SafeRBot, le chatbot multilingue qui veut simplifier les signalements de crimes

Signaler un incident peut être une démarche éprouvante, surtout lorsque la personne concernée ne maîtrise pas la langue du service qu’elle contacte ou ne sait pas quelles informations fournir. Dans les centres de dispatch américains, qui reçoivent notamment les appels au 911, cette difficulté s’ajoute à une réalité opérationnelle : des équipes sous tension, confrontées à une pénurie de personnel et à un volume élevé de demandes.

C’est dans ce contexte que des chercheurs de l’Université de l’Illinois à Urbana-Champaign ont développé SafeRBot. Ce chatbot a été pensé pour accompagner les personnes qui souhaitent déclarer un crime ou un incident non urgent. Son ambition est double : rendre la démarche plus accessible aux habitants et réduire le temps que les agents consacrent à recueillir les informations élémentaires avant qu’un dossier puisse être traité.

Le projet ne consiste donc pas à confier les urgences à une machine. Il s’agit d’organiser plus efficacement les signalements qui ne nécessitent pas une intervention immédiate, en combinant dialogue en langage naturel, formulaires structurés, prise en charge de plusieurs langues et réponses formulées avec empathie.

Pourquoi les centres de dispatch cherchent-ils de nouveaux outils ?

Les services de dispatch constituent un maillon essentiel de la sécurité publique. Leurs agents réceptionnent les appels, évaluent une situation, rassemblent les éléments utiles et dirigent les informations vers les personnes ou services compétents. Cette mission demande de la précision, de la disponibilité et une grande capacité d’écoute, y compris dans des échanges chargés émotionnellement.

Dans le système américain, les personnes qui veulent signaler un fait sont fréquemment placées devant une alternative simple : appeler le 911 lorsqu’il y a une urgence, ou remplir un formulaire en ligne lorsque la situation ne présente pas de danger immédiat. Entre ces deux options, il peut pourtant manquer un accompagnement. Un formulaire classique impose de savoir dès le départ quoi renseigner, dans quel ordre et avec quel niveau de détail. Un appel mobilise, lui, un agent humain, alors même que les équipes peuvent être en sous-effectif.

SafeRBot se place dans cet espace. Plutôt que de demander à l’utilisateur de traduire seul son expérience en cases administratives, le chatbot lui pose des questions successives. L’échange peut ainsi partir d’un récit spontané, puis aider à préciser progressivement la nature des faits, le moment et le lieu de l’incident, ainsi que les personnes impliquées.

SafeRBot, un entretien guidé plutôt qu’un formulaire figé

SafeRBot repose sur un grand modèle de langage, souvent désigné par le sigle anglais LLM. Ces systèmes d’intelligence artificielle sont capables d’interpréter des phrases rédigées de manière naturelle, de poursuivre une conversation et de produire du texte. Dans ce projet, cette capacité est mise au service d’une tâche très concrète : faire passer un signalement verbal, nécessairement désordonné, vers des champs exploitables dans un formulaire.

Une personne peut par exemple commencer par expliquer ce qui lui est arrivé avec ses propres mots. Le chatbot identifie alors les éléments qui semblent manquer et pose des questions complémentaires. Cette logique peut éviter une expérience fréquente sur les portails administratifs : parvenir au bout d’un formulaire sans avoir compris quelle réponse est attendue, ou abandonner parce qu’une question paraît trop technique.

Le tableau ci-dessous résume le changement de parcours recherché par le projet.

Cette assistance ne supprime pas le besoin de vérification. Un récit reste un récit, avec ses imprécisions possibles, et les décisions liées à un signalement demeurent du ressort des professionnels. L’intérêt du chatbot est de préparer une information plus complète et plus lisible, pas de trancher la réalité des faits ni de qualifier juridiquement une situation.

Le multilinguisme, un enjeu d’accès au service public

Une particularité importante de SafeRBot est sa capacité à interagir dans plusieurs langues. Le multilinguisme ne consiste pas seulement à traduire un formulaire mot à mot. Dans un dialogue, il faut aussi comprendre les réponses, conserver le fil de l’échange et formuler des questions de suivi cohérentes.

Le fonctionnement envisagé est simple pour l’utilisateur : si la conversation débute en espagnol, les questions suivantes continuent en espagnol. Cette continuité est essentielle. Passer brusquement d’une langue à une autre peut créer de l’incompréhension, en particulier lorsqu’il faut fournir une adresse, une chronologie ou une description précise de personnes et d’événements.

Pour les membres d’une communauté qui ne sont pas anglophones, un tel outil peut réduire une barrière concrète à la déclaration. Il ne règle toutefois pas à lui seul toutes les questions d’accessibilité. Un système multilingue doit pouvoir restituer correctement les faits, éviter les contresens et permettre une relecture adaptée par les services qui reçoivent le dossier.

Comment le récit devient-il un dossier structuré ?

L’objectif est de recueillir les données dont les services ont besoin sans contraindre d’emblée l’utilisateur à adopter leur vocabulaire administratif. Selon la présentation du projet, SafeRBot peut demander notamment :

• la nature de l’incident signalé ;
• la date et l’heure auxquelles les faits se sont produits ;
• le lieu concerné ;
• les détails disponibles sur les personnes impliquées.

