Récidive et évaluation du risque

Objectifs du chapitre

À la fin de ce chapitre, vous serez capable de:

• définir la récidive par ses trois choix (événement compté, point de départ, fenêtre) et expliquer pourquoi la définition fait le chiffre;
• lire le tableau suisse des recondamnations, calculer un taux, un risque relatif et un rapport des cotes, et distinguer une association d'un effet de la sanction;
• construire et lire une courbe cumulée de recondamnation $R(t)$ et sa fonction de survie $S(t)$;
• distinguer facteurs de risque statiques et dynamiques, situer le modèle risque-besoins-réceptivité et les processus suisses (ROS, PLESORR);
• évaluer un instrument de risque: sensibilité, spécificité, valeurs prédictives, courbe ROC et AUC, en tenant compte du taux de base;
• expliquer pourquoi calibration et égalité des erreurs s'excluent en général, et discuter ce que vaut un score pour la personne désignée.

Ce que l'on compte quand on compte la récidive

Le chapitre 13, «La réaction pénale: sanctions, prison et pénologie», a montré ce que les tribunaux suisses prononcent. Reste la question des juges et de l'opinion: que deviennent les personnes condamnées? Combien récidivent, quand, et peut-on le prévoir? Il faut d'abord savoir ce que l'on compte, car «récidive» désigne une famille de mesures.

Le droit ne fournit pas la définition: selon le rapport de méthodologie de l'Office fédéral de la statistique (Maillard 2020), le code actuel n'emploie plus le terme qu'à propos de l'expulsion. La criminologie part donc d'une définition opérationnelle: il y a récidive lorsqu'une personne commet une nouvelle infraction après un événement de référence, le plus souvent une condamnation ou une libération.

Chacun de ces choix déplace le chiffre dans une direction prévisible.

L'événement compté. La réinterpellation compte des personnes dont la culpabilité n'est pas établie et dépend de l'activité policière (chapitre 2, «Mesurer la criminalité (1): les statistiques officielles»). La recondamnation respecte la présomption d'innocence, mais arrive tard et ne retient que les infractions poursuivies et jugées; la réincarcération, que les parcours assez lourds pour un retour en prison. Pour un même ensemble d'infractions, réinterpellation ≥ recondamnation ≥ réincarcération; la réserve compte, car la statistique policière ne couvre pas la loi sur la circulation routière, que le casier enregistre. Toutes sont des traces institutionnelles d'un comportement qui a son chiffre noir (chapitre 3, «Mesurer la criminalité (2): chiffre noir et enquêtes»).

Le point de départ. Une cohorte de personnes condamnées mélange peines pécuniaires avec sursis et prison ferme; une cohorte de personnes libérées ne contient que d'anciens détenus, qui ont en moyenne plus d'antécédents. Les deux taux ne se comparent pas.

La fenêtre. Un taux à un an est plus bas qu'à trois ans, lui-même plus bas qu'à neuf. Et le temps passé en détention, où les occasions d'infraction sont rares, doit être neutralisé: l'OFS limite pour cela la durée d'enfermement admise dans sa cohorte de long terme.

Les recondamnations en Suisse

Le tableau de référence

Dans son rapport de 2020, l'OFS suit les adultes de nationalité suisse et les titulaires d'un permis C condamnés en 2014 pour un crime ou un délit, et cherche une recondamnation dans les trois ans; une personne de passage, condamnée puis repartie, ne pourrait pas être suivie dans le casier judiciaire suisse.

Source: OFS (Maillard 2020), tableau T1. Le rapport imprime des pourcentages entiers (19 % pour le total); les taux à une décimale sont calculés par le cours à partir des effectifs. Chaque ventilation totalise bien 60 220 personnes et 11 196 recondamnées.

Les antécédents dominent: de 14,6 % sans condamnation antérieure à 48,0 % avec deux ou plus. L'âge suit la courbe âge-crime du chapitre 10, «Développement, parcours de vie et délinquance juvénile»: 23,3 % chez les 18–24 ans, 13,8 % à 45 ans et plus. Le sexe compte moins que dans la délinquance enregistrée: 19,6 % contre 14,2 %, un risque relatif de 1,37; une explication possible est que les femmes condamnées forment déjà un groupe filtré.

