L’Ouzbékistan prépare une plateforme nationale destinée à anticiper les évolutions de la criminalité. Le décret fixe des garanties et un calendrier ; il ne démontre encore ni l’efficacité du système ni la qualité des décisions qu’il permettra de prendre.
Une prévision ne pourra pas fonder seule une décision
Le point décisif du décret présidentiel UP-241, signé le 6 novembre 2026, tient à une limite : les résultats d’une analyse ou d’une prévision par intelligence artificielle ne peuvent constituer, à eux seuls, le fondement d’une décision produisant des conséquences juridiques pour une personne. Le texte impose aussi la protection des données personnelles, la traçabilité des opérations et la dépersonnalisation des données. [1]
Cette réserve place une responsabilité sur les institutions qui utiliseront l’outil. Une carte indiquant une concentration probable d’infractions ne prouve pas qu’un habitant a commis un délit. Pour un policier, un procureur ou une administration, expliquer la décision demeurera donc une question distincte de la production d’un score. C’est à cette frontière que la réforme devra être évaluée.
L’intérêt public ne se mesure pas au seul nombre de fichiers raccordés. Il dépendra de la capacité à mieux prévenir les violences et à orienter les services, sans transformer une adresse, une situation sociale ou une erreur d’enregistrement en suspicion durable. Ce résultat reste à établir.
De la présentation présidentielle au pilote d’Almazar
Le 4 novembre, une présentation à Chavkat Mirzioïev expose les nouveaux mécanismes de sécurité publique. La présidence insiste alors sur les limites d’une appréciation fondée sur les seules statistiques d’infractions, le manque d’intégration des informations et la nécessité de considérer les facteurs sociaux et économiques. Cette communication présente le raisonnement de l’exécutif ; elle ne constitue pas une évaluation indépendante de la prévention existante. [2]
L’acte juridique est daté du 6 novembre et entre en vigueur le 7. Il prévoit le lancement expérimental de la plateforme dans le district d’Almazar, à Tachkent, avant la fin de 2027, puis son extension progressive aux régions à partir de 2028. Le parquet général et les administrations partenaires doivent conduire ce déploiement. [1]
Au 21 novembre 2026, le calendrier permet donc de parler d’une organisation juridique et d’un projet de mise en service. Il ne permet pas d’annoncer qu’un système national fonctionne déjà. La différence est substantielle : l’entrée en vigueur crée des obligations, tandis que le pilote devra montrer comment elles sont exécutées et quelles difficultés elles rencontrent.
Des données territoriales et des enquêtes auprès des habitants
La présentation du ministère de la Justice décrit une plateforme réunissant des informations sur les infractions, leurs causes et les mesures de prévention. Les prévisions doivent distinguer les territoires et les catégories de criminalité. Le dispositif associe aussi des enquêtes annuelles de victimation, des enquêtes sur le sentiment de sécurité et des recherches ciblées. Ces instruments figurent dans le programme annoncé ; leurs résultats futurs ne sont pas encore disponibles. [3]
La présidence présente également un indice de résistance à la criminalité, combinant la sécurité avec des facteurs sociaux, économiques et liés aux infrastructures. La logique revendiquée consiste à répartir la responsabilité de la prévention entre plusieurs services, au-delà de la seule police. Il s’agit d’un objectif officiel, dont les effets dépendront des moyens et des pratiques de chaque administration. [2]
Cette articulation peut être utile si une alerte aboutit, par exemple, à examiner un éclairage insuffisant ou un défaut d’accès à un service. Elle devient plus problématique si le même signal est interprété comme une caractéristique des habitants. L’unité choisie pour l’analyse — rue, quartier, groupe ou individu — et les usages autorisés devront être expliqués séparément.
Quand l’activité policière façonne ses propres données
Une étude de Danielle Ensign et de ses coauteurs, publiée en 2018, formalise un risque de boucle de rétroaction : lorsque les infractions découvertes orientent les patrouilles, puis alimentent à nouveau le modèle, certains quartiers peuvent recevoir une surveillance croissante indépendamment de leur criminalité réelle. Le travail distingue notamment les faits signalés par les habitants des faits découverts par la police. C’est un résultat de recherche sur un mécanisme ; ce n’est pas un constat sur la future plateforme ouzbèke. [4]
L’enjeu peut se comprendre sans attribuer une intention aux concepteurs. Un secteur davantage observé peut produire davantage d’enregistrements. Si le système traite cette différence comme une mesure directe du danger, il risque de recommander encore plus d’observation. Inversement, peu de plaintes peuvent correspondre à une faible victimation, mais aussi à des obstacles au signalement. Ces possibilités doivent être départagées par des données distinctes.
Les enquêtes annoncées pourraient fournir un point de comparaison utile, à condition que leur échantillonnage, leurs questions et leurs résultats soient suffisamment transparents. Un taux d’infractions enregistrées ne répond pas à la même question qu’un témoignage anonyme sur une violence subie. Les agréger dans un indicateur unique sans expliciter leurs différences ferait perdre une partie de l’information recherchée.
L’évaluation devrait aussi distinguer la qualité de la prévision de celle de l’intervention. Même une estimation statistique correcte ne démontre pas qu’une réponse policière précise est nécessaire ou proportionnée. Il faut encore examiner les options possibles, les erreurs commises et les conséquences sur les personnes. Une validation humaine purement formelle ne suffirait pas à répondre à ces questions.
