L'IA générative est l'avenir de l'analyse du renseignement dans le domaine de l'application de la loi

Date Posted: May 20th, 2024

21 mai 2024Les analystes du renseignement des forces de l'ordre sont chargés de collecter, d'analyser et de diffuser des informations afin d'aider les agences à lutter contre les activités criminelles dans leur juridiction. Avec la croissance exponentielle des données, les analystes sont confrontés à la tâche ardue de passer au crible de vastes quantités d'informations pour développer des renseignements significatifs pour les enquêteurs et le personnel de commandement. Toutefois, grâce aux progrès de la technologie de l'IA générative, le paysage de l'analyse du renseignement évolue rapidement, offrant aux services répressifs des outils puissants pour améliorer leurs méthodes de maintien de l'ordre et d'enquête. Avec l'évolution rapide de cette nouvelle technologie, l'intégration de l'IA générative dans l'analyse du renseignement des forces de l'ordre présente trois avantages principaux.

Efficacité temporelle : L'IA générative fait gagner du temps aux analystes du renseignement

Le gain de temps est l'un des avantages les plus significatifs offerts par l'IA générative dans l'analyse du renseignement en matière d'application de la loi. Les méthodes traditionnelles d'analyse des données impliquent souvent des processus manuels à travers des systèmes qui prennent beaucoup de temps et de ressources. Elles impliquent également la recherche et l'analyse de données dans des systèmes disparates, souvent détenus par des unités et des services différents. Lorsque j'étais analyste au département de police d'East Orange (NJ), les données de renseignement et de criminalité étaient conservées dans des applications différentes, ce qui rendait difficile l'analyse conjointe des données pour obtenir une image complète, par exemple, d'un gang ou d'un quartier. Cependant, avec l'avènement des plateformes génératives pilotées par l'IA, les tâches analytiques qui prenaient autrefois des jours, voire des semaines, peuvent désormais être accomplies en une fraction de temps. Il s'agit là d'un multiplicateur de force, notamment en raison de l'immense volume de données que les analystes du renseignement local et fédéral doivent passer au crible chaque jour. En automatisant les requêtes répétitives et en rationalisant les analyses et les rapports, les analystes peuvent consacrer plus de temps à la réflexion critique, ce qui se traduit en fin de compte par des stratégies d'enquête et de soutien plus efficaces.

Analyse de grands ensembles de données : L'IA générative fournit un outil unique pour l'analyse du renseignement

L'un des avantages immédiats de l'IA générative est la capacité de distiller rapidement de grands ensembles de données en renseignements exploitables et opportuns. Par exemple, lors de l'analyse de données provenant de mandats de perquisition et d'enregistrements d'appels, les analystes peuvent être confrontés à des dizaines de milliers d'enregistrements, dans différents formats et types de fichiers. En l'absence d'un outil permettant d'ingérer ces données, nombre d'entre eux sont contraints de les analyser manuellement, à l'aide de logiciels et d'outils qui n'automatisent pas entièrement ces processus. Cela peut entraîner des retards dans les enquêtes et, pire encore, des erreurs dans le travail sur les dossiers. Grâce à l'IA générative, les analystes peuvent désormais identifier rapidement les informations pertinentes à partir de volumes de données, rapidement et avec une formation minimale en SQL et autres langages d'interrogation. Les modèles d'IA générative peuvent filtrer les données structurées et non structurées, telles que les extractions médico-légales, les données des mandats de perquisition, les images et les vidéos, afin de trouver des modèles et des tendances clés. Cette capacité permet aux analystes de découvrir des liens cachés entre des individus, des organisations, des lieux et des événements, ce qui facilite la détection des activités criminelles et la perturbation des réseaux criminels.

Prompt Engineering : L'IA générative est facile à utiliser pour l'analyse du renseignement

L'un des avantages de l'IA générative réside dans sa capacité à utiliser l'ingénierie des invites au lieu des requêtes traditionnelles. Contrairement aux requêtes de base de données traditionnelles, qui peuvent produire des résultats limités ou incorrects en raison de la complexité des jointures de tables et de la syntaxe, l'ingénierie des requêtes permet aux analystes de fournir des instructions plus nuancées aux modèles d'IA en utilisant un langage réel, en les guidant pour qu'ils fournissent une analyse basée sur ces commandes. Cela permet également à l'analyste de créer des invites supplémentaires, en filtrant les résultats pour obtenir une analyse plus granulaire. En créant des invites personnalisées, les analystes peuvent extraire des renseignements très pertinents à partir de données structurées et non structurées, améliorant ainsi la qualité, la précision et la rapidité de leurs produits analytiques.

