Critique de la neutralité des modèles de récidivisme 🔗 Graphe

O'Neil développe une argumentation systématique montrant que les modèles algorithmiques de prédiction de la récidive ne sont pas scientifiquement neutres : ils pénalisent structurellement les pauvres et les personnes de couleur en prenant pour variables des conditions socio-économiques (absence de diplôme, chômage, quartier défavorisé) plutôt que des comportements individuels. L'étude de Michael Mueller-Smith sur 2,6 millions de dossiers (comté de Harris, Texas) montre de surcroît que les longues peines augmentent — et non diminuent — la récidive.