Pour chacun de ces facteurs, une image cartographique a été créée, toujours quadrillée de pixels de 20 mètres sur 20. Dans le cas de l’image renvoyant aux itinéraires, les pixels qui présentaient une zone de repli dont la distance cumulée avec les différents lieux de méfaits avoisinait les 100 kilomètres avaient le plus haut score. Pour l’image représentant la proximité aux routes principales, les pixels les plus proches de ces routes avaient également un score plus élevé. Pareil, enfin, pour les pixels de l’image échelonnant les zones en fonction de leur caractère rural. Chacun de ces facteurs, en fonction de son importance, avait un poids plus ou moins élevé. Le respect de la distance était le plus important, suivi par la proximité des routes principales, et enfin, le caractère rural de la région. « On additionnait ensuite les résultats de chacune de ces images en pondérant les points suivant leur poids. Plus la valeur des pixels était élevée, plus il y avait de chances que les criminels y cachent leur véhicule. » Pour de simples raisons informatiques, la valeur de chaque pixel variait entre 0 et 255.

La recherche n’était cependant pas terminée. Les pixels, toujours suite à une discussion avec la police, devaient abriter une zone bâtie. Les malfaiteurs ayant vraisemblablement besoin d’un lieu où se cacher (garage, maison, hangar…). Si cette contrainte était remplie, le pixel était validé. Sinon, il était écarté. Techniquement, c’était possible grâce à une simple question de calcul. Le fait qu’un pixel abritait une zone bâtie ou non était différencié de manière binaire. Dans le cas où rien n’était construit, le pixel obtenait une valeur 0. Dans le cas contraire, on lui octroyait la valeur 1. Les trois facteurs additionnés entre eux étaient alors multipliés à la contrainte. La somme d’un chiffre multiplié à 0 est toujours égale à 0. Les cellules obtenant zéro étaient écartées. Quant aux pixels présentant les meilleurs scores, ils étaient extraits et représentaient la zone à investiguer. « En ne gardant que ces cellules, il ne restait plus qu’une toute petite portion de route possible sur toute la région étudiée, se réjouissent les chercheurs. Si nous n’avions pas été en simulation, nous aurions aiguillé une descente de police en fonction de ces résultats. »

Aider à dégrossir, et non pas élucider les enquêtes

« Une fois que nous avons classé les pixels en fonction de ces critères, nous avons demandé la solution aux policiers, raconte Marie Trotta. Il s’est avéré que le pixel abritant l’entrepôt où s’étaient cachés les malfaiteurs avait sur notre carte une valeur de 252 sur 255. Il figurait, selon nos déductions, parmi les zones de repli les plus plausibles. » Dans le cas présent, l’expertise géographique a fonctionné. Mais évidemment, il s’agit d’une aide basée sur des hypothèses, qui ne peut pas garantir un taux de réussite absolu. Ces informations restent des pistes d’exploration, des possibilités basées sur les lois de la probabilité. 

Une démarche transposable

Les données auxquelles les chercheurs ont eu accès reflétaient certes un cas ponctuel. Chaque série criminelle a ses particularités, ses indices et ses inconnues. Par exemple, le fait peu fréquent que le propriétaire du véhicule connaisse le kilométrage était une information clé pour retracer l’itinéraire des malfaiteurs.