Deveryware a souhaité faire évoluer ses services et apporter de nouveaux usages au profit des officiers de police judiciaire (OPJ).

L’idée d’un géoprofil est née, sous la forme de fonctions d’analyse des données de géolocalisation ou de relevés de communications téléphoniques. Appelés fadette dans le jargon des télécoms, ces relevés contiennent des informations de localisation à chaque appel ou message, reçu ou envoyé. Il permet à l’enquêteur de retracer des déplacements et les prises de contacts d’un suspect ou d’une victime, jusqu’à un an dans le passé.

Afin de rester conforme au cadre légal de la réquisition, nous ne traitons que les coordonnées (latitude, longitude) de chaque communication réalisée par le porteur du mobile, ainsi que son type (appel ou SMS), la date et l’heure. La position fournie est incertaine, celle de la cellule ou de l’antenne selon l’opérateur, sans autre précision.

Géoprofil comportemental

Les données issues d’une fadette peuvent représenter un grand volume, 100 000 items dans une fadette de 6 mois, voire plus encore. La volonté initiale était de faire ressortir de ces jeux de données des motifs, des habitudes de déplacements, comme une sorte de profil de géolocalisation, un géoprofil.

Exemple de découpage par zones IRIS

Les usages pour un enquêteur sont :

  • de visualiser des zones où le mobile aurait été le plus présent, selon certaines fréquences dans le temps
  • ou encore d’identifier des lieux et moments exceptionnels.

En croisant les fadettes de mobiles appartenant à deux personnes différentes, il pourrait en déduire des rencontres ou des passages à proximité l’un de l’autre.

Les propositions de la R&D se sont rapidement focalisées sur des cartes avec des zones de couleur. Des réglages permettent de filtrer le résultat pour resserrer ces zones ou au contraire les dilater.

Nous avons ainsi un outil qui s’adapte à différents jeux de données et permet à l’enquêteur de faire varier la vue afin d’y lire, ou pas, une information pertinente. Les réglages mis à disposition de l’utilisateur sont très simples, avec trois états pour une première itération.

Avec les premiers tests que nous avons pu réaliser, il en est ressorti que le géoprofil comportemental est mieux adapté aux données GPS et GSM qu’aux données issues des fadettes.

En effet, les géolocalisations des fadettes sont par nature regroupées par antenne, par laquelle passe l’activité du mobile, les regrouper s’avère inutile. Il nous a semblé plus concret pour l’utilisateur d’afficher les antennes avec le nombre d’événements, en mettant une couleur vive là où il y a beaucoup d’événements, pâle quand il y en a peu.

Cette représentation s’apparente à une carte de chaleur, traduite par les pictos d’antenne. L’enquêteur pourra ainsi facilement repérer les endroits de forte présence correspondants à des appels ou messages, reçus ou émis. C’est une première version qui nécessite d’être itérée avec le retour d’utilisateurs qui y soumettront des milliers de données diverses.

Géoprofil prédictif

Deveryware ambitionne d’aller au-delà des analyses sur le passé et de mettre à profit les données en masse que son système collecte afin d’apporter une vision prédictive.
Pour l’enquêteur, anticiper à partir des expériences acquises est utile comme le souligne Patrick Perrot :

« Parmi les axes de progrès, la convergence entre le temps réel et la décision peut être un effet recherché. Il s’agit alors de profiter des événements passés pour une exploitation en temps réel en vue d’une aide à la décision la plus objective possible. »1

Redéfinir le géoprofil apparaît comme un prérequis à la démarche. Prendre le problème par l’usage, quitte à mettre de côté ce qui a déjà été fait, repartir d’une page blanche en quelque sorte.
Nous imaginons montrer un schéma qui correspond à un rythme et met en exergue des moments particuliers qui sortent de ce rythme, informations utiles pour l’enquêteur.

Détecter ces “habitudes” permettrait la construction d’un modèle en vue d’apprentissage automatique à finalité prédictive.

La nécessité de confidentialité et de sécurité impose un traitement local au sein des services des forces de l’ordre.

Il faut stimuler les méthodes de co-création qui permettent aux équipes de Deveryware d’avancer efficacement, en ayant accès à des données valides et en quantité suffisante, tout en ayant la capacité d’éprouver ses raisonnements et ses représentations directement auprès des utilisateurs. Le géoprofil doit être l’aboutissement statistique de l’observation des données, afin d’en générer un modèle prédictif.

Prédictions quotidiennes par PredVol

Qu’est ce qui peut être analysé en masse, sans être identifiant, et qui pourrait apporter un gain à la prédiction sur un mobile en particulier ? Focaliser sur la position et son contexte proche semble logique, mais peut-être y a-t-il d’autres informations collectées qui pourraient être traitées pour apporter une valeur différente ? Il faut nous assurer de notre capacité à intégrer dans un modèle probabiliste, des données déterministes tout en assurant la cohérence du modèle et en augmentant son niveau de réussite.

Qu’adviendra-t-il si on introduit dans le modèle une adresse exacte de présence ? Est-ce un biais qui polluera les résultats pour les autres mobiles ? Y a-t-il moyen d’introduire dans le système des données déterministes spécifiquement pour un mobile ? Au risque d’appauvrir les possibilités de corrélation…Ces réflexions, si elles nous éloignent d’une réalisation rapidement démontrable, ont le mérite de poser un cadre qui s’élargit, permettant, nous l’espérons, d’accrocher une piste de réalisation concrète qui repose d’office sur les données véritables. Car, comme nous avons pu le constater, avoir des données pertinentes et en volume suffisant reste indispensable.

Télécharger le document complet

A lire aussi : Du perceptron au deep learning, Deveryware s’initie à l’IA

1 Perrot, P. (2017a). Disruption et révolution numérique : une nouvelle ère pour la sécurité. Securite globale, N° 11(3), 81‑88. https://www-cairn-info.fr/revue-securite-globale-2017-3-page-81.htm

 

AUTEURS

Mohammed Amine ABCHIR

Oussama ALLAOUI

Laurent CELLIER