Deux chercheurs viennent de démontrer que les « experts » en criminalistique numérique, chargés d'examiner les preuves informatiques de la culpabilité ou de l'innocence d'un suspect, sont biaisés par les informations contextuelles qui leur sont fournies, déplore Forensic Magazine. Il s'agirait de la première étude de la partialité et de la fiabilité dans la prise de décision en criminalistique numérique.

Afin d'examiner le caractère biaisé (impact des informations contextuelles) et la fiabilité (cohérence) des observations, interprétations et conclusions médico-légales numériques, 53 examinateurs médico-légaux numériques (DF) ont analysé le même dossier de preuves. 

Pour la partialité, certains examinateurs de DF avaient reçu des informations contextuelles suggérant la culpabilité ou l'innocence, tandis qu'un groupe témoin n'a reçu aucune information contextuelle.

Tous les participants ont été chargés d'analyser un fichier de preuves qui contenait des programmes et des fichiers généralement présents sur un ordinateur de travail, tels que ceux destinés à gérer des documents, des feuilles de calcul ou des présentations, des e-mails, des discussions, une navigation sur Internet, etc. 

Les chercheurs avaient sélectionné 11 « traces » différentes dans le fichier de preuves qu'ils pourraient utiliser pour comparer les observations des examinateurs médico-légaux numériques. Certaines traces étaient plus faciles à trouver, comme le contenu des e-mails, les documents et les discussions, tandis que d'autres nécessitaient un examen plus approfondi ; cependant, aucun n'était complexe.

Or, aucun des participants n'a observé les 11 traces. 66 % des participants ont identifié 5 à 8 traces, 26 % ont trouvé 1 à 4 traces et seulement 8 % ont trouvé 8 à 10 traces. Lors de la comparaison des groupes, des nombres plus élevés ont été observés dans les groupes de culpabilité, suivis par le groupe témoin.

« Le groupe d'innocence a observé le moins de traces, indiquant qu'il était biaisé pour trouver moins de preuves », écrivent les auteurs. « Les groupes coupables avaient le plus grand nombre de traces, ce qui indique qu'ils étaient biaisés pour trouver plus de preuves. Le groupe témoin était entre les groupes Innocence et culpabilité. Cependant, il y avait très peu de différence entre le groupe à forte culpabilité et le groupe témoin dans la proportion d'observations, ce qui indique que le contexte de forte culpabilité (le suspect avait avoué) n'a pas biaisé les participants à observer plus de traces qu'un examen sans un tel contexte. »

Le groupe de culpabilité faible a observé significativement plus de traces, ce qui suggère que le contexte ambigu de culpabilité faible – conflit salarial où le suspect avait pris parti pour les travailleurs – a incité le groupe à trouver plus de traces.

Les auteurs concluent qu'il existe un « besoin sérieux et urgent d'assurance qualité » dans les examens médico-légaux numériques. Pour minimiser les biais, ils suggèrent de s'assurer que tous les examens médico-légaux numériques se déroulent uniquement sur la base d'informations contextuelles pertinentes pour la tâche – l'exposition à « d'autres » informations contextuelles, telles que le fait de savoir si un suspect a avoué ou a déjà été arrêté, doit être minimisée à tout prix.