Publié le

T496 – b. Le potentiel inexploité du mode Light out par le système automatique d’identification des empreintes digitales

  • Jusqu’à maintenant – et peut-être pour de longues années encore –, l’expertise dactyloscopique s’effectue manuellement, la base de données dactyloscopique ne fournissant qu’une liste de candidats potentiels. L’AFIS n’est qu’un système de tri qui laisse toute latitude au dactyloscope pour fournir un résultat identificatoire[1].
  • Les capacités de l’outil de comparaison automatique sont plus importantes que l’usage actuel. Le système informatisé pourrait – notamment – être exploité de manière totalement automatique. En mode light-out, la base de données travaillerait indépendamment du concours de l’expert dactyloscope sur des identifications dites « faciles ». Ainsi, le dactyloscope pourrait se consacrer au processus identificatoire plus complexe.
  • Même si le mode light-out implique un gain de temps, une optimisation des ressources informatiques et une répartition favorable du personnel scientifique, des difficultés dans sa mise en œuvre doivent être prises en considérations. L’enjeu d’une telle utilisation du système AFIS est de permettre l’identification automatique. Cependant, il est notoire que les systèmes informatisés ne sont pas infaillibles.
  • Ainsi, avant de pouvoir utiliser le système AFIS en mode light-out, il faut impérativement déterminer le taux d’erreur lors d’analyses automatiques des empreintes digitales, fixer un taux de vraisemblance devant être atteint pour qu’aucune vérification manuelle subséquente n’intervienne ainsi que de créer un algorithme de qualité définissant si oui ou non la trace indiciale peut être soumise à une décision automatique[2].
  • Dans l’hypothèse où un tel processus ne serait pas respecté, des risques trop importants de fausse identification ou de faux-négatif seraient à prévoir, ce qui diminuerait sensiblement la force et la valeur probatoire de la dactyloscopie.
[1] Bochet, p. 107; Remy, p. 91; Informations obtenues par Monsieur Axel Glaeser, Chef de division du service AFIS ADN. Supra Partie II, Chapitre 2, I, B, 1, b, ii, n° 579 ss ; Supra Partie II, Chapitre 2, I, C, 3, n° 739 ss.

[2] Supra Partie II, Chapitre 2, I, A, 2, c, i, n° 544-548.
Publié le

T495 – ii. La reconnaissance vocale des enregistrements issus de la surveillance des télécommunications

  • La voix en tant que caractéristique biométrique bénéficie d’une grande fiabilité identificatoire à l’aide de l’intonation et des sons émis[1].
  • Lors d’une surveillance des télécommunications, principalement d’écoutes des conversations, la voix est un indice important permettant, notamment, de s’assurer que l’interlocuteur est bien la personne surveillée. L’expertise en reconnaissance de locuteurs joue alors un rôle primordial[2].
  • L’indice matériel obtenu par l’enregistrement vocal est converti à l’aide d’une méthode de codage analogique ou numérique et peut être comparé avec d’autres enregistrements sonores enregistrés dans une base de données.
  • Actuellement, la qualité de la technologie de reconnaissance vocale n’est pas employée à large échelle vu son manque de maturité[3]. Généralement, l’identification à l’aide d’autres caractéristiques biométriques est privilégiée et l’utilisation de la reconnaissance vocale est une ultima ratio.
  • Néanmoins, l’empreinte vocale étant reconnue comme individuelle et l’intérêt des chercheurs se portant sur l’amélioration de la reconnaissance à l’aide des effets sonores et de l’intonation, il ne semble pas absurde d’envisager que les progrès dans cette technologie vont tôt ou tard impliquer son utilisation en science forensique à des fins identificatoires.
[1] Meuwly, p. 6.

[2] Meuwly, p. 11.

[3] Métille, Thèse, p. 61; Meuwly, p. 143.
Publié le

T494 – a. Les données biométriques comme aide à l’investigation criminelle

  • La biométrie se constitue de diverses méthodes qui consistent à convertir les caractéristiques physiologiques – empreintes digitales, corps, visages, voix, etc. – en empreintes numériques[1]. Grâce aux bases de données et à la numérisation des caractéristiques physiques, il est possible de faire des recoupements, notamment, avec des images capturées pas une caméra de vidéosurveillance ou le son d’une voix enregistrée lors d’une surveillance des télécommunications pour identifier un ou des auteurs.
  • Dans le cadre de notre étude, deux techniques nous intéressent donc particulièrement: la reconnaissance faciale et la reconnaissance vocale qui ne sont pour l’heure pas ou peu exploitées par les autorités pénales.
i. La reconnaissance faciale des images de vidéosurveillance
  • Avec la démocratisation de la vidéosurveillance, le nombre d’images ou de séquences vidéo disponibles à des fins judiciaires a explosé. Selon la qualité de l’image, leur potentiel d’exploitation s’accroît.
  • La reconnaissance faciale se base sur la structure et la forme du visage. A l’aide d’un programme informatique, les données faciales – forme générale du visage, distances entre les yeux, le nez et la bouche, forme des yeux, de la bouche, du menton, etc. – sont calculées automatiquement[2]. Une fois ces images intégrées dans la base de données, il est possible, à l’aide d’une photo ou d’une vidéo de bonne qualité, de comparer les visages et ainsi d’identifier les auteurs d’infraction.
  • Dans le cadre d’identification des personnes ayant commis une infraction, le système d’information HOOGAN – collectant les données relatives aux personnes qui ont fait preuve d’un comportement violent lors de manifestations sportives organisées en Suisse ou à l’étranger – emploie le potentiel de la reconnaissance faciale. En effet, l’art. 10 al. 2 de l’Ordonnance sur les mesures de police administrative de l’Office fédéral de la police et sur le système d’information HOOGAN[3] prévoit que les images collectées dans le système informatisé peuvent être traitées dans des systèmes électroniques de reconnaissance des personnes.
  • Ce système a été le premier à utiliser le potentiel biométrique de la reconnaissance faciale. Dorénavant, l’Office des migrations emploie également cette méthode (art. 22 et 99 LAsi). La facilitation offerte par l’informatique devrait petit à petit et de plus en plus être intégrée dans les fichiers de police afin d’obtenir des résultats identificatoires plus fréquents et probants. Notons toutefois que la reconnaissance faciale s’apparente à un traitement de données personnelles et que des lois doivent être édictées pour permettre l’usage de cette possibilité biométrique.
[1] CAI, biométrie, p. 10-19; Ceyhan, p. 34; PFPDT, Biométrie.

[2] CAI, biométrie, p. 13-14.

[3] Ordonnance du 4 décembre 2009 sur les mesures de police administrative de l'Office fédéral de la police et sur le système d'information HOOGAN (OMAH), RS 120.52.
Publié le

T494 – 5. Des perspectives d’avenir – Quelques orientations possibles de l’exploitation des bases de données par les autorités pénales

  • Les indices qui découlent des diverses sciences et techniques s’intègrent nécessairement dans l’ensemble des éléments permettant d’élucider les faits et d’identifier les auteurs d’infractions. Ainsi, les bases de données, aujourd’hui déjà, améliorent considérablement l’efficacité de l’investigation criminelle grâce à l’organisation et à l’exploitation des données pertinentes.
  • Dans la présente partie, nous désirons exposer deux potentialités des bases de données et de l’informatique dans la phase de comparaison qui ne sont pour l’heure pas exploités, mais qui mériteraient de retenir l’attention des autorités pénales à des fins identificatoires.