Affaire Lyhanna : l’IA face aux limites structurelles de la justice

Le 12 juin 2026 ont lieu les obsèques de Lyhanna. Quatorze jours plus tôt, le 29 mai, cette collégienne de 11 ans disparaissait à Fleurance dans le Gers. Son corps était retrouvé six jours plus tard. Le suspect principal, Jérôme Barella, avait fait l’objet de plusieurs plaintes et signalements antérieurs, dont une procédure pour viols présumés sur mineure toujours en cours au moment de sa disparition. La procédure aurait été retardée par un conflit de compétences territoriales entre parquets.

Malgré le fichier Cassiopée censé assurer le suivi des procédures pénales, aucun magistrat n’avait entendu le suspect dans le cadre de la procédure en cours. Gérald Darmanin a présenté ses excuses « au nom de la Justice », en reconnaissant qu’elle « a failli dans le suivi des plaintes ». Emmanuel Macron a déclaré ne vouloir « entendre aucun argument de moyens dans cette affaire », signalant ainsi que la défaillance est d’abord organisationnelle.

L’affaire n’est pas exceptionnelle. Les professionnels du secteur judiciaire reconnaissent eux-mêmes qu’elle en rejoint des dizaines de milliers d’autres : des plaintes enregistrées, un suspect connu, et une procédure qui n’aboutit pas faute de traitement effectif.

Dans les jours qui ont suivi, des voix se sont élevées pour désigner l’intelligence artificielle comme solution partielle au problème. C’est cette proposition qu’il convient d’examiner sérieusement, afin d’évaluer ce qu’elle suppose, ce qu’elle peut faire, et ce qu’elle ne résoudra pas.

Le système a déjà un outil numérique

Cassiopée existe depuis les années 2000. Ce système d’information couvre l’ensemble des activités des services des juridictions pénales et a précisément vocation à assurer la traçabilité des plaintes, des actes d’enquête et des suites de procédure. Il était opérationnel dans l’affaire Lyhanna et les signalements y étaient enregistrés.

La CNIL documentait dès 2009 l’absence quasi systématique de transmission par les parquets des suites judiciaires nécessaires à la mise à jour des fichiers interconnectés, notamment parce que les procureurs ne disposaient pas des systèmes informatiques permettant de le faire.

Selon les éléments du rapport conjoint IGA/IGPN/IGJ sur l’évaluation des stocks de procédures, dont l’existence est confirmée dans le rapport d’activité 2023 de l’IGJ publié par le ministère de la Justice, les commissariats comptaient en 2022 un stock de 2,7 millions de plaintes anciennes non traitées, un tiers depuis plus de deux ans, auxquelles s’ajoutaient 3,5 millions de nouvelles plaintes dans l’année, chiffres confirmés en séance sénatoriale par Darmanin lui-même. Ces données concernent la seule police nationale. En juin 2026, dans la foulée directe de l’affaire Lyhanna, le garde des Sceaux ordonnait la revue de 70 000 plaintes impliquant des mineurs victimes de violences, un chiffre qui délimite un sous-ensemble du problème.

Il ne s’agit donc pas d’un défaut de traçabilité. C’est un défaut de traitement, certes aggravé par le volume, mais non réductible à lui. La distinction est centrale, parce qu’elle détermine ce qu’une IA pourrait réellement changer. Un outil qui agrège mieux ce que personne ne lit n’est pas une solution suffisante.

La question décisive est celle du problème exact que l’on prétend résoudre.

Ce que l’IA peut faire

Le périmètre technique d’une IA appliquée à la chaîne pénale est réel : triage automatisé des procédures, détection de patterns de récidive, priorisation des alertes, ou encore consolidation de signalements épars.

Ces fonctions existent déjà, et certaines sont déployées ailleurs. Aux États-Unis, l’outil COMPAS évalue le risque de récidive pour orienter les décisions de libération conditionnelle, avec des résultats documentés, mais aussi des biais raciaux qui ont fait l’objet d’une controverse juridique majeure. En Estonie, un projet pilote de justice automatisée a traité des litiges civils de faible montant, dans un périmètre volontairement limité et sur des données structurées. Ces expériences montrent que des résultats mesurables sont possibles, et surtout que les conditions de déploiement en déterminent entièrement la valeur.

