Rseaux de neurones et raisonnement du juge Filipe

Réseaux de neurones et raisonnement du juge Filipe BORGES Atelier Complexité et Politiques Publiques 23 -24 septembre 2010 ISC-PIF, 57 -59 rue Lhomond 75005 PARIS

1. Le processus décisionnel du juge • Phénomène complexe § § existence de critères flous interactions nombreuses forte récursivité Difficilement justifiable en l’absence de règles

1. Le processus décisionnel du juge Pistes de modélisation • Les systèmes experts § Limite : applicables en présence de règles. Donc non applicables dans un contexte ‘flou’ • Les réseaux de neurones artificiels

2. Représentation du processus décisionnel par réseaux de neurones artificiels (RNA) • Outil statistique permettant de construire un modèle de comportement • Modèle de RNA utilisé : perceptron multicouche à algorithme de rétropropagation : • couches successives de neurones • algorithme d’apprentissage

2. Représentation du processus décisionnel par réseaux de neurones artificiels (RNA) Mode de fonctionnement du RNA 1 - Série de cas juridiques fournis au réseau 2 - Apprentissage progressif de cette base de cas et reconstitution du processus décisionnel 3 - Résolution correcte de nouveaux cas

2. Représentation du processus décisionnel par réseaux de neurones artificiels (RNA) Objectif : évaluer la capacité des RNA à modéliser un processus décisionnel juridique entièrement flou • Contentieux retenu : la réparation du préjudice esthétique -> détermination du montant de la réparation à attribuer en fonction de l’estimation de la gravité d’un préjudice esthétique. § Critères identifiés, en nombre limité § Aucune règle décrivant le rôle/la valeur de chaque critère § Conclusion chiffrée (montant)

2. Représentation du processus décisionnel par réseaux de neurones artificiels (RNA) Descripteurs du cas Traitement par RNA Résultat interprétable en droit Importance d’un préjudice (de 1 à 7) Age de la victime (de 0 à 100) Genre de la victime (H/F) Degré d’exposition au public (de 0 à 100) Après 200 000 itérations : • apprentissage réussi (taux d’erreur moyen de 13%) • généralisation à de nouveaux cas satisfaisante (taux d’erreur moyen de 18%) Montant

2. Représentation du processus décisionnel par réseaux de neurones artificiels (RNA) Résultat de l’expérimentation • Le RNA peut être considéré comme un modèle possible du processus décisionnel du juge • Des expériences similaires sur d’autres contentieux présentent des résultats conformes Limite du modèle • Absence de justification du résultat (outils non valorisables en droit)

3. Dé-complexification par RNA • Hypothèse : la valeur et l’influence d’un critère constituent les éléments de la justification du raisonnement • Développement : algorithme chargé d’analyser le mode de propagation du signal au sein du RNA et d’identifier l’influence de chaque neurone sur la valeur de sortie

3. Dé-complexification par RNA Résultats § les justifications produites par l’algorithme de justification sont équivalentes à celles des juges (testeurs) § En situation complexe, il permet une justification que le décideur n’est plus en mesure de fournir § Une combinaison RNA + algorithme de justification peut être utilisée par le magistrat pour analyser son propre processus décisionnel § L’utilisation de cet algorithme montre qu’il est possible de comprendre un phénomène complexe au moyen d’un découpage pas à pas.

Interface d’un RNA chargé de déterminer un montant d’indemnisation (domaine : licenciement sans cause réelle et sérieuse) Liste descripteurs Description d’un cas particulier Montant de l’indemnisation Influence de chaque critère Influence par groupe (en gras les critères augmentant le montant)

3. Dé-complexification par RNA Observation d’un phénomène de catégorisation • Lors de l’apprentissage du mode de résolution d’un contentieux juridique le RNA modifie sa structure interne : en situation de surentraînement cette modification peut faire émerger des ‘patterns’. • Ces patterns peuvent correspondre aux catégories juridiques utilisées pour solutionner le contentieux.

Modélisation par RNA du contentieux de l’applicabilité de la clause de non-concurrence (CNC) Descripteurs du cas CNC prévue au contrat de travail Existence de la clause CNC prévue à la convention collective CNC portée à la connaissance du salarié Traitement par RNA (surentraînement) Les patterns observés dans la structure correspondent aux catégories utilisées en droit Salarié ayant accès à des informations stratégiques Durée excessive Protection des intérêts légitimes de l’entreprise Périmètre géographique excessif Liste des entreprises visées excessive Liste des activités excessive Respect de la liberté du travail Contrepartie financière prévue au contrat de travail Contrepartie financière prévue à la convention collective Contrepartie financière payée CNC annulée par le salarié Levée de la CNCE prévue CNC levée par l’employeur Contrepartie financière Levée de la clause par l’employeur CNC applicable ou CNC non applicable

3. Dé-complexification par RNA Observation d’un phénomène de catégorisation • En contraignant la structure interne du RNA on peut le forcer à faire émerger de nouvelles catégories : prospection des contentieux juridiques afin de faire émerger de nouveaux « chemins décisionnels»

4. Conclusion et travaux futurs • Autres champs d’application en droit à prospecter § Identification des règles cachés au sein d’une base de cas, § Identification d’incohérences au sein d’un corpus de règles, § Candidats en tant qu’outils d’identification de critères juridiques ‘bas-niveaux’ (par orthogonalisation des vecteurs d’entrée du RNA) § Limites à surmonter § automatiser des process qui relèvent pour l’instant de la technique et de l’expérience de l’utilisateur § développer des interfaces plus ‘user-friendly’, visant à rendre autonomes sur ces outils les experts des domaines à modéliser