L'esprit algorithmique : l'intelligence artificielle et la transformation de la psychologie légale
DOI :
https://doi.org/10.15175/tx5x0930Mots-clés :
IA & droit, psychologie légale, sciences du comportement, algorithme, droitRésumé
Cet article explore les liens entre l'intelligence artificielle (IA) et la psychologie légale, et examine comment les technologies d'IA transforment les domaines traditionnels que sont les tests psychologiques légaux, le profilage criminel, l'évaluation des risques et les témoignages devant les tribunaux. En s'appuyant sur les utilisations actuelles, en intégrant les recherches empiriques menées et en évaluant de manière critique les implications éthiques et juridiques qui en découlent, cet article révèle que, bien que l'IA offre des capacités d'analyse et des compétences en reconnaissance de formes sans précédent, elle soulève également des problèmes considérables liés aux biais, au caractère indirect de ses conclusions et à la nature fondamentale des connaissances psychologiques. L'étude soutient que l'avenir de la psychologie légale ne consistera pas en un remplacement total de l'expertise humaine par l'IA, mais en une intégration réfléchie de celle-ci, de sorte que le jugement professionnel ne soit pas compromis, mais plutôt mis à profit pour tirer parti des évolutions technologiques. La recherche présente une évaluation approfondie de la manière dont l'IA est capable de transformer le domaine de la psychologie légale, et elle offre une perspective d'avenir sur la manière de mettre en œuvre l'IA dans des scénarios liés à la justice pénale.
Téléchargements
Références
BEN-PORATH, Yossef S.; TELLEGEN, Auke. MMPI-2-RF: manual for administration, scoring, and interpretation. Minneapolis: University of Minnesota Press, 2008.
BUCHANAN, Alec. Psychiatric aspects of justification, excuse and mitigation in Anglo-American criminal law. London: Jessica Kingsley Publishers, 2000.
COPPERSMITH, Glen et al. Natural language processing of social media as screening for suicide risk. Biomedical Informatics Insights, v. 10, p. 1-11, 2018. https://doi.org/10.1177/1178222618792860
DIETERICH, William; MENDOZA, Christina; BRENNAN, Tim. COMPAS risk scales: demonstrating accuracy, equity, and predictive parity. Northpointe Inc., 8 July 2016.
DRESSEL, Julia; FARID, Hany. The accuracy, fairness, and limits of predicting recidivism. Science Advances, v. 4, n. 1, eaao5580, 2018. https://doi.org/10.1126/sciadv.aao5580
HEILBRONNER, Robert L. et al. American academy of clinical neuropsychology consensus conference statement on the neuropsychological assessment of effort, response bias, and malingering. The Clinical Neuropsychologist, v. 23, n. 7, p. 1093-1129, 2009. https://doi.org/10.1080/13854040903155063
HEILBRUN, Kirk. Principles of forensic mental health assessment. New York: Springer, 2001.
MÜNSTERBERG, Hugo. On the witness stand: essays on psychology and crime. [S. l.]: Kessinger Publishing, LLC, 2007.
ROESCH, Ronald; ZAPF, Patricia A.; HART, Stephen D. Forensic psychology and law. [S.l.]: John Wiley & Sons, 2010.
RUSSELL, Stuart; NORVIG, Peter. Artificial intelligence: a modern approach. 4th ed. Hoboken, NJ: Pearson, 2020.
SELBST, Andrew D.; BAROCAS, Solon. The intuitive appeal of explainable machines. Fordham Law Review, v. 87, p. 1085-1139, 2018. https://dx.doi.org/10.2139/ssrn.3126971
SKEEM, Jennifer L.; LOWENKAMP, Christopher T. Risk, race, and recidivism: predictive bias and disparate impact. Criminology: An Interdisciplinary Journal, v. 54, n. 4, p. 680-712, 2016. https://psycnet.apa.org/doi/10.1111/1745-9125.12123
Téléchargements
Publiée
Numéro
Rubrique
Licence
(c) Copyright Passages: International Review of Political History and Legal Culture 2026

Ce travail est disponible sous la licence Creative Commons Attribution 4.0 International .
Solicita-se enviar, em anexo, um termo de transferência de direitos autorais, contendo assinatura do(a)s autor(a)s, conforme o modelo abaixo:


Este trabalho está licenciado com uma Licença licencia de Creative Commons Reconocimiento 4.0 Internacional.