Un cas d’usage de l’IA mérite d’être nommé précisément, parce qu’il correspond exactement à la défaillance documentée dans l’affaire Lyhanna : la détection transversale. Un système capable de croiser automatiquement des signalements issus de juridictions différentes (là où Cassiopée ne centralise que ce qu’on lui soumet manuellement) pourrait remonter un profil multi-plaintes avant qu’un magistrat ne l’identifie lui-même. C’est un apport réel, que ni le volume de dossiers ni la fragmentation des parquets ne permettent aujourd’hui d’obtenir par voie humaine. Cependant, même le cas d’usage le plus pertinent suppose une interopérabilité des systèmes qu’aucune réforme n’est parvenue à construire durablement à l’échelle de la chaîne pénale.

La question contrefactuelle mérite d’être posée précisément : qu’aurait changé un système d’IA déployé en amont de l’affaire ? Trois éléments, et trois seulement, peuvent être identifiés avec une certaine rigueur. Premièrement, la détection transversale : neuf procédures contre Jérôme Barella, issues de plusieurs juridictions, auraient pu déclencher automatiquement une alerte qu’aucun parquet n’a produite manuellement. Deuxièmement, l’alerte sur récidive : un système de scoring appliqué au profil de Barella aurait signalé un risque élevé dès la deuxième ou troisième procédure, indépendamment de la juridiction saisie. Troisièmement, la traçabilité horodatée : chaque acte accompli ou omis aurait été documenté et opposable, rendant la défaillance visible en temps réel plutôt qu’après le drame.

En allant plus loin, et dans le contexte d’une administration saturée, les capacités de l’IA pourraient dépasser un simple rôle d’assistance et fonctionner comme contrainte organisationnelle. Cela consisterait à forcer la visibilité de ce qu’on ignore, structurer une priorisation qui reste aujourd’hui implicite et donc incontrôlable, et rendre certaines défaillances documentées plutôt qu’invisibles. Un profil comme celui de Jérôme Barella, agrégé automatiquement et horodaté, deviendrait alors politiquement et juridiquement difficile à ignorer.

Les gains d’une IA bien intégrée seraient probablement partiels et ciblés : comme par exemple une réduction des délais sur des flux administratifs identifiés, ou encore une amélioration mesurable sur certains types de procédures. Ces gains modestes peuvent être significatifs pour les victimes concernées, mais ils ne constituent pas une réponse systémique et ils ne se matérialisent que si les prérequis structurels sont réunis.

Ces conditions ne sont pas figées. Une interopérabilité même partielle, un effort ciblé de structuration des données sur un périmètre limité, ou une réforme du régime disciplinaire des magistrats changeraient l’équation. Ils rendraient certains déploiements d’IA substantiellement plus efficaces que ce que le système permet aujourd’hui.

Maintenant que l’on sait dans quelle mesure l’IA peut aider, il convient de se demander dans quelles conditions elle pourrait le faire.

Ce que le droit impose

Nommer toutes ces fonctions globalement sous le terme « IA » masque une distinction que le droit oblige à faire. Trier des procédures administratives, détecter une récidive pour alerter un magistrat, ou encore recommander une décision de détention provisoire sont trois niveaux d’intervention radicalement différents sur le plan réglementaire. Le débat public les amalgame systématiquement, ce qui permet à chacun de projeter la solution qu’il préfère sur un mot valise.

L’AI Act est précis sur ce point. L’Annexe III inclut parmi les systèmes à haut risque ceux utilisés dans l’administration de la justice et certaines fonctions d’application de la loi, qu’il s’agisse d’aide à l’évaluation des risques, de priorisation des enquêtes ou d’assistance à la décision judiciaire. Un tel système est soumis à des obligations substantielles, telles que documentation technique, évaluation de conformité, enregistrement dans la base de données EU, exigences de transparence et de traçabilité des décisions.

Il faut ajouter que la directive Police-Justice de 2016, transposée en droit français, crée un régime parallèle pour les traitements de données à des fins pénales, distinct du RGPD et comportant ses propres conditions de licéité.