Les institutions africaines ont leurs propres critères de contrôle
La stratégie continentale sur l’intelligence artificielle, adoptée par le Conseil exécutif de l’Union africaine en juillet 2024, articule développement des capacités, adaptation aux contextes africains, protection des droits et réduction des risques. Elle donne une place aux compétences et aux institutions du continent dans la définition des usages. Cette orientation fournit un cadre de comparaison ; elle ne régit pas le dispositif ouzbek. [5]
En Afrique du Sud, l’article 71 de la loi sur la protection des informations personnelles encadre, dans son champ d’application, certaines décisions produisant des effets juridiques ou substantiels lorsqu’elles reposent exclusivement sur un traitement automatisé. Il prévoit des exceptions et des garanties. La loi comporte par ailleurs des exclusions conditionnelles pour certains traitements de sécurité et de justice : on ne peut donc en déduire une interdiction générale de l’analyse policière automatisée. [6]
Pour les chercheurs, autorités de protection des données et administrations africaines, la question comparative est celle du pouvoir de vérifier. Qui peut examiner les variables, corriger une donnée, contester une conclusion et suspendre un outil défaillant ? Acheter une plateforme sans capacité locale d’audit déplacerait une partie de ce pouvoir vers son fournisseur. Ce risque dépend des contrats et des compétences disponibles, non de la nationalité supposée d’une technologie.
Aucune coopération africaine spécifique n’a été documentée dans les pièces examinées pour cet article. Le rapprochement porte sur les choix institutionnels : produire des connaissances utiles à la sécurité tout en conservant la possibilité d’en discuter la méthode et les conséquences. Il ne suppose ni un modèle africain unique ni des situations politiques identiques.
Les spécifications et les voies de recours restent à documenter
Les sources consultées ne comprennent pas de dossier technique complet permettant d’identifier les modèles retenus, leurs données d’entraînement, leurs taux d’erreur ou les tests prévus avant déploiement. Elles ne permettent pas non plus de reconstituer un budget détaillé, les contrats des prestataires ou les modalités concrètes d’un audit extérieur. Ces pièces n’ont pas été obtenues ; cela ne prouve pas leur inexistence.
Les garanties inscrites dans le décret devront être traduites en procédures vérifiables. Qui autorise un accès ? Combien de temps une information est-elle conservée ? Comment une personne apprend-elle qu’une donnée erronée la concerne ? Quel service doit la rectifier, et qui contrôle cette rectification ? Le texte général consulté ne suffit pas à répondre opérationnellement à chacune de ces questions. [1]
Il manque également un état de référence permettant de comparer la situation avant et après le pilote. Sans mesure initiale et sans méthode pour distinguer l’effet de la plateforme de celui d’autres politiques, une évolution de la criminalité ne pourra pas lui être attribuée automatiquement. Une enquête de terrain auprès des usagers et des agents compléterait utilement la documentation juridique.
Le pilote devra rendre visibles ses erreurs autant que ses résultats
Un premier scénario serait celui d’un outil d’aide à la prévention, dont les prévisions déclencheraient des vérifications et des réponses adaptées, avec une documentation publique des limites. Le bénéfice devrait alors être recherché dans des indicateurs distincts : violences subies, accès aux services, confiance des habitants et traitement effectif des erreurs. Aucun de ces effets ne peut être tenu pour acquis aujourd’hui.
Un deuxième scénario serait celui d’une intégration administrative réussie mais d’une utilité difficile à mesurer. Les données circuleraient mieux sans qu’il soit possible de démontrer une amélioration de la sécurité. Un troisième verrait les scores peser excessivement sur les décisions malgré les garanties formelles. Ces trajectoires sont des hypothèses d’évaluation, non des prédictions.
Le rendez-vous important sera donc la publication d’éléments contrôlables sur Almazar : périmètre réel, moyens engagés, usages autorisés, incidents et résultats. La crédibilité de la réforme dépendra de la possibilité de corriger ou d’abandonner une méthode inefficace. Le décret ouvre ce chantier ; l’expérimentation devra en apporter les preuves.
Les textes et travaux qui permettent la vérification
[1] République d’Ouzbékistan, décret présidentiel UP-241 du 6 novembre 2026 sur le contrôle numérique, l’analyse et la prévision de la situation criminogène ; base juridique LexUZ, entrée en vigueur le 7 novembre 2026, notamment points 5 et 6. Texte primaire consulté en russe.
[2] Présidence de l’Ouzbékistan, « New mechanisms to ensure public safety discussed », 4 novembre 2026. Communication de l’exécutif sur la présentation des nouveaux mécanismes.
[3] Ministère de la Justice de l’Ouzbékistan, portail Advice, présentation de la plateforme unifiée de prévision de la criminalité, notice 3901, novembre 2026. Explication institutionnelle du décret.
[4] Danielle Ensign, Sorelle A. Friedler, Scott Neville, Carlos Scheidegger et Suresh Venkatasubramanian, « Runaway Feedback Loops in Predictive Policing », Proceedings of Machine Learning Research, volume 81, 2018, pages 160–171.
[5] Union africaine, Continental Artificial Intelligence Strategy: Harnessing AI for Africa’s Development and Prosperity, juillet 2024 ; adoption par le Conseil exécutif à Accra les 18 et 19 juillet 2024.
[6] Afrique du Sud, Protection of Personal Information Act 4 of 2013, notamment articles 6 et 71 ; version publiée sur le site du ministère de la Justice. Les comparaisons juridiques ne valent pas assimilation des systèmes nationaux. Documentation arrêtée au 21 novembre 2026.