Une association, pas un effet

La dernière ligne du tableau est la plus citée: 37,3 % de recondamnation après une peine sans sursis, 14,6 % après un sursis, un risque relatif de 2,55. En conclure que la prison fabrique la récidive, ou que le sursis la prévient, ignore la formation des groupes. L'article 42 CP réserve en règle générale le sursis aux peines de deux ans au plus lorsqu'une peine ferme ne paraît pas nécessaire pour détourner l'auteur d'autres crimes ou délits, et l'article 47 CP demande au juge de tenir compte des antécédents. Les personnes condamnées à une peine ferme ont donc, avant toute exécution, plus d'antécédents, des infractions plus graves et un risque jugé plus élevé. L'écart de 22,6 points mêle l'effet éventuel de la sanction et ces différences de départ: c'est une sélection au sens du chapitre 4. Le chapitre 13 présente ce que disent des comparaisons mieux contrôlées; ce tableau ne peut pas trancher.

Courbes de récidive

Le taux cumulé et la survie

Pour voir la récidive se distribuer dans le temps, l'OFS a suivi plus longtemps une cohorte plus ancienne: les personnes suisses et titulaires d'un permis C condamnées en 2008 à des peines courtes (travail d'intérêt général, peine pécuniaire, prison avec sursis, avec sursis partiel de moins de deux ans ou ferme de moins d'un an), si bien que personne n'y a passé plus d'un an en détention.

Le symbole $S$ désignait au chapitre 5, «Choix rationnel et dissuasion», la sévérité de la sanction; il désigne ici une survie, selon l'usage de chaque littérature.

La forme de la courbe est l'information principale. La première année apporte 10,8 points, près d'un tiers (32,6 %) des recondamnations observées en neuf ans; la courbe gagne ensuite 9,9 points entre la deuxième et la cinquième année, et 4,4 entre la sixième et la neuvième. Le nombre de personnes recondamnées tend à se stabiliser après quatre ans environ (OFS); 66,9 % de la cohorte n'ont pas été recondamnés en neuf ans.

Parmi les personnes encore non recondamnées après un an, la proportion recondamnée pendant la deuxième année vaut $(16,7-10,8)/(100-10,8)=6,6\%$; parmi celles encore non recondamnées après cinq ans, la proportion recondamnée pendant la sixième vaut $(28,7-26,6)/(100-26,6)=2,9\%$. Cette probabilité de récidiver dans l'année sachant qu'on ne l'a pas fait jusque-là, le (), baisse avec le temps passé sans récidive.

Pourquoi le risque décroît

Deux mécanismes produisent une courbe concave, que la courbe seule ne sépare pas. L'un est individuel: le temps sans infraction s'accompagne souvent d'un emploi, d'une relation, des tournants et de la désistance du chapitre 10 (Maruna 2001). L'autre est un effet de composition: les personnes à risque élevé récidivent vite et quittent le groupe des «survivants»; même avec des risques individuels constants, le risque du groupe restant baisserait. Les distinguer demande les données individuelles répétées des études longitudinales.

Le choix de la fenêtre est donc un compromis entre exhaustivité et actualité (l'OFS retient trois ans en s'appuyant sur une méta-analyse de 2006 qui jugeait ce délai minimal), et le temps sans récidive est une information qu'un instrument fondé sur les seuls antécédents ignore.

Facteurs de risque et modèle risque-besoins-réceptivité

Statiques et dynamiques

Les antécédents, l'âge et le sexe du tableau suisse sont des facteurs de risque: des caractéristiques associées, dans une population, à une récidive plus probable.

Les facteurs statiques prédisent bien mais ne disent pas quoi faire, et ne peuvent qu'augmenter; les dynamiques donnent une prise à l'intervention et renseignent sur l'évolution du risque.