Un déploiement d’IA dans le contexte judiciaire se trouve à l’intersection de ces deux régimes, or cette articulation n’est pas clarifiée dans le droit positif actuel. Lorsqu’un système de priorisation des plaintes traite des données à des fins pénales tout en assistant une décision judiciaire, ni le cadre de l’AI Act ni celui de la directive ne désigne clairement le régime applicable, les obligations prioritaires, ni l’autorité de contrôle compétente. Pour le déployeur public, ce vide n’est pas théorique et représente une absence de feuille de route.

Cette distinction réglementaire recoupe une distinction opérationnelle que le débat public efface : les 2,7 millions de plaintes non traitées concernent majoritairement la police, et non les juridictions. Le goulot d’étranglement est d’abord policier. Une IA déployée au niveau des commissariats pour trier et prioriser les procédures n’est pas soumise aux mêmes obligations qu’un système d’aide à la décision judiciaire, et ne résout pas les mêmes problèmes. Confondre les deux niveaux, c’est proposer une solution au mauvais endroit.

La question de savoir qui déploie, qui audite, qui répond en cas d’erreur de priorisation, et sous quel régime est incontournable.

La supervision humaine dans un système déjà saturé

L’Article 14 de l’AI Act impose aux systèmes à haut risque une supervision humaine effective. L’exigence est formulée avec précision : les opérateurs humains doivent comprendre les capacités et les limites du système, être en mesure d’interpréter ses outputs, et conserver la capacité de désactiver ou d’ignorer ses recommandations. L’article 26 précise ce que cela suppose pour le déployeur : désigner un responsable de la supervision, former les agents concernés, surveiller le fonctionnement effectif du système, et tenir un registre des incidents.

Ces deux exigences reposent sur le même postulat selon lequel la personne en position de superviser dispose du temps, de la compétence technique et de l’autorité institutionnelle nécessaires pour exercer un contrôle substantiel. Ce postulat est fragile dans un contexte de saturation documentée tel que le système judiciaire français. Un magistrat qui traite un volume de dossiers le conduisant à ne pas instruire des plaintes pendant des mois ne dispose pas du temps nécessaire pour exercer un contrôle substantiel sur les outputs d’un algorithme.

Questionner une recommandation requiert une expertise technique que la plupart des juridictions ne concentrent pas au niveau où les décisions sont prises. Le résultat est documenté dans d’autres secteurs (radiologie assistée par IA, détection de fraude, modération de contenu) et induit un glissement de la supervision substantielle vers la validation formelle : le décideur valide parce que le système a été juste la dernière fois.

L’AI Act n’a pas de réponse à ce glissement. Il exige la supervision sans définir ce qui distingue un contrôle réel d’un rituel de validation. Dans un contexte où la saturation est une contrainte opérationnelle structurelle, cette absence de définition n’est pas un détail technique pour le déployeur public.

La question des biais algorithmiques ajoute une couche supplémentaire à ce problème. Un système entraîné sur l’historique des décisions judiciaires françaises risque de reproduire certains biais déjà présents dans ces décisions. L’article 10 de l’AI Act impose des exigences de gouvernance des données pour les systèmes à haut risque, notamment l’identification et la correction des biais dans les données d’entraînement. Cette exigence suppose que les données judiciaires soient suffisamment structurées, homogènes et documentées pour qu’un audit soit possible. Elles ne le sont pas : les bases de données judiciaires françaises sont hétérogènes, incomplètes, et construites selon des logiques administratives qui ne correspondent pas aux exigences d’un entraînement algorithmique rigoureux. Un système mal entraîné dans ce contexte ne reproduit pas seulement les erreurs passées, il les automatise et leur confère une apparence d’objectivité.

La question de l’acceptabilité sociale du dispositif, consistant en un algorithme qui influence une décision de détention provisoire ou de classement sans suite dans des affaires impliquant des mineurs, n’est pas traitée dans le débat public actuel. L’équation n’est pas simple : après un scandale de cette ampleur, une partie de l’opinion pourrait préférer un algorithme imparfait mais systématique à un humain débordé et peu sanctionnable, ce que l’expérience COMPAS aux États-Unis a illustré dans un contexte différent, avec ses propres dérives.

