Rechercher
Fermer ce champ de recherche.

Big data et Sécurité 2/2 : L’application au sein de la Gendarmerie Nationale

Dans ce deuxième article, nous rentrerons plus en détail sur l’intervention du Colonel Perrot portant sur l’utilisation par les services de sûreté de l’État, de systèmes d’informations usant des technologies relatives au Big Data.

Vous pouvez lire le premier article: Big Data et sécurité 1/2 : Point de vue de la Gendarmerie sur les données.

Le métier de gendarme repose beaucoup sur une capacité intuitive qui se développe par l’expérience. Avec un usage des données à disposition de différentes natures, l’analyse de ces dernières peut ouvrir de nouvelles portes. L’usage et la transmission de l’outil peuvent aussi servir à une transmission, partielle, de compréhension d’un environnement. La transmission des informations à destination des plus jeunes leur permet d’être plus efficients plus rapidement.

 

Les spécificités de l’organisation

Deux faits inhérents à la Gendarmerie Nationale sont à relever : le premier est le caractère atypique de données traitées par les services, qui ne peuvent être proposées à des fins de test. Elles doivent être au cœur de la réflexion sur le système et demandent donc à ce qu’on les contrôle. Leur spécificité empêche alors d’avoir recourt à des solutions privées « clef en main ».

Le deuxième est structurel à l’organisation de l’institution, et en lien avec l’application de la conduite du changement. La gendarmerie est une institution séculaire et l’adoption d’une méthodologie agile n’est pas dans sa nature, pour autant elle affiche une véritable volonté de pouvoir agir en réaction. Afin de garder le contrôle sur le changement de son organisation mais aussi sur les données, l’institution développe ses capacités de compréhension de l’usage des Big Data. Elle possède, intellectuellement et matériellement, les technologies et les données qui intègrent son organisation. Le développement de l’usage des Big Data dans la Gendarmerie ne se déroule pas au gré des dernières tendances du monde informationnel, mais s’attache aux fondamentaux, et donc, aux mathématiques.

La base de la réflexion est alors de considérer qu’il est indispensable d’être maître des cartes et de comprendre les fondements de cette technologie. La Gendarmerie ne peut pas suivre chaque mode de l’univers informationnel des Big Data. Ceci afin d’adapter les solutions les plus justes pour satisfaire aux missions de la Gendarmerie.

 

Les Fonctions des Big Data et les différents modèles d’analyse

Le Big Data permet à la fois la représentation globale d’une situation, comme une cartographie des cambriolages, mais également, par des d’outils de ciblage ; par les cookies, les recherches associées, communications, de représenter des situations particulières. Pour la Gendarmerie, nous sommes donc en présence d’un outil que l’on peut considérer comme macroscopique et microscopique. Les possibilités ouvertes par le caractère global et particulier est un des caractères majeurs et intéressant pour la Gendarmerie. En effet, la possibilité de relier l’événement particulier à une tendance globale est un enjeu fondamental pour comprendre les évolutions des modes opératoires, ou sociétaux.

L’une des fonctions premières du Big Data est à rechercher dans la réaction à l’accélération des données qui sont transmises. Ces dernières pourraient, à terme, être en temps réel. Cette technologie permet l’établissement de modèles prédictifs. Le renseignement sécuritaire établit un pont entre l’a priori et l’a posteriori d’une situation : de manière plus efficace que l’homme et communicable au corps de métier. Cette capacité de prédiction qu’offre le Big Data est importante en raison du caractère multiforme que prend la délinquance. Son traitement en devient d’autant plus complexe. Par la technologie du Big Data élaborant un modèle prédictif, la connaissance est amenée à « un niveau tactique ». Il est important de relever que les informations issues de l’exploitation des données n’est pas transmise à tous les gendarmes, contrairement à PredPol, la solution mise en place à Los Angeles. Seulement à la gendarmerie centrale afin d’élaborer des patrouilles, de cibler les actions de manière plus pertinentes.