D. A. Andrews et J. Bonta (The Psychology of Criminal Conduct) ont regroupé les facteurs les mieux établis en «huit facteurs centraux» (central eight): les antécédents de comportement antisocial, un profil de personnalité antisociale (impulsivité, recherche de sensations, hostilité), les cognitions antisociales (attitudes et justifications favorables à la délinquance, dont les neutralisations du chapitre 8, «Apprentissage, contrôle et réaction sociale»), les fréquentations antisociales, la situation familiale ou conjugale, la formation et l'emploi, les loisirs et la consommation de substances. Selon ces auteurs, d'autres caractéristiques comme l'anxiété ou une faible estime de soi peuvent justifier une prise en charge mais ne sont que faiblement associées à la récidive: des besoins «non criminogènes».

Ce sont des associations: les fréquentations antisociales peuvent être une cause, une conséquence ou le signe d'un troisième facteur, et seul un programme évalué dira si les modifier modifie la récidive.

Risque, besoins, réceptivité

Le modèle répond au «nothing works» de R. Martinson (1974), dont le chapitre 15, «Prévention, police et évaluation: ce qui marche», présente le renversement: dans la méta-analyse d'Andrews et al. (1990), les programmes conformes à ces principes étaient associés à des baisses de récidive, les autres non. Statut: robuste pour la direction, retrouvée par les méta-analyses ultérieures (chapitre 15); plausible mais discuté pour l'ampleur, qui dépend de la qualité des évaluations et de la mise en œuvre.

Selon le principe de risque, une intervention intensive auprès de personnes à faible risque peut être inutile, voire nuisible: évaluer le risque sert d'abord à décider à qui consacrer des ressources rares.

La pratique suisse: ROS et PLESORR

L'article 75 CP assigne à l'exécution des peines privatives de liberté le but d'améliorer le comportement social de la personne détenue, en particulier son aptitude à vivre sans commettre d'infractions. Les concordats cantonaux l'ont traduit en processus standardisés inspirés du modèle RBR.

En Suisse alémanique, le modèle ROS (Risikoorientierter Sanktionenvollzug, exécution des sanctions orientée vers le risque) a été testé dès 2011 dans les cantons de Zurich, Lucerne, Saint-Gall et Thurgovie, puis adopté par le concordat d'exécution des peines de la Suisse orientale (S. Arsever, «Récidive: le modèle centré sur les risques qui s'impose en Suisse alémanique», infoprisons, bulletin n° 13, février 2015). Un tri initial classe toutes les personnes condamnées en catégories A, B et C à l'aide d'un outil actuariel, le FaST (Fall-Screening-Tool), rempli à partir du mandat d'exécution et du casier judiciaire: type et gravité de l'infraction, condamnations antérieures, infractions violentes ou sexuelles avant 18 ans, et facteurs rassurants comme un âge supérieur à 50 ans. Les cas C font l'objet d'une évaluation approfondie avec plusieurs instruments, dont FOTRES, élaboré à Zurich par Frank Urbaniok; suivent la planification de l'intervention et le suivi du risque.

Le même bulletin rend compte de deux évaluations de l'Université de Zurich. La fidélité inter-évaluateurs du FaST (40 dossiers recodés) a été jugée bonne, avec un coefficient de 0,84. Sa validité prédictive, évaluée rétrospectivement sur 733 dossiers clos en 2004 et 2005, est moins nette: les cas C récidivent nettement plus dans les infractions violentes ou sexuelles, mais les cas A ne récidivent pas moins que la moyenne. Un tri qui ne repère pas le faible risque manque l'une de ses deux fonctions.

En Suisse latine, la Conférence latine des autorités cantonales compétentes en matière d'exécution des peines et des mesures a adopté le 2 novembre 2023 le Règlement sur le processus latin d'exécution des sanctions orientée vers le risque et les ressources (RPLESORR), en vigueur depuis le 1er janvier 2025. Il prévoit les mêmes étapes: tri initial, évaluation, planification et suivi. Pour une partie des cas, l'évaluation recourt au LS/CMI, que le règlement présente comme un instrument standardisé d'évaluation du risque de récidive et de gestion des cas. Le nom du processus («le risque et les ressources») marque l'intention de ne pas réduire la personne à ses facteurs de risque.

