In 2007, I became the attorney general of the state of New Jersey. Before that, I'd been a criminal prosecutor, first in the Manhattan district attorney's office, and then at the United States Department of Justice.
En 2007, je suis devenue procureur général de l'état du New Jersey. Auparavant, j'étais procureur général, d'abord au sein du bureau du procureur de Manhattan, puis au Ministère de la Justice des Etats-Unis.
But when I became the attorney general, two things happened that changed the way I see criminal justice. The first is that I asked what I thought were really basic questions. I wanted to understand who we were arresting, who we were charging, and who we were putting in our nation's jails and prisons. I also wanted to understand if we were making decisions in a way that made us safer. And I couldn't get this information out. It turned out that most big criminal justice agencies like my own didn't track the things that matter. So after about a month of being incredibly frustrated, I walked down into a conference room that was filled with detectives and stacks and stacks of case files, and the detectives were sitting there with yellow legal pads taking notes. They were trying to get the information I was looking for by going through case by case for the past five years. And as you can imagine, when we finally got the results, they weren't good. It turned out that we were doing a lot of low-level drug cases on the streets just around the corner from our office in Trenton.
Mais lorsque je suis devenue procureur général, deux choses se sont passées et ont changé la façon dont je voyais la justice pénale. La première, c'est que j'ai posé, ce que je pensais être, des questions vraiment basiques. Je voulais comprendre qui étaient les personnes qu'on arrêtait, qui est-ce qu'on accusait, et qui est-ce qu'on mettait dans nos prisons d'état. Je voulais aussi comprendre si nous prenions les décisions de telle manière à ce qu'on soit plus en sécurité. Et je n'arrivais pas à obtenir ces informations. Il s'est avéré que la plupart des grandes organisations de justice comme la mienne ne suivent pas les choses qui comptent. Donc après un mois d'incroyable frustration, je suis entrée dans une salle de conférence remplie d'enquêteurs et de tas et de tas de dossiers, les enquêteurs étaient assis là avec des bloc-notes jaunes réglementaires. Ils essayaient d'obtenir les informations que je cherchais en vérifiant chaque affaire des cinq dernières années. Comme vous pouvez l'imaginer, quand on a finalement obtenu les résultats, ils n'étaient pas bons. Il s'est avéré que nous traitions beaucoup de petites affaires de drogue dans le quartier juste au coin de la rue de notre bureau de Trenton.
The second thing that happened is that I spent the day in the Camden, New Jersey police department. Now, at that time, Camden, New Jersey, was the most dangerous city in America. I ran the Camden Police Department because of that. I spent the day in the police department, and I was taken into a room with senior police officials, all of whom were working hard and trying very hard to reduce crime in Camden. And what I saw in that room, as we talked about how to reduce crime, were a series of officers with a lot of little yellow sticky notes. And they would take a yellow sticky and they would write something on it and they would put it up on a board. And one of them said, "We had a robbery two weeks ago. We have no suspects." And another said, "We had a shooting in this neighborhood last week. We have no suspects." We weren't using data-driven policing. We were essentially trying to fight crime with yellow Post-it notes.
La deuxième chose qui s'est passée c'est que j'ai passé la journée dans le département de la police de Camden, au New Jersey. A cette époque, Camden, New Jersey, était la ville la plus dangereuse en Amérique. J'ai choisi de diriger le département de police de Camden pour ça. J'ai passé la journée dans le département de la police, on m'a emmenée dans une salle avec les officiers de police, ils travaillaient tous très dur et essayaient vraiment de réduire la criminalité à Camden. Ce que j'ai vu dans cette salle, alors qu'on parlait de réduire la criminalité, c'est un groupe d'officiers avec beaucoup de post-it jaunes. Ils prenaient un post-it jaune et ils écrivaient quelque chose dessus et le plaçait sur un tableau. L'un deux a dit, « Nous avons eu un vol il y a deux semaines. Nous n'avons pas de suspects. » Un autre a dit : « Nous avons eu une fusillade dans le quartier la semaine dernière. Nous n'avons pas de suspects. » Nous n'utilisions pas de surveillance statistique. Nous combattions le crime essentiellement
Now, both of these things made me realize fundamentally that we were failing. We didn't even know who was in our criminal justice system, we didn't have any data about the things that mattered, and we didn't share data or use analytics or tools to help us make better decisions and to reduce crime. And for the first time, I started to think about how we made decisions. When I was an assistant D.A., and when I was a federal prosecutor, I looked at the cases in front of me, and I generally made decisions based on my instinct and my experience. When I became attorney general, I could look at the system as a whole, and what surprised me is that I found that that was exactly how we were doing it across the entire system -- in police departments, in prosecutors's offices, in courts and in jails. And what I learned very quickly is that we weren't doing a good job. So I wanted to do things differently. I wanted to introduce data and analytics and rigorous statistical analysis into our work. In short, I wanted to moneyball criminal justice.