Par exemple, supposons qu'une brigade de détectives enquête sur une série de vols liés à la drogue dans un district ou une zone de patrouille particulière. En utilisant une solution d'IA générative, les analystes peuvent formuler des invites qui demandent au modèle d'IA d'identifier les points communs entre les personnes d'intérêt, les lieux et le modus operandi (MO). Pour aller plus loin, si un analyste collecte des données provenant de lecteurs de plaques d'immatriculation, de caméras de surveillance, de systèmes de détection de coups de feu, de dossiers de probation ou de libération conditionnelle et de données en ligne dans la zone des crimes, le modèle d'IA peut alors générer des rapports détaillés mettant en évidence les liens potentiels entre les individus et les lieux d'intérêt, permettant ainsi aux enquêteurs de développer des pistes potentielles dans la série de crimes. L'IA générative permet aux analystes d'effectuer ce travail rapidement et sous une seule fenêtre, ce qui fait avancer les enquêtes plus rapidement qu'avec les méthodes d'analyse traditionnelles.

L'IA générative est l'avenir de l'analyse du renseignement

L'IA générative peut aider les services répressifs à effectuer des analyses prédictives, en prévoyant les points chauds potentiels de l'activité sur la base de données historiques et de tendances émergentes. En analysant de grandes quantités de données, y compris des rapports de crime, des messages en ligne, des appels de service, des dossiers d'arrestation, etc., les modèles d'IA peuvent identifier des modèles et des corrélations que les analystes humains pourraient négliger. Cette capacité prédictive permet aux services répressifs d'allouer des ressources de manière proactive, de déployer du personnel et de mettre en œuvre des mesures préventives pour atténuer les activités criminelles potentielles. C'est le type d'analyse qui soutient non seulement les enquêtes, mais aussi les stratégies policières proactives.

L'avenir de l'analyse du renseignement dans le domaine de l'application de la loi doit passer par des solutions d'IA générative en raison du volume de données avec lequel les analystes travaillent quotidiennement. En améliorant l'efficacité du temps, en distillant de grands ensembles de données et en tirant parti de techniques d'ingénierie rapide, l'IA générative aide les analystes à développer des renseignements significatifs et opportuns, ce qui améliore en fin de compte les efforts d'enquête. Alors que la technologie continue de progresser, les organismes d'application de la loi doivent adopter l'IA générative comme un outil essentiel dans leur boîte à outils d'investigation, leur permettant de traiter et d'atténuer rapidement les menaces émergentes et les tendances criminelles qui peuvent avoir un impact sur la communauté.

Demander une démonstration

JTVCZ3Jhdml0eWZvcm0lMjBpZCUzRCUyMjElMjIlMjB0aXRsZSUzRCUyMmZhbHNlJTIyJTVE

Allison Sullivan
Directrice, Intelligence
PenLink

Allison Sullivan est responsable de l'équipe d'analystes chez PenLink détenant plus de 17 ans d'expérience en tant qu'analyste de la criminalité et du renseignement dans le domaine de l'application de la loi. Après avoir obtenu son diplôme à la Northeastern University, Allison a rejoint le service de police de Cambridge (MA) en tant qu'analyste de la criminalité pendant près de trois ans avant de retourner dans son État d'origine, le New Jersey, où elle a rejoint le service de police des transports publics de la ville de New Jersey. Au sein du NJTPD, Allison a contribué à la création de l'unité d'analyse criminelle en tant qu'analyste criminelle principale, a présenté CompStat au personnel de commandement et a reçu une récompense civile pour son rôle dans la résolution d'une série de vols avec violence. Pendant qu'elle travaillait pour le NJTPD, elle est retournée à l'école pour obtenir son master. de maîtrise en ressources humaines, formation et développement à l'université de Seton Hall. En 2005, Allison a rejoint le service de police d'East Orange (New Jersey) en tant qu'analyste de la criminalité et du renseignement. pendant 12 ansElle a participé à la création du Real-Time Crime Center et a joué un rôle essentiel dans le développement du département. a joué un rôle essentiel dans la réduction de 75 % de la criminalité au sein du département.