L'IA peut-elle prédire les futurs points chauds de criminalité d'une ville en analysant des images satellites et des données de recensement ?

Les systèmes d'apprentissage automatique combinent désormais des vues satellites, des tendances démographiques et des registres historiques de criminalité pour prévoir où certains crimes risquent d'augmenter dans les mois à venir. Ces prédictions sont utilisées par certains programmes municipaux de sécurité pour allouer les ressources.

Les chercheurs ont réalisé des progrès significatifs dans l'utilisation d'algorithmes d'apprentissage automatique pour analyser les images satellites et les données de recensement afin de prédire les points chauds de criminalité. En exploitant les images satellites, les modèles d'IA peuvent identifier des facteurs environnementaux tels que la dégradation urbaine, la pauvreté et le manque d'espaces verts, qui sont associés à des taux de criminalité plus élevés. Les données de recensement fournissent des informations supplémentaires sur les facteurs démographiques et socio-économiques pouvant contribuer à la criminalité. Des études ont montré que la combinaison de ces sources de données peut améliorer la précision des prédictions de criminalité. Par exemple, un modèle qui analyse les images satellites pour identifier des caractéristiques telles que des bâtiments abandonnés, un éclairage insuffisant et une végétation dense peut être combiné avec des données de recensement sur la densité de population, les niveaux de revenus et l'éducation pour prédire les zones à forte criminalité. Bien que cette approche soit prometteuse, son efficacité peut varier en fonction de la qualité des données, des algorithmes spécifiques utilisés et du contexte local. En outre, des préoccupations subsistent quant aux biais potentiels dans les données et au risque de perpétuer les inégalités sociales existantes. Le développement de modèles plus sophistiqués et nuancés, capables de prendre en compte ces complexités, est un domaine de recherche actif.

+- administré le 13 mai 2026 · Source : National Institute of Justice — https://nij.ojp.gov, Science Direct — https://www.sciencedirect.com