avec des notes sur des post-it jaunes. Ces deux choses m'ont fait prendre conscience qu'on échouait fondamentalement. Nous ne savions même pas qui était dans notre système de justice pénale, nous n'avions aucune idée des choses qui importaient, et nous ne partagions aucune données ou analyses ou encore outils pour nous aider à prendre de meilleures décisions et réduire la criminalité. Et pour la première fois, j'ai commencé à penser à la façon dont on prenait des décisions. Lorsque j'étais assistante du procureur puis quand j'étais procureur général, je regardais les affaires en face de moi, et je prenais généralement des décisions basées sur mon instinct et mon expérience. Lorsque je suis devenue procureur général, je pouvais observer le système dans son ensemble, et ce qui m'a surpris c'est que j'ai trouvé que c'était exactement comme ça que nous le faisions au sein du système entier -- dans les commissariats de police, les bureaux des procureurs, les tribunaux et les prisons. Ce que j'ai appris très rapidement c'est que nous ne faisions pas du bon travail. Donc j'ai voulu faire les choses différemment. Je voulais introduire des données et des analyses des analyses statistiques rigoureuses de notre travail.
Now, moneyball, as many of you know, is what the Oakland A's did, where they used smart data and statistics to figure out how to pick players that would help them win games, and they went from a system that was based on baseball scouts who used to go out and watch players and use their instinct and experience, the scouts' instincts and experience, to pick players, from one to use smart data and rigorous statistical analysis to figure out how to pick players that would help them win games.
En clair, je voulais faire du moneyball en justice pénale. Maintenant, le moneyball, comme beaucoup d'entre vous le savent, c'est ce que l'équipe des Atlantics d'Oakland a fait lorsqu'ils ont utilisé des données pertinentes et des statistiques pour définir comment choisir des joueurs qui les aideraient à gagner des matchs, ils sont partis d'un système fondé sur des guetteurs de baseball qui sortaient voir les joueurs et utilisaient leur instinct et leur expérience, l'instinct de guetteur et l'expérience, pour sélectionner des joueurs, en utilisant des données pertinentes et une analyse statistique rigoureuse
It worked for the Oakland A's, and it worked in the state of New Jersey. We took Camden off the top of the list as the most dangerous city in America. We reduced murders there by 41 percent, which actually means 37 lives were saved. And we reduced all crime in the city by 26 percent. We also changed the way we did criminal prosecutions. So we went from doing low-level drug crimes that were outside our building to doing cases of statewide importance, on things like reducing violence with the most violent offenders, prosecuting street gangs, gun and drug trafficking, and political corruption.
pour décider comment choisir les joueurs qui les aideraient à gagner des matchs. Ça a marché pour les Atlantic d'Oakland, et ça a marché pour l'état du New Jersey. Nous avons sorti Camden du haut de la liste des villes les plus dangereuses en Amérique. Nous avons réduit les meurtres de 41 pour cent, ce qui en réalité correspond à 37 vies sauvées. Et nous avons réduit la criminalité totale dans la ville de 26 pour cent. Nous avons aussi modifié la façon dont nous menons les poursuites criminelles. Donc nous sommes passé des délits mineurs liés à la drogue qui avaient lieu à la sortie de notre bâtiment à traiter des affaires d'importance à l'échelle de l'état, à réduire les violences issues des délinquants les plus violents poursuivre des gangs,
And all of this matters greatly, because public safety to me is the most important function of government. If we're not safe, we can't be educated, we can't be healthy, we can't do any of the other things we want to do in our lives. And we live in a country today where we face serious criminal justice problems. We have 12 million arrests every single year. The vast majority of those arrests are for low-level crimes, like misdemeanors, 70 to 80 percent. Less than five percent of all arrests are for violent crime. Yet we spend 75 billion, that's b for billion, dollars a year on state and local corrections costs. Right now, today, we have 2.3 million people in our jails and prisons. And we face unbelievable public safety challenges because we have a situation in which two thirds of the people in our jails are there waiting for trial. They haven't yet been convicted of a crime. They're just waiting for their day in court. And 67 percent of people come back. Our recidivism rate is amongst the highest in the world. Almost seven in 10 people who are released from prison will be rearrested in a constant cycle of crime and incarceration.
