
source de la trace est de 1/1 milliard.
Et le dernier élément est le test d'ADN. La probabilité que le test soit positif sachant que les profils
sont différents est de 1/10 000 ttce qui équivaut au taux de faux positif et à l'inverse pour un test
négatif sachant que les profils sont identiques, la probabilité est également de 1/10 000.
On trouve donc comme résultat avec le théorème de Bayes, que lorsque le suspect n'est pas la
source de la trace sachant que le test est positif, une probabilité de 99.9%. Lorsque le suspect est la
source de la trace et qu'on a observé un test positif, la probabilité est de 9.09%.
C/ Conclusion
Dans cet exemple, le test ADN positif ne permet pas à lui seul d’affirmer que le suspect est la
source de la trace étant donné qu'une probabilité de 9.09% est assez faible. D'autres indices sont
nécessaires. Si avant la découverte du test, on ajoute au calcul la découverte de nouveaux éléments,
on augmente grandement la probabilité que le suspect soit la source de la trace.
A noter tout de même, qu'avant la prise en compte du test positif, la probabilité sans indice était de
0.001 est qu'elle a augmenté de 4 ordres de grandeurs juste avec le résultat du test positif.
Au contraire, le test ADN négatif permet à lui seul d’affirmer que le suspect n'est pas la source de la
trace, la probabilité étant de 99.99 %.
Pour conclure, nous allons faire un résumé des avantages et des
inconvénients de l'approche bayésienne en criminalistique.
A/ Avantages
Tout d'abord, elle permet une évaluation probabiliste d'un indice au regard de deux propositions
alternatives posées par l'accusation et la défense. Chaque nouvel élément fait évoluer le rapport des
probabilités a posteriori c'est-à-dire le degré de croyance relatif aux propositions de l'accusation et
de la défense, ce qui est un élément important à prendre en compte lorsque sur une enquête, chaque
jour, on peut découvrir de nouveaux indices.
Cette approche clarifie donc les domaines de compétence du juge et des experts et elle permet
d'éviter autant que possible les raisonnements fallacieux et les erreurs judiciaires.
B/ Inconvénients
Mais cette approche nécessite des données qui ne sont pas toujours disponibles population de
référence, probabilités a priori ainsi que des choix des variables à prendre en compte et
l'indépendance de ces variables.
De plus, pour une même probabilité, une personne peut concevoir un certain doute alors que
d'autres perçoivent la même information avec davantage de confiance. Et pour finir l'approche
bayésienne peut rebuter des non-scientifiques comme les juges, les avocats ou bien les jurés.