Prédire la récidive: jugement clinique et instruments actuariels

L'argument de Meehl

En 1954, le psychologue Paul Meehl publie Clinical versus Statistical Prediction, qui compare deux manières de combiner les mêmes informations: le jugement clinique, où l'expert les pèse dans sa tête, et la prédiction actuarielle, où une règle fixe établie sur des données les combine. Dans les comparaisons qu'il réunit, la règle fait au moins aussi bien que l'expert, souvent mieux: non que l'expert en sache moins, mais il combine de façon inconstante, d'un expert à l'autre et d'un jour à l'autre.

Les échelles actuarielles statiques ne retiennent que le passé: Static-99 (infractions sexuelles), VRAG (violence), FaST. Les instruments risque-besoins ajoutent des facteurs dynamiques: LSI-R et LS/CMI. Le HCR-20 est un guide de jugement professionnel structuré. La PCL-R de R. Hare mesure un construit clinique, la psychopathie (chapitre 6, «Facteurs individuels: approches biologiques et psychologiques»); elle n'a pas été construite pour prédire, même si elle est souvent utilisée comme prédicteur.

Ce que disent les synthèses

Hanson et Morton-Bourgon (2009), sur 118 études de prédiction de la récidive des auteurs d'infractions sexuelles, trouvent que les évaluations structurées, en particulier actuarielles, sont plus exactes que l'opinion professionnelle non structurée. Statut: robuste quant à la direction, retrouvée depuis Meehl dans de nombreux domaines.

Fazel, Singh, Doll et Grann (2012, BMJ) ont réuni 73 échantillons de 13 pays, environ 25 000 personnes, évaluées avec neuf instruments courants, dont le VRAG, le HCR-20, le Static-99, le LSI-R et la PCL-R. Les AUC médianes, une mesure définie plus bas, sont de 0,72 pour la violence, 0,74 pour les infractions sexuelles et 0,66 pour la délinquance générale. Pour la violence, la valeur prédictive positive médiane est de 41 % et la valeur prédictive négative médiane de 91 %: environ quatre personnes sur dix classées à risque modéré ou élevé ont commis une infraction violente pendant le suivi. Les auteurs concluent que ces instruments repèrent bien le faible risque, mais que leur usage comme seul fondement d'une décision de détention, de condamnation ou de libération n'est pas soutenu par les données. Statut: robuste pour l'ordre de grandeur: une exactitude modérée, bien au-dessus du hasard, bien au-dessous de la certitude.

Évaluer un instrument de risque

L'échelle R et ses deux distributions

Considérons une échelle de risque fictive, «R», qui attribue un score de 0 à 8 à 500 personnes libérées dont on connaît l'issue: 150 ont récidivé (taux de base de 30 %), 350 non. Ces données didactiques ont une exactitude proche de celle des instruments réels.

Les deux distributions se chevauchent sur toute l'échelle: des personnes qui ont récidivé ont le score 0, d'autres qui n'ont pas récidivé ont le score 8. Un instrument ne classe pas des personnes en «dangereuses» et «inoffensives»; il ordonne des distributions qui se recouvrent. C'est la situation de la détection du signal de «Psychologie générale», chapitre 5 (théorème 5.4): un signal noyé dans du bruit, et un critère à choisir.

Sensibilité, spécificité, valeurs prédictives

Pour décider, il faut un seuil: on «signale» les personnes dont le score l'atteint. Chacune tombe alors dans une case d'un tableau 2 × 2.