des trafics d'armes et de drogues, de la corruption politique. Tout ça a vraiment de l'importance, parce que pour moi, assurer la sécurité publique est la plus importante fonction du gouvernement. Si nous ne sommes pas en sécurité, on ne peut pas être éduqué, on n'est pas en bonne santé, on ne peut rien faire de toutes les autres choses que l'on veut dans nos vies. Aujourd'hui, nous vivons dans un pays qui fait face à de sérieux problèmes de justice criminelle. Nous avons 12 millions d'arrestations chaque année. La grande majorité de ces arrestations concernent des petits crimes, comme des délits mineurs, 70 à 80 pour cent. Moins de cinq pour cent de toutes les arrestations sont pour des crimes violents. Pourtant nous avons dépensé 75 milliards, je dis bien milliards, de dollars par an en dépenses fédérale et locale. Maintenant, aujourd'hui, nous avons 2,3 millions de personnes dans nos prisons. Nous faisons face à des défis inimaginables de sécurité publique parce que nous sommes dans une situation où deux tiers des gens dans nos prisons sont là en attente de procès. Ils n'ont pas été reconnus coupables de crime. Ils attendent simplement leurs tours au tribunal. Et 67 pour cent des gens reviennent. Notre taux de récidive est parmi les plus hauts du monde. Presque sept personnes sur dix qui sont relâchées de prison seront, de nouveau, arrêtés
So when I started my job at the Arnold Foundation, I came back to looking at a lot of these questions, and I came back to thinking about how we had used data and analytics to transform the way we did criminal justice in New Jersey. And when I look at the criminal justice system in the United States today, I feel the exact same way that I did about the state of New Jersey when I started there, which is that we absolutely have to do better, and I know that we can do better.
dans un cycle régulier de crime et d'incarcération. Donc lorsque j'ai commencé mon travail à la Fondation Arnold, je suis revenue pour étudier beaucoup de ces questions, je suis revenue pour réfléchir à la façon dont nous avions utiliser les données et les analyses pour transformer la façon dont nous traitions la justice pénale au New Jersey. Lorsque je regarde le système de justice pénale aux Etats-Unis aujourd'hui, j'ai exactement le même sentiment que j'avais au sujet de l'état du New Jersey quand j'ai commencé ici, qui est que nous devons absolument faire mieux
So I decided to focus on using data and analytics to help make the most critical decision in public safety, and that decision is the determination of whether, when someone has been arrested, whether they pose a risk to public safety and should be detained, or whether they don't pose a risk to public safety and should be released. Everything that happens in criminal cases comes out of this one decision. It impacts everything. It impacts sentencing. It impacts whether someone gets drug treatment. It impacts crime and violence. And when I talk to judges around the United States, which I do all the time now, they all say the same thing, which is that we put dangerous people in jail, and we let non-dangerous, nonviolent people out. They mean it and they believe it. But when you start to look at the data, which, by the way, the judges don't have, when we start to look at the data, what we find time and time again, is that this isn't the case. We find low-risk offenders, which makes up 50 percent of our entire criminal justice population, we find that they're in jail. Take Leslie Chew, who was a Texas man who stole four blankets on a cold winter night. He was arrested, and he was kept in jail on 3,500 dollars bail, an amount that he could not afford to pay. And he stayed in jail for eight months until his case came up for trial, at a cost to taxpayers of more than 9,000 dollars. And at the other end of the spectrum, we're doing an equally terrible job. The people who we find are the highest-risk offenders, the people who we think have the highest likelihood of committing a new crime if they're released, we see nationally that 50 percent of those people are being released.
et je sais que nous pouvons mieux faire. J'ai donc décidé de nous concentrer sur l'utilisation des données et les analyses pour aider à prendre la décision la plus cruciale en matière de sécurité publique. Il s'agit de déterminer, lorsque quelqu'un est arrêté, si il pose un risque pour la sécurité publique et devrait être détenu, ou s'il ne pose pas de risque pour la sécurité publique et pourrait être relâché. Tout ce qui arrive dans les affaires criminelles ressort de cette unique décision. Elle influence tout. Elle influence la condamnation. Elle conditionne si quelqu'un reçoit un traitement médical. Elle influence les crimes et la violence. Lorsque je parle aux juges à travers les Etats-Unis, ce que je fais tout le temps maintenant, ils disent tous la même chose, qui est : « Nous mettons les gens dangereux en prison, et nous laissons les personnes non dangereuses, non violentes dehors. » Ils le pensent et ils y croient. Mais quand on commence à regarder les données, que les juges n'ont pas, au passage, lorsqu'on commence à regarder les données, on trouve encore trop souvent que ce n'est pas le cas. On trouve des délinquants à faibles risques, qui représentent jusqu'à 50 pour cent de notre population carcérale entière, on voit qu'ils sont en prison. Prenez Leslie Chew, qui est un texan qui a volé quatre couvertures lors d'une froide nuit d'hiver. Il a été arrêté et fut gardé en prison avec une caution de 3500 dollars, une somme qu'il ne pouvait pas se permettre de payer. Il est resté en prison pendant huit mois jusqu'à ce que son affaire soit jugée, avec une facture pour les contribuables de plus de 9000 dollars. De l'autre côté du spectre, on fait un travail aussi mauvais. Les gens que nous y trouvons sont les criminels les plus dangereux, les gens que nous estimons avoir la plus haute probabilité de commettre un nouveau crime s'ils sont relâchés, au niveau national, on voit que pour cent de ces personnes
The reason for this is the way we make decisions. Judges have the best intentions when they make these decisions about risk, but they're making them subjectively. They're like the baseball scouts 20 years ago who were using their instinct and their experience to try to decide what risk someone poses. They're being subjective, and we know what happens with subjective decision making, which is that we are often wrong. What we need in this space are strong data and analytics.