Une architecture que personne n’a su unifier

L’affaire révèle un autre problème, antérieur à toute question d’automatisation : les systèmes d’information de la police, de la gendarmerie et de la justice ne communiquent pas correctement entre eux. Ce cloisonnement est documenté depuis deux décennies par la CNIL et la Cour des comptes. Des agences ont été créées pour y remédier (l’ANFSI pour les forces de sécurité intérieure) sans que l’interopérabilité ne soit effective à ce jour entre l’ensemble des acteurs de la chaîne pénale.

Le fait que des dossiers transitent encore par voie postale entre parquets en 2026 n’est pas une anecdote. C’est le symptôme d’une architecture institutionnelle qui a longtemps privilégié l’autonomie de chaque institution sur la fluidité opérationnelle. Ce cloisonnement n’est pas un oubli technique et reflète des logiques de préservation de périmètre que les réformes successives n’ont pas réussi à démanteler.

Déployer de l’IA dans cet environnement fragmenté ne revient pas à optimiser un flux. Le résultat probable ne sera pas une amélioration systémique mais une optimisation locale qui laissera intacts les points de rupture.

L’argument économique et ses limites

La question du coût est posée dans le débat public : l’IA permettrait de réduire les dépenses liées au traitement de masse des procédures, et l’argument mérite d’être examiné sérieusement.

Sur la question des moyens d’abord : le budget du ministère de la Justice a augmenté de 48,5% en sept ans, passant de 6,8 milliards d’euros à 10,1 milliards en 2024. Sur les 1 600 postes créés dans le projet de loi de finances 2026, plus de la moitié concernent l’administration pénitentiaire, mais pas les parquets, pas les juridictions pénales, pas les services d’enquête.

Dans l’affaire Lyhanna, la question des moyens est encore plus directement mise en cause. Le suspect était identifié, les signalements enregistrés, les examens médicaux corroborant les faits versés au dossier. Selon les éléments rendus publics à ce jour, le parquet d’Auch avait demandé en février 2026 aux gendarmes de placer Barella en garde à vue, sans que cela ne se produise avant la disparition de Lyhanna. Ce qui a manqué semble moins relever d’un budget supplémentaire que de l’exécution effective d’une décision déjà prise. Des moyens supplémentaires et des circulaires ne changent rien si les agents en bout de chaîne n’accomplissent pas les actes qui leur incombent.

L’argument économique en faveur de l’IA est réel sur le périmètre étroit des tâches administratives automatisables. Il devient trompeur dès qu’on le présente comme une réponse au type de défaillance documenté dans cette affaire.

La responsabilité que l’IA ne résoudra pas, et risque d’aggraver

La question de la responsabilité des magistrats est celle que le débat public formule le plus directement depuis l’affaire et la plus difficile à trancher. Le régime applicable a une justification constitutionnelle sérieuse : l’indépendance de la magistrature est une garantie démocratique. Un juge exposé à des recours personnels directs est un juge potentiellement influençable. C’est précisément pourquoi le législateur n’y a pas touché substantiellement depuis des décennies, malgré des propositions de réforme récurrentes.

La responsabilité personnelle d’un magistrat ne peut pas être engagée directement par un justiciable. La voie normale est la responsabilité de l’État pour fonctionnement défectueux du service public de la justice, régie par l’article L141-1 du Code de l’organisation judiciaire. Deux seuils sont requis : la faute lourde (déficience caractérisée, grave, inexcusable) ou le déni de justice. Ces seuils sont élevés et rarement retenus. La voie disciplinaire existe via le Conseil Supérieur de la Magistrature, mais elle n’est pas ouverte directement au justiciable et ses délibérations restent largement opaques. Des propositions de réforme permettant une saisine directe du CSM circulent depuis une vingtaine d’années, et restent bloquées jusqu’à aujourd’hui sans qu’une réforme structurelle aboutisse.

Le débat public a rapidement cristallisé autour d’une proposition concrète : créer une cour disciplinaire de la magistrature, composée notamment de citoyens tirés au sort, qui retirerait au CSM son pouvoir de sanction. Ce que certains analystes qualifient de corporatisme institutionnel est en effet documentable : l’École Nationale de la Magistrature forme les magistrats, le CSM (composé majoritairement de magistrats) les sanctionne, et les syndicats professionnels pèsent institutionnellement sur les débats de réforme du statut. La profession se forme, se juge et se sanctionne elle-même dans un périmètre remarquablement fermé. Le paradoxe n’échappe à personne : une profession dont la fonction première est de faire endosser leur responsabilité à ceux qui causent du tort à la société bénéficie elle-même d’un régime qui rend cette responsabilité structurellement difficile à engager.

