Gains :
- Capacité à comprendre la structure en couches des données mobiles et cloud et à produire un résumé de discussion, une carte des relations et un récit de localisation avec l'intelligence artificielle
- Capacité à éviter les assertions excessives en spécifiant l'exactitude et la source des données de localisation et en reliant chaque résumé à l'enregistrement réel à sa source
- Capacité à travailler uniquement dans le cadre légal et en masquant pour protéger les données personnelles et la vie privée des tiers
Aujourd'hui, dans la plupart des cas, les preuves ne se trouvent ni sur un ordinateur de bureau ni sur un serveur : elles se trouvent dans un téléphone, un compte cloud ou la base de données d'une application de messagerie. La criminalistique mobile (examen des preuves numériques sur les smartphones et les tablettes) et la criminalistique cloud (examen des données détenues par le fournisseur de services) sont devenues au cœur des enquêtes modernes. Dans cette unité, nous verrons comment l'IA aide à donner un sens à ces données très personnelles et volumineuses telles que les transcriptions de discussions, les données de localisation et les journaux d'application, et pourquoi la confidentialité est ici encore plus critique.
La nature et l’enjeu des données mobiles
Un téléphone ; Il s'agit d'un référentiel de preuves comprenant des contacts, des messages (SMS et intégrés à l'application), des journaux d'appels, des photos, un historique de localisation, un historique de navigateur, des bases de données d'applications et des journaux de notifications. Ces données sont généralement stockées dans des bases de données SQLite (une base de données native légère couramment utilisée par les applications mobiles) et des fichiers plist/XML. Des outils tels que Cellebrite, Magnet AXIOM, Oxygen extraient ces données ; mais les données extraites sont énormes et dispersées.
Le principal défi ici est le contexte : lequel des milliers de messages a du sens, quelle conversation révèle un événement, quel récit les données de localisation soutiennent-elles ? C’est précisément dans ce travail de contextualisation et de synthèse que l’IA ajoute une grande valeur – mais comme elle travaille avec des données personnelles très sensibles, la confidentialité est ici à son plus haut niveau.
Attention : les données mobiles et cloud sont de nature personnelle et incluent souvent des données provenant de tiers (personnes non liées à l'enquête). Travailler uniquement dans le cadre d’une autorité légale (mandat de perquisition, consentement) et d’une portée limitée. Masquer les données personnelles hors de portée lors de la transmission de données à l'IA ; Assurez-vous que les données sont traitées dans la juridiction appropriée et dans le véhicule confidentiel.
Analyse du chat et des messages par l'IA
Les données de messagerie sont l’un des domaines dans lesquels l’IA est la plus puissante :
- Résumé de la conversation : résumer une conversation de milliers de messages avec sujet, partie et chronologie.
- Inférence de sujets et de relations : cartographier qui parle à qui, à quelle fréquence et sur quels sujets.
- Marquage de décodage code/argot : Marquage d'euphémismes, de possibles mots de code (pas une interprétation définitive, mais attirant l'attention).
- Support linguistique et traduction : Traduction de messages en langues étrangères (confirmation finale en traduction médico-légale par un traducteur expert).
- Détection de changement sémantique : Mise en évidence d'un changement de ton, de signaux de confidentialité ou de menace dans une conversation.
Chaque sortie doit être liée au message d'origine et le résumé de l'IA ne doit jamais remplacer le message lui-même. Un résumé ne constitue pas une preuve ; La preuve est le véritable message à sa source.
Données de localisation : puissantes mais trompeuses
Les données de localisation (traces GPS, journaux des tours cellulaires, historique des connexions Wi-Fi, données photo EXIF) sont des preuves très convaincantes, mais elles sont semées d'embûches. La précision du GPS varie ; les données cellulaires ont une marge d’erreur de plusieurs centaines de mètres ; l'emplacement EXIF d'une photo (métadonnées intégrées dans un fichier image, telles que la date/le lieu/l'appareil de prise de vue) peut avoir été modifié. L’IA aide à transformer les données de localisation en un récit spatio-temporel, mais il appartient à l’expert d’évaluer l’exactitude et les explications alternatives.
Astuce : Lors de l'interprétation des données de localisation, demandez à l'IA de préciser la source et le type de précision de chaque point (GPS, cellulaire, Wi-Fi). Plutôt que de dire « la personne était là », il est beaucoup plus précis d'un point de vue médico-légal de dire « l'appareil était dans cette zone avec cette précision ».
Analyse médico-légale du cloud
Les données migrent de plus en plus vers le cloud : email, synchronisation de fichiers, sauvegardes, messagerie. Dans l'analyse médico-légale du cloud, les données sont conservées chez le fournisseur et non sur l'appareil ; L'accès se fait généralement via une demande légitime, des informations d'identification de compte ou une API. Défis : changement constant des données (compte réel), juridiction (dans quel pays se trouvent les données) et disponibilité des journaux. L'IA aide à résumer les données cloud extraites (journaux d'activité, historique de partage, sessions des appareils) et à signaler les anomalies.
trois mini-cases
Cas 1 — Le résumé de la conversation a guidé le cas. 22 000 messages ont été supprimés d’une application dans le cadre d’une enquête sur les menaces. AI a résumé la conversation par parti et par sujet et a marqué 3 fenêtres où le ton menaçant montait. L'analyste a lu les messages réels dans ces fenêtres et a confirmé les preuves ; Il faudrait des jours pour lire manuellement 22 000 messages.