sont libérées. La raison à ça est la façon dont nous prenons les décisions. Les juges ont les meilleurs intentions lorsqu'ils prennent ces décisions sur le risque, mais ils le font de manière subjective. Ils sont comme les éclaireurs du baseball il y a 20 ans, qui utilisaient leur instinct et leur expérience pour essayer de déterminer quels étaient les risques de quelqu'un. Ils sont subjectifs, nous savons que ce qui arrive avec des décisions prises subjectivement, c'est que nous avons souvent tort. Ce dont nous avons besoin ici
What I decided to look for was a strong data and analytic risk assessment tool, something that would let judges actually understand with a scientific and objective way what the risk was that was posed by someone in front of them. I looked all over the country, and I found that between five and 10 percent of all U.S. jurisdictions actually use any type of risk assessment tool, and when I looked at these tools, I quickly realized why. They were unbelievably expensive to administer, they were time-consuming, they were limited to the local jurisdiction in which they'd been created. So basically, they couldn't be scaled or transferred to other places.
sont des données solides et des analyses. Ce que j'ai décidé de chercher était des données solides et un outil analytique quelque chose qui donnerait aux juges la possibilité de comprendre vraiment d'une façon scientifique et objective quel était le risque qui était posé par la personne en face d'eux. J'ai cherché partout dans le pays, et j'ai trouvé qu'entre 5 et 10 pour cent des juridictions américaines utilisait en fait tous types d'outil d'analyse de risque, et lorsque j'étudiais ces outils, j'ai rapidement compris pourquoi. Ils étaient incroyablement cher à administrer, ils exigeaient beaucoup de temps, ils étaient limités à la juridiction locale dans laquelle ils avaient été créés. Donc, ils ne pouvaient pas s'étendre
So I went out and built a phenomenal team of data scientists and researchers and statisticians to build a universal risk assessment tool, so that every single judge in the United States of America can have an objective, scientific measure of risk. In the tool that we've built, what we did was we collected 1.5 million cases from all around the United States, from cities, from counties, from every single state in the country, the federal districts. And with those 1.5 million cases, which is the largest data set on pretrial in the United States today, we were able to basically find that there were 900-plus risk factors that we could look at to try to figure out what mattered most. And we found that there were nine specific things that mattered all across the country and that were the most highly predictive of risk. And so we built a universal risk assessment tool. And it looks like this. As you'll see, we put some information in, but most of it is incredibly simple, it's easy to use, it focuses on things like the defendant's prior convictions, whether they've been sentenced to incarceration, whether they've engaged in violence before, whether they've even failed to come back to court. And with this tool, we can predict three things. First, whether or not someone will commit a new crime if they're released. Second, for the first time, and I think this is incredibly important, we can predict whether someone will commit an act of violence if they're released. And that's the single most important thing that judges say when you talk to them. And third, we can predict whether someone will come back to court. And every single judge in the United States of America can use it, because it's been created on a universal data set.
ou être transférés à d'autres endroits. Donc je suis sortie et j'ai construit une équipe phénoménale d'analystes, de chercheurs et de statisticiens pour construire un outil d'analyse de risque universel, pour que chaque juge aux Etats-Unis puisse avoir une mesure du risque objective et scientifique. Dans l'outil que nous avons construit, nous avons collecté 1,5 millions d'affaires de tous les Etats-Unis, des villes, des comtés, de chaque état du pays, des cours fédérales. Avec ces 1,5 millions d'affaires, ce qui représente le plus grand jeu de données aux Etats-Unis aujourd'hui, nous avons été capables de trouver qu'il y avait plus de 900 facteurs de risques que nous pouvions analyser pour essayer de comprendre ce qui comptait vraiment. Nous avons découvert qu'il y avat neuf éléments spécifiques qui comptaient à travers le pays et qui étaient les facteurs de risques les plus prédictifs. Donc nous avons construit un outil d'analyse de risque universel. Ça ressemble à ça. Comme vous le voyez, on saisit quelques informations mais c'est incroyablement simple, c'est facile à utiliser, il se concentre sur des choses comme les anciennes condamnations des accusés s'ils ont été condamnés à des peines de prison ferme, s'ils ont été impliqués dans des violences auparavant, s'ils ont échoué en revenant devant une cour. