Justice prédictive

Un article de Wikipédia, l'encyclopédie libre.

La justice prédictive correspond à un ensemble d’instruments développés grâce à l’analyse de grandes masses de données de justice qui proposent, notamment à partir d’un calcul de probabilités, de prévoir autant qu’il est possible l’issue d’un litige[1]. Ainsi, les instruments de justice prédictive permettent d'élaborer, sur un panel de décisions de justice similaires, une analyse statistique portant sur les chances de succès ou de rejet d’une demande ainsi que sur le quantum des dommages et intérêts accordé en moyenne pour un préjudice précis.

Définition[modifier | modifier le code]

Selon Chantal Arrens, la justice prédictive peut être définie comme « l'analyse de l'ensemble de la jurisprudence accessible, par un algorithme, et l'utilisation de l'historique des contentieux jugés afin de prédire l'issue potentielle de procès à venir. »[2].

Pour Frédéric Rouvière, professeur à l'Université d'Aix-Marseille, « la justice prédictive consiste à prédire la solution donnée à un litige par un juge à partir de moyens informatiques. C'est au fond une version moderne de la boule de cristal savamment remplacée ici par les cristaux liquides de l'écran d'ordinateur »[3].

Néanmoins, pour Jean-Claude Marin, l'appellation de « justice prédictive » est une mauvaise traduction de « predictable justice », ce qui donne en français « justice prévisible »[4].

Origines[modifier | modifier le code]

Certains auteurs considèrent que la justice prédictive existait déjà en germe, en France, dans les travaux du mathématicien Siméon-Denis Poisson publiés en et portant sur la probabilité des jugements[5].

Une autre partie de la doctrine fait remonter le concept de prédiction jurisprudentielle au fondateur du réalisme juridique (en), Oliver Wendell Holmes Jr.[6]. En , Lee Loevinger (en) propose aux Etats-Unis la création d’une nouvelle science « jurimétrique » fondée sur « l’application de la méthode scientifique à l’étude du Droit » avec pour objet le « calcul de la prédictibilité des décisions judiciaires »[6].

Au XXIe siècle, sous l'effet conjugué des progrès technologiques et de la croissance des bases de données judiciaires, la justice prédictive devient une réalité.[réf. souhaitée]

Fonctionnement[modifier | modifier le code]

Les instruments de justice prédictive fonctionnent grâce à des algorithmes de machine learning, capables de croiser et traiter les données jurisprudentielles. Pour cela, ils s’appuient sur des outils de traitement automatique du langage naturel permettant de comprendre le sens d'un document et de calculer, par exemple, l’ancienneté d’un salarié en identifiant sa date d’embauche puis sa date de licenciement dans une décision. Ces instruments sont commercialisés par des starts-up spécialisées dans le domaine juridique, couramment désignées comme des « legaltechs »[7].

À titre d'exemple, en 2016, un groupe de chercheurs britanniques et américains a élaboré un algorithme de type machine à vecteurs de supports (SVM) capable d'arriver aux mêmes verdicts que les juges de la Cour européenne des droits de l'homme dans 79% des cas en croisant les arguments des parties, les faits et le droit positif pertinent[8]. Les résultats de cette étude appuient une certaine vision du droit selon laquelle les jugements sont de nature syllogistique (puisque traitables par la machine), mais, en même temps, la marge d'erreur de l'algorithme montre bien qu'un juge humain prend en considération certains éléments que la machine ne traite pas, issu de son intuition et de sa propre sensibilité[9].

Cadre légal français[modifier | modifier le code]

En France, la loi no 2016-1321 du 7 octobre 2016 pour une République numérique[10] affirme le principe d'open data des décisions de justice. Il est ensuite repris par l'article 33 de la loi no 2019-2022 du 23 mars 2019 de programmation 2018-2022 et de réforme pour la justice. Le décret no 2020-797 du 29 juin 2020 relatif à la mise à disposition du public des décisions de juridictions judiciaires et administratives a été publié au Journal officiel le 30 juin 2020[11].

Critiques[modifier | modifier le code]

Des craintes relatives à l'apparition d'un « juge robot » sont régulièrement exprimées[12][13][14].

Selon Boris Barraud, celles-ci proviendraient de « techno-pessimistes » avec une « imagination [les] amenant à anticiper un avenir dans lequel les malfaiteurs seraient arrêtés par des robots-policiers et les litiges tranchés par des robots-juges »[9].

L'un des risques réels de la justice prédictive soulevés par les praticiens concerne la dimension performative : un juge, par exemple débordé, pourrait ainsi laisser sciemment l'algorithme décider à sa place ou s'aligner sur la moyenne des barèmes établis par ses homologues[15]. Antoine Garapon ajoute que si la justice prédictive peut potentiellement réduire l'« arbitraire » en prévoyant les critères qui influent sur l'issue d'une procédure, elle risque dans le même temps de diminuer la liberté en ce qu'elle ne laissera plus suffisamment de place à l'interprétation des règles de droit[7].

Notes et références[modifier | modifier le code]

  1. « L'open data des décisions de justice, mission d'étude et de préfiguration sur l'ouverture au public des décisions de justice », sur justice.gouv.fr, (consulté le )
  2. « Compte rendu du colloque sur la Justice prédictive : évolution, révolution ? », sur Cour d'appel de Paris, (consulté le )
  3. Frédéric Rouvière, « La justice prédictive, version moderne de la boule de cristal », Revue trimestrielle de droit civil,‎ , p. 527
  4. « Allocution de Monsieur Jean-Claude Marin, procureur général près la Cour de cassation, lors du colloque « La justice prédictive » organisé par l’Ordre des avocats au Conseil d’État et à la Cour de cassation, le lundi 12 février 2018. », sur www.courdecassation.fr (consulté le )
  5. Bruno Dondero, « Justice prédictive : la fin de l’aléa judiciaire ? », recueil Dalloz,‎ , p. 532
  6. a et b Guillaume Zambrano, « Précédents et prédictions jurisprudentielles à l'ère des big data : parier sur le résultat (probable) d'un procès »
  7. a et b Antoine Garapon, « Les enjeux de la justice prédictive », JCP G,‎ , n° 31 (lire en ligne)
  8. (en) Nikolaos Aletras, Dimitrios Tsarapatsanis, Daniel Preoţiuc-Pietro et Vasileios Lampos, « Predicting judicial decisions of the European Court of Human Rights: a Natural Language Processing perspective », PeerJ Computer Science, vol. 2,‎ , e93 (ISSN 2376-5992, DOI 10.7717/peerj-cs.93, lire en ligne, consulté le )
  9. a et b Boris Barraud, « Un algorithme capable de prédire les décisions des juges : vers une robotisation de la justice ? », Les Cahiers de la justice,‎ 2017/1 n° 1, p. 121-139 (lire en ligne)
  10. « LOI n° 2016-1321 du 7 octobre 2016 pour une République numérique (1) - Légifrance », sur www.legifrance.gouv.fr (consulté le )
  11. Gaëlle Marraud Des Grottes, « Open data : plus de questions que de réponses ? », Actualités du droit,‎ (lire en ligne)
  12. Corine Chabaud, « Quand le robot menace d'éclipser le juge et l'avocat », sur La Vie.fr, (consulté le )
  13. « Les robots feront-ils de bons juges ? », sur France Culture, (consulté le )
  14. « Les robots débarquent au tribunal », sur Les Echos, (consulté le )
  15. « Des « juges virtuels » pour désengorger les tribunaux », Le Monde.fr,‎ (lire en ligne, consulté le )