Le symbole $\pi$, prévalence de victimisation au chapitre 3, est ici un taux de base: deux proportions d'une population. La sensibilité et la spécificité décrivent l'instrument au sein de chaque groupe et ne dépendent pas de la proportion de personnes qui récidivent. Les valeurs prédictives répondent à la question de la personne qui décide («cette personne signalée va-t-elle récidiver?») et dépendent du taux de base, par la formule de Bayes («Probabilités et statistique», chapitre 2; le cours «Génétique» l'applique aux tests génétiques):

La courbe ROC et l'AUC

Changer de seuil échange des erreurs: à ≥ 4, $Se=0,733$ et $Sp=0,671$; à ≥ 6, $0,420$ et $0,900$. La courbe ROC trace tous ces compromis.

Démonstration. Pour le seuil «score ≥ $k$», notons $F_k=\mathbb{P}(X_N\ge k)$ et $H_k=\mathbb{P}(X_R\ge k)$ les coordonnées du point de la courbe. En passant du seuil au seuil , l'abscisse augmente de , et l'aire sous le segment est celle d'un trapèze:

puisque $H_{k+1}=\mathbb{P}(X_R>k)$ et $H_k=H_{k+1}+\mathbb{P}(X_R=k)$. En sommant sur toutes les valeurs et par indépendance de et , on obtient .

Si les scores des deux groupes suivaient des lois normales de même variance séparées par $d^{\prime }$ écarts types, la courbe ROC serait celle d'un détecteur de sensibilité $d^{\prime }$ (théorème 5.4 de «Psychologie générale») et

où $\Phi$ est la fonction de répartition de la loi normale centrée réduite. Pour $d^{\prime }=0,5$, $0,8$, $1$ et $1,5$, on obtient 0,638, 0,714, 0,760 et 0,856. Les AUC médianes de Fazel et al. (0,66 à 0,74) correspondent ainsi à des $d^{\prime }$ d'environ 0,6 à 0,9: les deux distributions se recouvrent plus qu'elles ne se séparent.

Dans l'explorateur (modèle binormal didactique, valeurs par défaut voisines de l'échelle R), déplacez le seuil: sensibilité et spécificité s'échangent, l'AUC ne bouge pas. Baissez le taux de base à 5 %: courbe, AUC, sensibilité et spécificité restent fixes, mais les signalés deviennent surtout des faux positifs. Seule une hausse de $d^{\prime }$ relève à la fois sensibilité et spécificité.

Calibration et choix du seuil

L'AUC dit si l'instrument ordonne bien les personnes, pas si les probabilités qu'il annonce sont justes.

Un instrument dont toutes les probabilités seraient deux fois trop élevées garderait la même AUC avec des chiffres faux. C'est fréquent quand un instrument est appliqué dans un autre pays ou une autre décennie: l'ordre reste, les niveaux dérivent. D'où l'exigence d'une validation locale.

Le choix du seuil, enfin, n'est pas une question statistique. L'indice de Youden $Se+Sp-1$, maximal pour l'échelle R au seuil ≥ 4 (0,405, contre 0,401 à ≥ 5), suppose que les deux erreurs coûtent autant. Or, si le signalement donne accès à un accompagnement volontaire à la sortie, un faux positif coûte peu; s'il conduit à refuser une libération conditionnelle, il coûte des mois de liberté à une personne qui n'aurait pas récidivé. Le seuil traduit une pondération de valeurs, qui doit être choisie et dite.

L'équité des prédictions

COMPAS et des non-spécialistes

Aux États-Unis, des instruments commerciaux interviennent dans des décisions de détention avant jugement, de peine et de libération. L'un d'eux, COMPAS, a été analysé en 2016 par le média ProPublica sur des personnes arrêtées dans le comté de Broward (Floride). Dressel et Farid (2018, Science Advances) ont repris ces données (7214 personnes; récidive = nouvelle arrestation dans les deux ans, une réinterpellation au sens de la définition 14.1). Sur un sous-échantillon de 1000 personnes, COMPAS, qui combine 137 caractéristiques, classe correctement 65,2 % des cas. Dans la condition principale, 400 personnes recrutées en ligne, sans compétence en justice pénale, ont jugé chacune 50 dossiers réduits à quelques lignes (sexe, âge, infraction, antécédents): exactitude moyenne de 62,1 %, et 67,0 % pour la prédiction majoritaire de vingt d'entre elles, sans différence significative avec COMPAS. Une régression logistique à deux variables, l'âge et le nombre d'antécédents, atteint 66,8 %. Les AUC sont du même ordre: 0,70 pour COMPAS, 0,71 pour les participants.