À partir de ce dialogue, le modèle organise les réponses sous une forme structurée. Cette étape est importante pour les agents de dispatch : plutôt que de repartir d’un texte entièrement libre, ils disposent d’informations présentées de façon plus directement intégrable à leurs processus de travail.

Pourquoi intégrer de l’empathie dans un chatbot ?

Un signalement de crime n’est pas un simple échange de données. La personne qui décrit un incident peut être inquiète, frustrée, bouleversée ou hésitante. Or, des travaux antérieurs cités dans la conception de SafeRBot indiquent que le soutien émotionnel peut influencer la manière dont les citoyens réagissent aux questions de suivi.

SafeRBot a donc été conçu pour apporter des réponses empathiques, avec un niveau de soutien susceptible de s’ajuster aux besoins de la personne. L’idée n’est pas de faire croire qu’un logiciel ressent des émotions. Il s’agit plutôt de choisir des formulations attentives, qui reconnaissent la difficulté de la situation et expliquent avec tact pourquoi certains détails sont demandés.

Cette dimension peut avoir une utilité pratique. Une personne qui comprend que ses informations sont prises en compte est davantage en mesure de poursuivre l’échange et de préciser son récit. Dans un contexte de déclaration, l’empathie devient ainsi une composante de la qualité de l’interface, au même titre que la clarté des questions ou la possibilité de répondre dans sa langue.

Il faut néanmoins garder une limite nette en tête. Un chatbot, même bien conçu, n’a ni le jugement ni la responsabilité d’un agent formé. Il ne peut pas remplacer l’écoute approfondie d’un professionnel lorsqu’une personne a besoin d’aide immédiate, de réassurance humaine ou d’une évaluation complexe de sa situation.

Une conception menée avec la police d’Urbana

Le projet a été développé en collaboration avec le département de police d’Urbana. Cette association avec les forces de l’ordre répond à une nécessité opérationnelle : un outil de signalement n’a d’intérêt que s’il correspond réellement à la façon dont les informations sont ensuite reçues, consultées et traitées.

Les retours de ce département ont servi à adapter les fonctionnalités de SafeRBot aux besoins observés sur le terrain. Les agences de police qui disposent d’un accès au tableau de bord prévu pour l’outil peuvent gérer les informations collectées et les intégrer à leurs systèmes existants.

Cette intégration est un point central. Un chatbot isolé, qui se contenterait de discuter avec les habitants sans créer de passerelle fiable vers les outils des services, risquerait d’ajouter une étape plutôt que de simplifier le parcours. SafeRBot cherche au contraire à produire une information dont les équipes puissent se servir dans leur travail quotidien.

L’enjeu pour les agents est de réserver davantage de disponibilité aux cas les plus complexes et aux échanges qui exigent une intervention relationnelle directe. En automatisant la collecte initiale pour certains signalements, le système vise à limiter une part des tâches répétitives susceptibles d’alimenter la surcharge et le risque d’épuisement professionnel.

Que devient une déclaration confiée au chatbot ?

Les données traitées lors d’un signalement sont sensibles. Elles peuvent concerner un lieu, une victime, des témoins ou des personnes mises en cause. SafeRBot prévoit donc que les informations recueillies soient chiffrées et hébergées sur Amazon Cloud.

Le chiffrement vise à protéger les données contre un accès non autorisé. L’hébergement sur une infrastructure en nuage permet, de son côté, de centraliser les informations nécessaires au fonctionnement du service et à leur consultation par les agences autorisées. Ces deux éléments répondent à une préoccupation essentielle : une personne ne peut utiliser un canal de déclaration que si elle a un minimum de confiance dans le traitement de ce qu’elle communique.

La sécurité technique ne résume cependant pas l’ensemble du sujet. Pour un outil de sécurité publique, la protection des données dépend également de règles claires sur les accès, les usages possibles, la conservation des informations et la compréhension qu’en ont les utilisateurs. Les concepteurs de SafeRBot envisagent d’ailleurs un déploiement sous la forme d’une initiative communautaire, avec recueil du consentement des utilisateurs.

Ce qu’il faut surveiller avant un déploiement plus large

À la date du 24 janvier 2025, SafeRBot ouvre une piste concrète pour les services confrontés à la surcharge des déclarations non urgentes. Son approche associe plusieurs promesses souvent discutées séparément : conversation en langage naturel, aide multilingue, structuration automatique des informations et attention portée au ressenti de l’utilisateur.

La suite du projet devra toutefois montrer comment cette combinaison fonctionne dans la durée et dans des situations variées. Les chercheurs prévoient d’explorer davantage les effets de l’interaction entre humains et IA dans le domaine de la sécurité communautaire. Plusieurs questions seront particulièrement importantes : la fiabilité des informations structurées par le modèle, la capacité à gérer des conversations ambiguës, l’expérience des personnes multilingues et l’appropriation de l’outil par les agents.

Le principal critère de réussite ne sera pas la fluidité apparente du dialogue. Il sera de savoir si SafeRBot permet réellement aux habitants de signaler plus facilement un incident, tout en donnant aux professionnels des informations plus utiles et en préservant les garanties attendues pour des données aussi sensibles. C’est à cette condition qu’un chatbot pourra devenir un soutien crédible au travail humain dans la sécurité publique.