 |
Pour de nombreux Américains qui ont assisté à l'attaque du Capitole le 6 janvier dernier, la perspective de voir une foule de manifestants prendre d'assaut un édifice fondateur de la démocratie était impensable.
Pour les data scientists qui ont assisté au déroulement de l'attaque, la réaction était un peu différente : Nous y avons pensé depuis longtemps.
Ce sentiment vient d'un petit groupe travaillant dans un domaine de pointe connu sous le nom de prédiction des émeutes. Ce groupe adopte une méthode prometteuse, bien que délicate, qui applique les méthodes complexes de l'apprentissage automatique aux racines mystérieuses de la violence politique. Centrés depuis leur création il y a quelques années sur le monde en développement, leurs systèmes sont lentement réorientés vers un nouvel objectif : prédire le prochain 6 janvier.
"Nous disposons maintenant des données - et de l'opportunité - de suivre une voie très différente de celle que nous suivions auparavant", a déclaré Clayton Besaw, qui participe à la gestion de CoupCast, un programme basé sur l'apprentissage automatique à l'Université de Floride centrale, qui prédit chaque mois la probabilité de coups d'État et de violences électorales dans des dizaines de pays.
Ces travaux ont acquis une nouvelle urgence avec les récentes alertes lancées aux États-Unis. Le mois dernier, trois généraux à la retraite ont prévenu dans une tribune libre du Washington Post qu'ils voyaient les conditions devenir de plus en plus propices à un coup d'État militaire après les élections de 2024. L'ancien président Jimmy Carter, dans le New York Times, voit un pays qui "vacille maintenant au bord d'un abîme grandissant". Les experts craignent diverses formes de subversion et de violence.
L'idée provocatrice qui sous-tend la prédiction des émeutes est qu'en concevant un modèle d'IA capable de quantifier des variables - l'histoire démocratique d'un pays, le "retour en arrière" de la démocratie, les fluctuations économiques, les niveaux de "confiance sociale", les perturbations des transports, la volatilité des conditions météorologiques et autres - l'art de prédire la violence politique peut être plus scientifique que jamais.
Certains se demandent si un modèle peut réellement traiter la myriade de facteurs, souvent locaux, qui entrent en jeu dans les conflits. Pour les défenseurs de cette approche, cependant, la science est suffisamment solide et les données assez robustes pour dresser un tableau significatif. Selon eux, le prochain 6 janvier ne sortira pas de nulle part comme l'hiver dernier ; les modèles donneront des avertissements sur le corps politique comme le font les douleurs thoraciques pour les corps vivants.
"Une autre analogie qui fonctionne pour moi est la météo", a déclaré Philip Schrodt, considéré comme l'un des pères de la prédiction des troubles, également connue sous le nom de prédiction des conflits. Longtemps professeur de sciences politiques à l'Université d'État de Pennsylvanie, Schrodt travaille désormais comme consultant de haut niveau, notamment pour les agences de renseignement américaines, en utilisant l'IA pour prédire la violence. "Les gens verront les menaces comme nous voyons les fronts d'une tempête - pas aussi publiquement, peut-être, mais avec beaucoup des mêmes résultats. Il y a beaucoup d'utilité pour cela ici chez nous".
CoupCast en est un excellent exemple. Les États-Unis ont toujours été inclus dans son modèle comme une sorte de réflexion après coup, classés au bas de l'échelle pour les coups d'État et la violence électorale. Mais avec les nouvelles données du 6 janvier, les chercheurs ont reprogrammé le modèle pour prendre en compte des facteurs qu'il avait traditionnellement sous-estimés, comme le rôle d'un leader encourageant une foule, tout en réduisant des facteurs traditionnellement importants comme l'histoire démocratique à long terme.
Son évaluation du risque de violence électorale aux États-Unis a ainsi augmenté. Et bien que les spécialistes des données affirment que la vulnérabilité des États-Unis reste inférieure à celle d'une démocratie fragile comme l'Ukraine ou d'une démocratie en recul comme la Turquie, elle est loin d'être aussi faible qu'auparavant.
"Le modèle indique clairement que nous entrons dans une période où le risque de violence politique durable est plus élevé - les éléments constitutifs sont là", a déclaré M. Besaw. CoupCast a été géré par un organisme à but non lucratif basé au Colorado, One Earth Future, pendant cinq ans à partir de 2016, avant d'être confié à l'UCF.
Un autre groupe, le projet à but non lucratif Armed Conflict Location & Event Data Project, ou ACLED, surveille et prédit également les crises dans le monde entier, en employant une approche à méthode mixte qui repose à la fois sur l'apprentissage automatique et sur des humains équipés de logiciels.
"Il y a eu cette sorte d'exceptionnalisme américain parmi les personnes qui font de la prédiction, selon lequel nous n'avons pas besoin de prêter attention à cela, et je pense que cela doit changer", a déclaré Roudabeh Kishi, directeur de la recherche et de l'innovation du groupe. ACLED n'a même pas pu obtenir de financement pour des prédictions basées aux États-Unis avant 2020, lorsqu'il a commencé à traiter des données à temps pour l'élection présidentielle. En octobre 2020, il a prédit un risque élevé d'attaque contre un bâtiment fédéral.
Entre-temps, PeaceTech Lab, une organisation à but non lucratif basée à Washington, qui se consacre à l'utilisation de la technologie dans la résolution des conflits, relancera en 2022 Ground Truth, une initiative qui utilise l'IA pour prédire la violence associée aux élections et autres événements démocratiques. Elle s'était concentrée sur l'étranger, mais elle va désormais accroître ses efforts au niveau national.