Cas 2 — La précision de la localisation a empêché les faux récits. La première version indiquait que "le suspect était sur les lieux". L'expert a demandé à l'IA le type de source : les données provenaient de la station de base cellulaire et avaient une marge d'erreur de 800 mètres ; La scène du crime se trouvait à la limite de ce rayon. L'affirmation selon laquelle "c'était certainement là" a été corrigée par "c'était dans cette zone, mais il n'y a aucune certitude". Le grain de vérité empêchait les affirmations excessives.
Cas 3 — Masquage de la confidentialité protégée. Un téléphone contenait des correspondances privées de dizaines de personnes sans rapport avec l'enquête. Avant de transmettre les données à l’IA, l’équipe a masqué les données des individus hors champ et a travaillé uniquement avec des conversations autorisées. Ainsi, la valeur probante a été préservée et la vie privée des tiers n'a pas été violée.
Quatre modèles copiables
1) Résumé du chat (selon la source) :
Votre rôle : analyste forensique mobile. Je vais vous donner une transcription du chat (horodatée, étiquetée par la partie). Résumer par sujet et par heure ; signaler les fenêtres qui contiennent des menaces, de la vie privée ou un ton inhabituel. Citez la ligne de message pertinente pour chaque drapeau. Déclarez que le résumé n’est pas une preuve, mais un guide basé sur la source.
2) Carte relation/communication :
Une carte relationnelle est créée à partir de ces enregistrements de communication (appelant, appelé, heure, durée) : qui communique avec qui le plus fréquemment et à quelles périodes. Signalez les concentrations inhabituelles. Utilisez uniquement des enregistrements dans les données ; interprétation de l’identité/de l’intention.
3) Interprétation des données de localisation :
Je vous donnerai des points de localisation (heure, coordonnées, type de source : GPS/cellulaire/Wi-Fi). Pour chaque point, indiquez la source et la précision estimée. Rédigez un récit spatio-temporel mais utilisez le langage « l'appareil était dans cette zone avec cette précision » ; Ne dites pas « cette personne était là ». Marquez séparément les points de faible précision.
4) Masquage des données hors champ :
Ces données mobiles peuvent contenir des données personnelles de tiers HORS du champ de l'enquête. Portée : [plage de dates + fêtes]. Marquez les personnes/conversations qui semblent hors de portée comme des candidats masquants. Je vais le masquer et le renvoyer ; Dans ce cas, ne faites pas d’analyse détaillée.
Invite faible/Invite forte
Invite faible :
Lisez les messages sur ce téléphone et trouvez le crime.
Aucune limite de portée, de ressources ou de confidentialité ; L’IA traite les données hors champ et produit une interprétation subjective du « crime ».
Invite puissante :
Votre rôle : analyste forensique mobile. Champ d'application légal : Messagerie entre [A] et [B] du 1er au 15 mai. Je vais vous donner une transcription horodatée de cette portée. Tâche : résumer la conversation selon le sujet et l'heure ; Mettez en évidence des thèmes tels que le transfert d'argent, la menace ou le plan de réunion secret et citez le message pour chaque signe. Si vous voyez des données tierces hors de portée, ne les traitez pas, soyez averti. Prise de décision en matière de crime/intention ; Je vais considérer les preuves.
La portée juridique, l'attribution de la source et la contrainte de « jugement d'intention » rendent le résultat à la fois utile et légal.
Tableau des sources de preuves mobiles/cloud
Source
Contenu
Attention
Contribution de l'IA
Base de données de messagerie (SQLite)
chat, médias
Récupération d'enregistrement supprimé
Résumé, marque de ton
Appel/SMS
journal des contacts
période
carte des relations
Localisation (GPS/cellulaire)
espace-temps
précision
plan narratif
Photo EXIF
Date/lieu/appareil
interchangeable
Résumé des métadonnées
journaux cloud
séance, partage
juridiction
signe d'anomalie
Erreurs courantes
- Confondre le résumé avec une preuve. La preuve est le message contenu dans la source ; Le résumé fournit uniquement des conseils.
- Confiance absolue dans les données de localisation. Il est faux de dire "c'était définitivement là" sans en préciser l'exactitude et la source.
- Traitement de données personnelles hors champ. Travailler uniquement dans le cadre de l'autorisation.
- Faire aveuglément confiance à l'emplacement EXIF. Les métadonnées peuvent avoir été modifiées ; confirmation croisée.
- Ne pas vérifier la traduction médico-légale. La traduction de l'IA est une ébauche ; Le traducteur expert confirme la déclaration critique.
En résumé
L’analyse médico-légale mobile et cloud est l’endroit où résident la plupart des preuves modernes. IA ; Il offre une grande rapidité dans le résumé du chat, la carte des relations, le récit de localisation et l'analyse des journaux cloud. Mais ces données sont profondément personnelles : il est de la responsabilité humaine d’opérer dans le cadre légal, de masquer les données de tiers, de spécifier l’exactitude de la localisation et d’attribuer chaque sortie à la source. Le résumé n’est pas une preuve ; La preuve est le véritable enregistrement dans la source.
Tâche de candidature
Préparez un échantillon de transcription de discussion recto-verso horodaté de 25 à 30 lignes et une liste d'emplacements de 5 à 6 points (quels que soient les types de sources). Appliquer les modèles « Résumé du chat » et « Commentaire sur les données de localisation » ; Liez chaque message signalé par l'IA à la source et vérifiez que l'exactitude du commentaire de localisation est exprimée correctement.
liste de contrôle
- [ ] J'ai travaillé uniquement dans le cadre légal et limité à celui-ci.
- [ ] J'ai masqué les données tierces hors champ.
- [ ] J'ai lié chaque résumé/marque au dossier réel à partir de sa source.
- [ ] J'ai indiqué la source et l'exactitude des données de localisation.
- [ ] J'ai considéré la traduction et les commentaires comme des ébauches et je les ai confirmés de manière experte.