L'essentiel de l'information tenait dans deux facteurs statiques. Statut: plausible mais discuté: le résultat porte sur une population, un instrument et une mesure (la réarrestation), et ne se généralise pas sans d'autres études.

Les mêmes données posent une question plus dérangeante. La proportion de personnes de nouveau arrêtées est de 51 % parmi les personnes désignées comme noires dans les données et de 39 % parmi les personnes désignées comme blanches. Ce sont des réarrestations: elles reflètent aussi l'intensité du contrôle policier et des différences sociales et économiques, et ne disent rien d'une propension liée à l'origine. Le taux de faux positifs de COMPAS, la part des personnes non réarrêtées qu'il avait classées à risque, est de 40,4 % dans le premier groupe et de 25,4 % dans le second; les prédictions des participants humains montrent un écart du même ordre. L'instrument est-il biaisé? Cela dépend de ce que l'on appelle équité: un instrument peut être calibré dans les deux groupes et présenter un tel écart de faux positifs. Les deux constats ne se contredisent pas, et c'est un théorème.

Une impossibilité arithmétique

Démonstration. Par la formule de la VPP, $1/\mathrm{VPP}=1+\mathrm{TFP}(1-\pi )/(Se\pi )$, donc

et il suffit d'isoler $\mathrm{TFP}$ en écrivant $Se=1-\mathrm{TFN}$. Si $\mathrm{VPP}$ et $\mathrm{TFN}$ sont communs à deux groupes, le rapport de leurs $\mathrm{TFP}$ vaut celui de leurs $\pi /(1-\pi )$, différent de 1 dès que les taux de base diffèrent. $\square$

Cette relation, mise en évidence par Chouldechova (2017, Big Data), et le résultat voisin de Kleinberg, Mullainathan et Raghavan (2017) pour des scores calibrés, disent la même chose: lorsque les taux de base diffèrent, un instrument imparfait ne peut pas être à la fois calibré dans chaque groupe et avoir les mêmes taux d'erreurs dans chaque groupe. Seules une prédiction parfaite ou des taux de base égaux y échappent. C'est une contrainte arithmétique, qui s'impose aussi au jugement humain.

L'exemple suppose enfin des taux de base mesurés de la même façon. Si un groupe est davantage contrôlé, il est plus souvent réinterpellé à comportement égal (la sélectivité du chapitre 8), et un instrument calibré sur des réarrestations reproduit sans les voir ces différences de contrôle: le choix de l'événement compté n'est jamais neutre.

La personne derrière le score

Ce qui est en jeu en Suisse

En droit suisse, le pronostic décide de la liberté. L'article 86 CP subordonne la libération conditionnelle, possible aux deux tiers de la peine (au moins trois mois), à l'absence de crainte de nouveaux crimes ou délits; l'article 56 CP fait dépendre une mesure de ce qu'une peine seule ne puisse écarter le danger de nouvelles infractions; l'article 64 CP prévoit l'internement, la mesure la plus lourde du code, pour des auteurs d'infractions graves énumérées par la loi. Le droit pénal en fait l'étude détaillée; la criminologie dit ce que valent les pronostics.

Ce qu'un score permet de dire

Du groupe à la personne. Si 57,5 % des personnes signalées récidivent, 42,5 % ne récidivent pas, et rien dans le score ne dit dans quel groupe se trouve la personne jugée. C'est la leçon du chapitre 1, «La criminologie: objet, histoire et écoles», sur le trait sur-représenté chez les auteurs.

Les faux positifs sont invisibles. Une personne libérée qui récidive fait parler d'elle; une personne maintenue en détention qui n'aurait pas récidivé ne le prouvera jamais. Les erreurs ne s'observent que d'un côté, ce qui pousse vers des seuils plus bas, et plus l'infraction redoutée est rare (le cas de l'internement), plus la plupart des signalés sont des faux positifs.