"Pour les élections de 2024, Dieu sait que nous devons absolument faire cela", a déclaré Sheldon Himelfarb, directeur général de PeaceTech. "Vous pouvez tracer une ligne entre les données et la violence dans les élections".
La science s'est développée de manière exponentielle. Les modèles antérieurs utilisaient des constructions plus simples et étaient considérés comme faibles. Les modèles plus récents utilisent des outils algorithmiques tels que le boosting de gradient, qui intègre des modèles plus faibles, mais d'une manière pondérée qui les rend plus utiles. Ils utilisent également des réseaux neuronaux qui étudient des décennies de coups d'État et d'affrontements dans le monde entier, affinant les facteurs de risque au fur et à mesure.
"Il y a tellement de variables qui interagissent", a déclaré Jonathan Powell, un professeur adjoint à l'UCF qui travaille sur CoupCast. "Une machine peut analyser des milliers de points de données et le faire dans un contexte local comme un chercheur humain ne peut le faire".
Nombre des modèles, par exemple, constatent que l'inégalité des revenus n'est pas fortement corrélée à l'insurrection ; les changements radicaux dans l'économie ou le climat sont plus prédictifs.
Et paradoxalement, les conflits sur les réseaux sociaux sont un indicateur peu fiable de l'agitation dans le monde réel. (Une théorie veut que lorsque des violences sont sur le point de se produire, de nombreuses personnes sont soit trop occupées, soit trop effrayées pour se défouler en ligne).
Mais tous les experts ne sont pas convaincus. Jonathan Bellish, directeur exécutif de One Earth Future, dit avoir été désenchanté, ce qui l'a conduit à transmettre le projet à l'UCF. "C'était un peu comme essayer de prédire si les Astros allaient gagner demain soir. Vous pouvez dire qu'il y a 55 % de chances, et c'est mieux que de savoir qu'il y a 50 % de chances. Mais est-ce suffisant pour l'interpréter d'une manière significative sur le plan politique ?"
Selon lui, une partie du problème est que, malgré les données disponibles, une grande partie de la violence électorale est locale. "Nous avons réalisé un ensemble dans un pays où nous avons constaté que la possibilité de violence pouvait être corrélée au nombre de chiens à l'extérieur, parce que les gens inquiets ramenaient leurs chiens dans les rues", a déclaré Bellish. "C'est un point de données très utile. Mais c'est hyperlocal et cela nécessite de connaître les humains sur le terrain. Vous ne pouvez pas intégrer cela dans un modèle". Même les ardents défenseurs des prédicteurs de troubles affirment qu'il est très peu probable de prévoir des événements très spécifiques, par opposition à des possibilités générales dans le temps.
Bellish et d'autres sceptiques soulignent également une conséquence troublante : Les outils de prédiction pourraient être utilisés pour justifier la répression de manifestations pacifiques, l'IA servant de prétexte. "C'est une préoccupation réelle et effrayante", a déclaré M. Powell.
D'autres admettent que le monde réel peut parfois être trop dynamique pour les modèles. "Les acteurs réagissent", a déclaré Kishi d'ACLED. "Si les gens changent de tactique, un modèle formé sur des données historiques ne le verra pas". Elle a cité comme exemple le suivi par le groupe d'une nouvelle stratégie des Proud Boys visant à apparaître lors des réunions des conseils scolaires.
"Le problème de la comparaison avec la météo, c'est qu'elle ne sait pas qu'elle est prévue", a concédé Mme Schrodt. "Ce n'est pas vrai dans ce cas." Par exemple, la prévision d'un risque faible pourrait inciter un groupe qui réfléchit à une action à la lancer délibérément, par surprise.
Mais selon lui, les principaux défis proviennent d'une résistance générationnelle et professionnelle. "Un sous-secrétaire titulaire d'une maîtrise de Georgetown va penser en termes de diplomatie et de renseignement humain, car c'est ce qu'il connaît", explique M. Schrodt. Il imagine une transition très lente vers ces modèles.
"Je ne pense pas que nous en aurons une large utilisation d'ici le 6 janvier 2025", a-t-il ajouté. "Nous devrions, car la technologie est là. Mais c'est un problème d'adoption."
Le Pentagone, la CIA et le département d'État ont avancé sur ce front. Le département d'État a créé en 2020 un centre d'analyse, la CIA embauche des consultants en IA et l'armée s'est lancée dans plusieurs nouveaux projets. Le mois dernier, des commandants dans le Pacifique ont annoncé qu'ils avaient construit un outil logiciel qui semble déterminer à l'avance quelles actions américaines pourraient contrarier la Chine. Et en août, le général Glen VanHerck, commandant du NORAD et du NORTHCOM, a dévoilé les derniers essais de l'expérience Global Information Dominance, dans laquelle une IA formée aux conflits mondiaux passés prédit où de nouveaux conflits sont susceptibles de se produire.
Mais le FBI et le ministère de la sécurité intérieure - deux agences centrales en matière de terrorisme intérieur - ont montré moins de signes d'adoption de ces modèles.
Les défenseurs de ces modèles estiment que cette réticence est une erreur. "Ce n'est pas parfait, et cela peut être coûteux", a déclaré M. Himelfarb de PeaceTech. "Mais il existe un énorme potentiel non réalisé d'utilisation des données pour l'alerte précoce et l'action. Je ne pense plus que ces outils soient simplement facultatifs."
source :
https://www.washingtonpost.com/technology/2022/01/06/jan6-algorithms-prediction-violence/