Une voix contradictoire mérite cependant d’être notée : certains juristes soutiennent que la magistrature est devenue la cible utile d’une classe politique cherchant à détourner l’attention de sa propre responsabilité dans le sous-financement chronique de la justice. Les deux lectures ne s’excluent pas, et c’est précisément leur coexistence qui complique le débat sur l’introduction de l’IA dans ce contexte.

Si un système algorithmique à haut risque est déployé sans que la question de la responsabilité des magistrats ne soit préalablement résolue, il ne change pas l’équation de la responsabilité, il la complique. Le magistrat qui valide une recommandation algorithmique erronée pourra invoquer s’être conformé à l’outil. L’algorithme ne pourra pas être mis en cause. L’éditeur du système invoquera ses conditions d’utilisation et les limites de la supervision exercée.

L’État restera le seul débiteur formel, dans un régime qui exige déjà la faute lourde pour engager sa responsabilité. L’affaire Lyhanna illustre quelque chose de plus profond : un système où chaque acteur peut légitimement pointer vers un autre. Le parquet d’Auch vers le volume de dossiers. Le ministre vers les dysfonctionnements locaux. Les magistrats vers le sous-effectif. La gendarmerie vers l’absence de réponse du parquet. Personne ne ment, et personne n’est responsable. L’IA déployée dans ce système n’y changerait rien : elle ajouterait deux acteurs supplémentaires vers lesquels renvoyer : le déployeur public, qui invoquera les limites de la supervision exercée, et le fournisseur du système, qui invoquera ses conditions d’utilisation et la conformité de l’outil. La chaîne de responsabilité ne serait pas clarifiée pour autant.

Ce que l’affaire pose réellement

On présente l’IA comme une réponse à un dysfonctionnement humain, mais c’est méconnaître la nature du problème. L’affaire Lyhanna n’est pas un problème de capacité de traitement de l’information. C’est un problème de décision, d’organisation et de responsabilité dans un système où ces trois dimensions sont structurellement défaillantes.

Aucun outil ne peut être efficace sans acteur clairement responsable de son usage. Déployer de l’IA dans la chaîne judiciaire sans réformer préalablement le régime de responsabilité des magistrats, sans unifier l’architecture informatique des institutions concernées, et sans définir précisément quel niveau d’intervention est confié à l’algorithme, c’est introduire une réponse technique à une question qui ne l’est pas.

Cela ne signifie pas qu’un déploiement est impossible. Un périmètre restreint (violences sexuelles sur mineurs, côté police plutôt que juridictions) avec une architecture d’interopérabilité préalable, un régime de responsabilité du déployeur clarifié, et une expérimentation juridiquement encadrée, constituerait un point d’entrée défendable. Cette configuration n’est pas proposée dans le débat public actuel.

La réglementation européenne a pensé la supervision humaine comme un garde-fou. Elle suppose que l’humain qui supervise n’est pas lui-même en état de saturation chronique, ni protégé par un statut qui rend sa responsabilité quasi-inengageable. Ces deux hypothèses sont fausses dans le système judiciaire français tel qu’il fonctionne aujourd’hui.

L’analyse, le cadrage juridique et les choix éditoriaux de cet article relèvent d’un travail humain. La rédaction a bénéficié d’une assistance par IA, intégralement relue, corrigée et validée par l’auteure.

Rédigé par Anne-Sophie, Juriste en droit des affaires et droit du numérique | 15 ans d’expérience
Diplômée en droit international des affaires et certifiée CIPP/E, Anne-Sophie a construit son expertise en entreprise, au contact des enjeux contractuels et réglementaires liés à l’innovation technologique et au numérique.
Elle accompagne depuis 3 ans les entrepreneurs et startups dans la sécurisation de leurs usages de l’IA : rédaction et négociation de contrats, mise en conformité RGPD et AI Act et gouvernance opérationnelle avec une approche concrète, adaptée aux réalités du terrain