Présentation du programme PITT
Le Department of Homeland Security (DHS) a créé des Predictive Intelligence Targeting Teams (PITT) au sein de la Border Patrol. Deux équipes identifiées – Spokane Sector (Washington) et Laredo Sector (Texas) – analysent des bases de données qualifiées de « law‑enforcement‑sensitive » et, selon un document interne, examinent les activités financières des citoyens américains. Les résultats sont transmis aux forces locales, qui utilisent ces renseignements comme prétexte pour des contrôles routiers, même en l’absence d’une cause probable directe.
Architecture technique et flux de données
Le processus décrit dans le dossier de l’agent Matthew Phelps indique une chaîne en trois étapes : collecte, corrélation et diffusion. La collecte implique probablement des flux provenant de financial transaction monitoring systems (ex. rapports de banques, réseaux de cartes de crédit) et de bases de données criminelles (antécédents judiciaires, listes de surveillance). La corrélation s’effectue via des algorithmes de pattern‑matching qui recherchent des « indicateurs financiers associés au trafic de stupéfiants ». Le résultat – un score ou un indicateur de risque – est ensuite injecté dans les systèmes de la Border Patrol et partagé par e‑mail ou messagerie sécurisée avec les agents de terrain, comme le sergent James Beck dans l’affaire Olson.
Analyse des risques et des limites juridiques
Le modèle repose sur la génération de « probable cause synthétique », un concept contesté par le Center for Democracy & Technology. En droit américain, la quatrième amendement exige une cause probable basée sur des faits observables ; un score dérivé d’une analyse financière ne satisfait pas ce critère, ce qui expose le programme à des recours judiciaires pour détournement de procédure. De plus, l’absence de transparence sur les critères de sélection, les seuils de déclenchement et la présence éventuelle de mandats judiciaires crée un risque de sur‑surveillance et de discrimination algorithmique.
Implications opérationnelles et perspectives de contrôle
Le recours aux automatic license plate readers (ALPR) combiné aux données financières constitue une forme de surveillance multimodale. Chaque point de donnée (lecture de plaque, transaction bancaire, historique judiciaire) augmente la probabilité de false‑positive, comme le montre le cas d’Olson : l’obstruction de la plaque était le prétexte officiel, mais le déclencheur initial était un profil financier. Le CBP affirme que le programme respecte les lois et les protections de la vie privée, mais refuse de divulguer les « méthodes analytiques, sources de données, critères de ciblage ». Cette opacité empêche toute évaluation indépendante de la précision du modèle et complique la mise en place de mécanismes d’audit.
