Méthodologie 12B PDF
Document Details

Uploaded by SpiritualAntigorite1320
Tags
Summary
Ce document traite de la méthodologie d'évaluation des indices, en utilisant une approche bayésienne et le calcul du rapport de vraisemblance. Il aborde le théorème de Bayes et les exemples de vol par effraction, notamment en examinant les indices liés à des fragments de verre. L'analyse des microtraces et la fréquence de la source dans une population sont également discutées.
Full Transcript
Comment évaluer l'indice ?(ex ds cours) Il s'agit de traduire correctement l'information véhiculée par l'indice pour éviter le malentendu. Pour cela, nous utilisons une approche bayésienne et préconisons le calcul d'un rapport de vraisemblance. On doit se poser aussi la question de savoir quelle es...
Comment évaluer l'indice ?(ex ds cours) Il s'agit de traduire correctement l'information véhiculée par l'indice pour éviter le malentendu. Pour cela, nous utilisons une approche bayésienne et préconisons le calcul d'un rapport de vraisemblance. On doit se poser aussi la question de savoir quelle est la signification (réelle) d'un tel chiffre? **ATTENTION à l'utilisation erronée des chiffres. Les probabilités sont rarement intuitives** 2. Le rapport de vraisemblance Probabilité de l'indice sous deux hypothèses: Une hypothèse (H1) et au moins une alternative (H2) L'indice (E) Les informations circonstancielles (I) La probabilité (P) Le rapport de vraisemblance (LR) La probabilité d\'observer l\'indice sous 2 hypothèses(hypo et alternative) si H1 est vrai et comparé à la probabilité d\'observer ce même indice si H2 et vrai(sachant I, dans le contexte donné). Si E, H ou I change alors il faut procéder à une nouvelle évaluation. Si le LR obtenu est plus grand que 1 alors l\'indice permet de soutenir une hypothèse H1 par rapport à H2. Si le LR obtenu et proche de 1 alors l\'indice ne permet pas de soutenir une hypothèse par rapport à l\'autre. Un cadeau si le LR obtenu est plus petit que 1 alors l\'indice soutient H2 par rapport à H1. De quel côté l\'indice fait-il pencher la balance sachant que celle-ci peut-être déjà d\'un côté ou de l\'autre selon les autres informations d\'enquête à disposition. 1. 2.  3. 4. 3. Le théorème de Bayes Le théorème de Bayes permet de raisonner sur la probabilité des causes(hypothèse) : avant que l\'indice ne soit considéré(a priori) et après qu\'il soit considéré(à posteriori). Les chances à priori représente le rapport de probabilité accordé par le juge aux hypothèses, ceci avant l\'apport de l\'indice scientifique en considérant les autres éléments du dossier(I= Information). Les chances à posteriori représente le rapport des probabilités des hypothèses après avoir pris en compte l\'indice(E). Le rôle de l\'expert dans un cadre juridique se limite souvent au calcul du rapport de vraisemblance. 4. Exemple : Vol par effraction *« Un témoin voit un homme briser une fenêtre avec un pied-de-biche. L\'homme s\'enfuit et peu après la police arrête un suspect dans une rue adjacente. Le suspect nie avoir été près de la scène. Il s\'agit d\'un étudiant sans antécédent. On prélève ces vêtements pour les examiner environ 1 h après le délit. La police fournit les circonstances détaillées aux scientifiques forensiques. »* On doit se poser la question de savoir quelles hypothèses peut-on formuler ? Quel est le niveau ? Quelles sont les alternatives ? 5. 1. 2. 3. 4. 5. 6. 5. Echelle verbale (LR) Ce document européen discute notamment de la hiérarchie des propositions et de l\'échelle verbale. 6. Microtraces Si l\'expertise se focalise uniquement sur les propriétés physico-chimiques du verre(micro traces) le risque d\'erreur d\'interprétation est plus élevé. Il faudra donc idéalement raisonner sur l\'activité ayant provoqué le transfert ainsi que la persistance du verre notamment le type d\'activité, le temps écoulé, les conditions environnementales. Des connaissances le processus de transfert et de persistance des micro trace sont nécessaire ainsi que sur la prévalence(occurrence) des caractéristiques dans la population d\'intérêt. Au niveau de la source, la quantité de fragments retrouvés a peu d\'influence alors que celle-ci joue un rôle crucial au niveau de l\'activité. 6. 7. Données de recherche (transfert) Selon la littérature (revue), on retrouve en général beaucoup de fragments de verre sur les vêtements d'une personne qui casse une fenêtre au temps t=0, donc peu après les faits. Dans notre exemple, le suspect a été arrêté 1h après les faits, il nous faut donc des données sur la persistance des fragments transférés. 8. Données de recherche (persistance) Des données ont été collectées pour une casseuse de vitre et sa complice (qui est présente lors du bris de vitre). On retrouve encore 5 à 15 fragments sur les pantalons et une dizaine sur les pullovers après 1h. Attention, on voit que la présence est plus importante que l'activité puisque la complice peut avoir plus de fragments de verre que la casseuse. Cela peut aussi dépendre de la distance et des propriétés des vêtements (certains sont meilleurs récepteurs, et les fragments dans les poches persistent plus longtemps). Ce type d'expérience devrait être répété pour évaluer l'intra-variabilité des données obtenues.  9. Fréquence de la source Une étude de prévalence a recensé le nombre et le type de fragments (nombre de sources différentes) que l'on retrouve sur des personnes prises au hasard dans une population. Plus le nombre de fragments est élevé, plus il est rare qu'ils soient tous de la même source. Des études sur la taille et le type de caractéristiques (vitres, bouteilles,...) seraient aussi utile pour évaluer la probabilité de l'indice sous cette 2ème hypothèse.