Deux autres types d’analyse sont aussi développées. L’analyse prospective, il s’agit d’établir les modèles les plus probables suivant certaines variables. Les analyses prospectives servent à prédire les réactions de la population et des infrastructures par rapport à un événement particulier, comme les inondations ou les incendies. Dans le cadre de l’analyse prospective, on peut appliquer des modèles de variations de températures et constater qu’avec un hiver doux, il est probable que les cambriolages augmentent.

L’analyse situationnelle s’établit sur un temps plus long. Elle prend appui sur des données de nature socio-économique, comme l’évolution de l’urbanisme afin de conseiller les politiques. L’analyse situationnelle repose sur des données aussi bien macro-économiques que micro-économique permettant l’élaboration de modèles de politiques publiques.

L’analyse d’un état antérieur permet par extrapolation de prédire l’avenir selon des matrices. Cependant, un modèle prédictif prenant appui sur les données antérieure ne doit pas coller exactement aux données analysées, sinon le modèle se révèlerait inepte. Rappelons que « la prévision est difficile surtout lorsqu'elle concerne l'avenir. » (Pierre Dac)

 

Problématiques et enjeux de l’institution

Il existe un véritable risque de mettre toutes les données disponibles de manière publique comme des problèmes de délation, de contrôle par la foule de ces données. L’usage effectif des données de la sécurité n’est pas des plus opportuns. Le Colonel Perrot préfère une collaboration sous une forme de participation citoyenne qui soit dirigée selon les problématiques de la Gendarmerie. La conservation du contrôle de l’initiative par la Gendarmerie est fondamentale dans l’assurance de sa mission régalienne. En effet, certaines dérives sont possibles, comme la gendarmerie le constate sur Waze. Certains policiers sont signalés sur la route alors qu’ils effectuent des missions qui peuvent être à destination de surveillance. Nous voyons alors le problème de la pertinence de l’information si elle est laissée dans les mains seules des citoyens. Le partage d’information peut alors se révéler néfaste.

Avec la problématique de l’anonymisation des données, conformément au CNIL, la plus petite unité autorisé est celle infra-communale, c’est-à-dire que les infractions apparaissent sous forme de tâche de chaleur. L’utilisation de cet outil permet de dégager les zones d’impact et les zones de report en cas de situations particulières.

L’efficacité de l’outil est toujours remise en question. En effet, dans son rôle d’empêcher un évènement d’arriver, la prédiction est ici contra-factuelle. Il s’agit de donner les clefs pour empêcher un évènement de se produire. Ainsi, si l’outil est efficace, et que les actions recommandées sont suivies, tout est fait pour que les évènements prédits n’arrivent pas, réellement. L’outil peut alors être dévalorisé si l’on ne considère pas sa véritable finalité. Il est important de se rendre compte des capacités de prédiction des solutions exploitant les données afin d’éviter le syndrome de Cassandre.

Cette intervention a été riche en informations. Dans un premier temps, la définition même des Big Data est apparu enrichie par de nouveaux concepts. Ces derniers répondent à un nouvel usage de la technologie. La mise au point sur les enjeux de la révolution informationnelle apparait nécessaire pour saisir la praticité de l’outil. Et enfin la présentation des différents usages imaginés par l’exploitation de ces données, nous permet de rappeler des points fondamentaux d’une transformation digitale. La première est qu’un projet Big Data doit répondre à une finalité, et que le numérique n’est pas une fin en soi. Deuxièmement, que l’adoption de ces nouveaux outils initie un changement dans l’organisation, qui n’est pas accepté de la même manière par tous. Par cette transformation digitale, il est crucial pour la Gendarmerie de recruter des nouveaux profils plus proches de l’IT qu’auparavant. Le développement en interne de ses solutions demande beaucoup de savoir-faire qu’il faut savoir attirer.