Contexte technique
J'adore ce genre de cas, non pas pour le titre accrocheur, mais pour la mécanique pragmatique. Ici, Palantir ne “devinait” pas les criminels ; il a collecté des données internes légalement accessibles, les a analysées pour y déceler des liens et des anomalies, et en une semaine, il a mis en lumière ce qui dormait dans les systèmes depuis des années. Voilà ce qu'est une intégration réussie de l'intelligence artificielle : pas de la magie, mais un travail rigoureux sur les données.
Selon la presse britannique, le projet pilote au sein de la Metropolitan Police a donné un résultat très embarrassant pour le système. Trois officiers ont déjà été arrêtés pour des soupçons liés à la fraude, à l'abus de pouvoir à caractère sexuel, au harcèlement et à l'utilisation abusive des systèmes policiers.
La suite est encore plus intéressante. 98 employés font l'objet d'une enquête pour avoir potentiellement manipulé le système de gestion des horaires à leur avantage, et environ 500 ont reçu des avertissements officiels pour des faits similaires. Des violations de la politique de travail hybride ont également été découvertes.
Je ne dirais pas ici que “l'IA a attrapé tout le monde”. Le système, d'après la description, a fait ce que Palantir sait faire depuis longtemps : il a fusionné des bases de données disparates, recherché des schémas comportementaux, signalé des chaînes d'événements suspectes et considérablement réduit le temps de sélection initial des cas. La décision finale revenait toujours aux humains et à l'enquête.
Et oui, il y a une autre dimension importante. Le syndicat de la police a déjà qualifié l'outil d'atteinte à la vie privée et envisage des poursuites judiciaires. C'est tout à fait prévisible : dès que l'implémentation de l'IA touche au contrôle interne, un conflit éclate immédiatement entre la transparence, les droits des employés et l'appétit du système pour les données.
Ce que cela change pour l'automatisation
Pour les agences gouvernementales et les grandes entreprises, le signal est clair : les anciennes bases de données deviennent soudainement utiles si on leur superpose la bonne architecture d'IA. Pas un nouveau chatbot, mais une couche d'analyse d'investigation qui détecte les liens entre les accès, les plannings, les transactions et les actions de service.
Les services de sécurité interne, de conformité et d'audit sont les gagnants. Ceux qui espéraient que le bruit dans les données masquerait tout sont les perdants. Mais sans une configuration minutieuse, de tels systèmes peuvent facilement créer un environnement toxique et une avalanche de faux positifs.
C'est précisément à ces carrefours que je suspends habituellement les projets : la question n'est pas de savoir si l'on peut mettre en œuvre l'automatisation par l'IA, mais comment construire une logique prouvable, des droits d'accès et une boucle de vérification humaine. Chez Nahornyi AI Lab, c'est exactement ce que nous résolvons : si vos enquêtes internes, votre conformité ou votre lutte contre la fraude sont déjà submergés par le travail manuel, nous pouvons élaborer une solution d'IA sans esbroufe ni chasse aux sorcières, pour que le système fasse réellement gagner du temps et réduise les préjudices.