Le temps et le changement. Un score fondé sur des facteurs statiques ne peut pas baisser, alors que la figure 14.1 montre un risque qui diminue avec le temps sans récidive, et le chapitre 10 que la plupart des carrières délinquantes s'interrompent. Un pronostic qui ignore les facteurs dynamiques et le temps écoulé enferme la personne dans son passé.

Statut: que les instruments structurés fassent mieux que le jugement non structuré, avec une précision individuelle modérée (AUC autour de 0,7), est robuste; qu'une exécution fondée sur le modèle RBR réduise la récidive en Suisse n'est établi par aucune évaluation publiée que nous ayons lue, et les responsables de ROS le présentaient eux-mêmes comme une question qui demandait du recul.

Synthèse

• La récidive est une mesure, définie par l'événement compté, le point de départ et la fenêtre; l'OFS mesure la recondamnation pour crime ou délit dans les trois ans d'un jugement de référence.
• Dans la cohorte 2014, 18,6 % des 60 220 personnes ont été recondamnées en trois ans: 48,0 % avec deux antécédents ou plus, 14,6 % sans (RR 3,28, OR 5,38), mais 60,0 % des personnes recondamnées n'avaient aucun antécédent. L'écart entre peine ferme (37,3 %) et sursis (14,6 %) est une sélection, pas un effet de la prison.
• La courbe cumulée $R(t)$ est concave (10,8 % à un an, 33,1 % à neuf ans pour la cohorte 2008): le risque instantané diminue avec le temps sans récidive, par désistance et par composition de la cohorte.
• Les facteurs statiques prédisent, les dynamiques orientent l'intervention; le modèle RBR inspire ROS et PLESORR; les instruments structurés font mieux que le jugement non structuré (AUC typiques de 0,66 à 0,74).
• La VPP dépend du taux de base (0,575 à 30 %, 0,143 à 5 % pour l'échelle fictive R); l'AUC est la probabilité de bien ordonner une paire, pas l'exactitude pour une personne; quand les taux de base diffèrent, calibration et égalité des erreurs s'excluent.

Exercices

Vous pouvez afficher le corrigé directement sous chaque énoncé après avoir cherché la solution.

Références

• Killias, M., Aebi, M. F. & Kuhn, A., Précis de criminologie, 4e éd., Berne, Stämpfli, 2019.
• OFS, C. Maillard, Statistique des condamnations pénales 2018. Taux de recondamnation. Rapport de méthodologie, Neuchâtel, Office fédéral de la statistique, 2020 (numéro OFS 1982-1800).
• Andrews, D. A., Zinger, I., Hoge, R. D., Bonta, J. et al. (1990), «Does Correctional Treatment Work? A Clinically Relevant and Psychologically Informed Meta-Analysis», Criminology 28(3), 369–404.
• Hanson, R. K. & Morton-Bourgon, K. E. (2009), «The Accuracy of Recidivism Risk Assessments for Sexual Offenders: A Meta-Analysis of 118 Prediction Studies», Psychological Assessment 21(1), 1–21.
• Fazel, S., Singh, J. P., Doll, H. & Grann, M. (2012), «Use of Risk Assessment Instruments to Predict Violence and Antisocial Behaviour in 73 Samples Involving 24 827 People», BMJ 345, e4692.
• Dressel, J. & Farid, H. (2018), «The Accuracy, Fairness, and Limits of Predicting Recidivism», Science Advances 4(1), eaao5580; Chouldechova, A. (2017), «Fair Prediction with Disparate Impact», Big Data 5(2), 153–163; Kleinberg, J., Mullainathan, S. & Raghavan, M. (2017), «Inherent Trade-Offs in the Fair Determination of Risk Scores», Proceedings of the 8th Innovations in Theoretical Computer Science Conference (ITCS 2017), LIPIcs 67, 43:1–43:23.