Dans le cadre de la lutte contre la criminalité sérielle telle que les cambriolages, la trace de semelle est l’une des traces matérielles le plus fréquemment collectée. Dans ce contexte, leur potentiel réside principalement dans leur capacité à détecter des liens, bien plus que dans celle d’identifier les auteurs de ces infractions. Cette capacité à lier des cas entre eux est particulièrement utile dans un processus de suivi et d’analyse de la criminalité alimentant le renseignement criminel. L’analyse de cette criminalité sérielle, touchant principalement au patrimoine, permet de mieux comprendre et éventuellement d’agir contre ces délits d’une gravité toute relative, mais dont l’aspect récurant en fait de réels problèmes de sécurité publique.
Mais parmi les outils à disposition de la police scientifique, là où les traces biologiques et papillaires bénéficient de ressources conséquentes et de banque de données nationales, l’exploitation de la trace de semelle repose sur des méthodologies peu définies et des outils dont la conception est vue principalement comme un problème d’ordre informatique. La première démarche de ce travail consiste à définir plus précisément le canevas d’exploitation des traces de semelles dans une optique de renseignement forensique. Et à partir de ce canevas, de déterminer quelle doit être la structure d’une banque de données de traces de semelles afin qu’elle soit la plus adéquate, en regard de son utilisation et des spécificités des données qu’elle contient.
A partir de cette structure, l’aspect de l’automatisation a été abordé au travers de l’implémentation de différents algorithmes appliqués à des données réelles. Les résultats montrent que l’automatisation reste une tâche complexe lorsqu’il s’agit de traiter des traces prélevées sur les lieux d’infraction. Bien qu’utilisant des systèmes de codifications manuels, les outils exploités actuellement ne sont pas nécessairement dépassés par les systèmes automatiques.
Au-delà des considérations d’ordre technologique, ce travail met en lumière la valeur informative que peuvent acquérir des données adéquatement structurées. Notamment en termes d’évaluation de la force indiciaire, une banque de données est une aide précieuse lorsqu’il s’agit de se forger une opinion quant à la fréquence d’un motif parmi une population d’intérêt, pour autant que l’on tienne compte de l’évolution temporelle de celle-ci. Mais une banque de données de traces de semelles est avant tout un outil puissant de détection de liens entre affaires, et donc une source d’informations importante pour le renseignement criminel. Cependant, cette fonction de renseignement criminel de la trace de semelle ne peut être réalisée sur la base de la trace seule mais nécessite un accès aux informations contextuelles. Ce type d’informations – principalement les données spatio-temporelles – doivent être intégrées dans la banque de données et soutenir le forensicien dans sa recherche de traces ayant été laissées par la même chaussure.
Mais si une banque de données peut faciliter les recherches parmi un grand volume de traces, il revient toujours au forensicien de comparer les traces et d’évaluer ses résultats. Dans un contexte de renseignement criminel, le résultat de la comparaison de traces aboutit généralement à l’établissement – ou non – d’un lien. Autrement dit, on conclut que deux traces ont potentiellement une source commune ou non. Dans le cadre de ce travail, le processus d’établissement de lien a été envisagé sous l’angle de la théorie de la décision. Si cette notion de décision fait appel à des notions mathématiques qui peuvent la faire paraître complexe, elle permet surtout de démontrer que, pour pouvoir détecter et établir des liens efficacement, le forensicien doit être placé au coeur du système de lutte contre la criminalité et du système de valeurs qui lui est associé. Ce positionnement lui permet d’avoir une bonne compréhension du contexte criminel et une forte interaction avec les acteurs de ce système qui vont utiliser ses résultats dans leur travail.
=
Within the context of fight against volume crime such as burglaries, footwear mark is one of the most frequently collected evidence. In this context, its potential lies mainly in its ability to detect links, rather than to identify the perpetrators of these offenses. This ability to link cases with one another is particularly useful in a process of monitoring and analysing crime that feeds criminal intelligence. The analysis of volume crime, mainly property crime, allows to better understand and possibly to act against these offenses of a relative gravity, but whose recurring trait creates real problems for public safety.
But among the tools available to forensic services, where biological and papillary evidences benefit from significant resources and national databases, the exploitation of footwear marks is based on fuzzy methodologies and tools whose engineering is mainly seen as an IT issue. The first step of this work is to define more precisely the canvas of exploitation of footwear marks in a perspective of forensic intelligence. And from there, to determine what should be the structure of a footwear database so that it is the most appropriate, in respect to its use and the specificities of the data it contains.
From this structure, the aspect of automation was approached through the implementation of multiple algorithms applied to real data. Results show that automation remains a complex task when dealing with crime scene marks. Although using manual coding systems, currently operated databases are not necessarily left behind by automatic systems.
Beyond technological considerations, this work highlights the informative value that properly structured data can acquire. When it comes to evidence evaluation particularly, a database can be a valuable aid in forming one’s opinion about the frequency of a pattern among a population of interest, provided that we take into account its evolution across time. But a footwear database is, above all, a powerful tool for detecting links between cases, and therefore an important source of information for criminal intelligence. However, this criminal intelligence function of footwear marks cannot be performed based exclusively on crime scene marks characteristics, but requires access to contextual information. This type of information - mainly spatio-temporal data - must be integrated into the database and support the forensic scientist in his search for marks left by the same shoe.
But if a database can facilitate searches among a large volume of marks, it is always up to the forensic practitioner to perform comparisons and to evaluate his results. In a criminal intelligence context, the result of the comparison usually results in the establishment - or not - of a link. In other words, it is concluded that two crime scene marks potentially have a common source or not. As part of this work, the linkage process was considered from the perspective of decision theory. If this notion of decision makes use of mathematical notions that may make it seem complex, it shows above all that, in order to be able to detect and establish links effectively, the forensic practitioner must be placed at the heart of policing system. This positioning allows him to have a good understanding of the criminal context and a strong interaction with the actors of this system who will use his results in their activities.