Judicial prediction by algorithms
La prédiction judiciaire par les algorithmes
Résumé
Awyers have always made predictions about the judicial treatment that could be brought to a case. These predictions were often based on experience, and therefore empirical in nature. By offering a very significant computing power, artificial intelligence provides new perspectives in the field of forensic prediction. The objective of this study is to analyze the possibility of judicial prediction and to consider the implications of its use both for the office of the judge and for legal professionals. Indeed, many detractors specify that algorithmic judicial prediction would be nonsense taking into account the unique nature of each dispute decided by the judges. For critics, the legal hazard constitutes an insurmountable obstacle to this prediction. Yet judicial, empirical or algorithmic prediction is based on this hazard. Even if the hazard is a disruptor of this prediction, the familiar notion of case allows to circumvent this obstacle which does not prove, in reality, not insurmountable. The concept of similarity exists in law and the principle of equality of citizens before the courts prescribes identical judicial treatment of legally identical or similar species. Algorithmic modeling of cases with a view to judicial prediction is therefore possible even if each computer technique existing to date has its limits. However, the most recent technique of self-learning algorithms, known as machine learning, offers promising results to date. Therefore the question of the impact of the use of judicial predictions by judges and court officials arises. The main criticisms directed against the predictive applications will be studied: the performative effect of algorithms, the profiling of magistrates, the "dehumanization" of justice and the uberization of legal services through the prism of the promotion of alternative dispute resolution methods and the consequences for the legal profession.
Les juristes ont toujours effectué des prédictions sur le traitement judiciaire qui pouvait être apporté à une affaire. Ces prédictions étaient souvent fondées sur l'expérience, et donc de nature empirique. En offrant une puissance de calcul très importante, l'intelligence artificielle fournit de nouvelles perspectives en matière de prédiction judiciaire. L'objectif de cette étude est d'analyser la possibilité de la prédiction judiciaire et d'envisager les incidences de son utilisation tant sur l'office du juge que sur les professionnels de justice. En effet, de nombreux détracteurs précisent que la prédiction judiciaire algorithmique serait une ineptie tenant le caractère unique de chaque litige tranché par les juges. Pour les détracteurs, l'aléa judiciaire constitue un obstacle insurmontable à cette prédiction. Pourtant la prédiction judiciaire, empirique ou algorithmique, repose sur cet aléa. Même si l'aléa est un perturbateur de cette prédiction, la notion familière de cas permet de contourner cet obstacle qui ne s'avère, en réalité, pas insurmontable. La notion de similitude existe en droit et le principe d'égalité des citoyens devant la justice prescrit un traitement judiciaire identique des espèces juridiquement identiques ou semblables. La modélisation algorithmique des cas en vue d'une prédiction judiciaire est donc possible même si chaque technique informatique, existante à ce jour, présente ses limites. Nonobstant, la technique la plus récente des algorithmes auto-apprenant, dit de machine learning, offre à ce jour des résultats prometteurs. Dès lors la question des incidences de l'utilisation des prédictions judiciaires par les juges et les auxiliaires de justice se pose. Seront étudiées les principales critiques dirigées à l'encontre de l'utilisation des applications prédictives : l'effet performatif des algorithmes, le profilage des magistrats, la "déshumanisation" de la justice et l'ubérisation des services juridiques par le prisme de la promotion des modes alternatifs de règlement des conflits et des conséquences sur la profession d'avocat.
| Origine | Version validée par le jury (STAR) |
|---|