Pour un crime semblable, deux personnes peuvent recevoir des peines différentes selon le juge, le district ou l’année. L’analytique judiciaire promet de corriger ces écarts — mais le droit canadien tient la cohérence pour une valeur à équilibrer, jamais à maximiser. Et la France, elle, a carrément interdit d’analyser les juges.
La peine que vous recevez devrait-elle dépendre du juge sur lequel vous tombez? La question dérange, parce que la réponse honnête est : un peu, oui. C’est ce que l’intelligence artificielle prétend corriger. Mais l’histoire est plus compliquée qu’un calcul.
Le problème : des écarts réels, mais mal mesurés
Le droit canadien connaît le principe de parité (article 718.2 du Code criminel) : des délinquants semblables, dans des circonstances semblables, devraient recevoir des peines semblables. Les cours d’appel établissent d’ailleurs des « fourchettes de peines » pour y veiller. Mais ce principe est délibérément secondaire. Il cède devant la proportionnalité (article 718.1) et l’individualisation : la peine s’ajuste à la personne et au contexte.
Résultat, des disparités injustifiées subsistent — et, fait troublant, on en ignore l’ampleur. Comme le note la Bibliothèque du Parlement, faute de commission canadienne sur la détermination de la peine, personne ne sait avec certitude l’étendue de ces écarts, et rien n’indique qu’ils aient diminué depuis 1996. À cela s’ajoute la surreprésentation des personnes autochtones, que l’arrêt Gladue oblige précisément à prendre en compte.
Ce qu’on essaie déjà
C’est le terrain de la justice prédictive et de l’analytique des peines. En passant au crible des milliers de décisions publiées (sur des bases comme CanLII ou SOQUIJ), un modèle peut cartographier les fourchettes, comparer un dossier à des cas analogues et signaler les écarts. L’idée : donner au juge un comparateur objectif, et rendre la parité plus opérante. Au fond, les tribunaux le font déjà — à la main — en consultant la jurisprudence.
La technologie, et comment elle s’adapte
Le mécanisme est descriptif. L’outil ingère des jugements, en extrait les faits, les facteurs aggravants et atténuants, puis l’issue, et restitue une distribution : voici l’éventail des peines déjà rendues pour ce type d’affaire. Il ne décide pas; il situe.
Les obstacles — le cœur du problème
L’individualisation prime. Le droit refuse que la peine devienne une moyenne. Comme le rappelle le ministère de la Justice, la parité « n’est ni un concept numérique ni un concept officiel ». Un outil qui tirerait les peines vers la moyenne statistique heurterait le devoir d’adapter la sanction à chaque personne.
L’indépendance judiciaire — l’exemple français. La France a tranché net : son article 33 de la loi du 23 mars 2019 interdit de réutiliser l’identité des magistrats pour « évaluer, analyser, comparer ou prédire » leurs pratiques — sous peine d’emprisonnement pouvant atteindre cinq ans. Le but : empêcher le « profilage » des juges et le magasinage de tribunal qui en découlerait, jugés susceptibles d’altérer le fonctionnement de la justice. Or c’est précisément l’usage le plus pointu de l’analytique des peines.
Le biais des données. Entraîner un outil sur les peines passées, c’est risquer d’y incorporer les discriminations passées — notamment envers les personnes autochtones. La « cohérence » produite pourrait n’être qu’une injustice constante. Le remède reproduirait le mal.
Une cible sans étalon. Comme on ignore l’ampleur réelle des disparités, on ne peut pas démontrer qu’un outil les corrige. Reste le risque d’une fausse précision, rassurante mais trompeuse.
L’état des preuves
Les signaux convergent vers la prudence. La France a criminalisé l’usage le plus tranchant; les formes extrêmes de justice prédictive — un algorithme qui se substitue au juge — sont, selon le Sénat français, unanimement rejetées par les acteurs du droit. À l’inverse, les tribunaux utilisent déjà, de façon transparente, des fourchettes jurisprudentielles — une « analytique » humaine et assumée. Aucune donnée ne montre, à ce jour, qu’un outil algorithmique réduise les disparités injustes; il risque surtout de les figer. La nuance existe pourtant : certains magistrats voient un intérêt à ce que les juges analysent eux-mêmes leurs propres écarts, pour s’amender.
La vraie question n’est pas de savoir si la machine peut calculer une peine — elle le peut. C’est de savoir si la justice doit être une moyenne. Le droit canadien a répondu : non, la personne passe avant le barème. L’analytique peut éclairer le chemin déjà tracé par la jurisprudence; le pouvoir d’écarter la fourchette, lui, doit rester humain et motivé. Ce texte fait partie de notre dossier L’IA et la justice québécoise.
Cet article est à jour au 19 juin 2026 et sera révisé au fil des décisions et des déploiements.
⚡ Voix augmentée — Note sur ce contenu. Cet article a été rédigé par une journaliste IA du Juridhic à partir de ses recherches, puis vérifié et validé sous la responsabilité éditoriale de la rédaction humaine du Juridhic. Sur un sujet où l’intelligence artificielle est à la fois l’objet et l’outil, chaque fait et chaque source ont été contrôlés par un humain. Une erreur, une information à mettre à jour? Signalez-la-nous à corrections-lejuridhic@protonmail.ch.
Références
- Bibliothèque du Parlement. La détermination de la peine au Canada. lop.parl.ca
- Ministère de la Justice du Canada. Réforme des objectifs et principes de détermination de la peine. justice.gc.ca
- Le carnet de droit pénal. Principe de parité. carnetdroitpenal.ca
- Jurisource. Les principes de la détermination de la peine. jurisource.ca
- Légifrance. Article 33, Loi n° 2019-222 du 23 mars 2019 de programmation 2018-2022 et de réforme pour la justice. legifrance.gouv.fr
- Sénat (France). L’intelligence artificielle générative et les métiers du droit : agir plutôt que subir. senat.fr
- La France bannit les IA de prédiction des comportements des juges. (2019). Developpez.com. intelligence-artificielle.developpez.com
- Blog Cyberjustice. Le profilage des juges : dangereux? cyberjustice.blog
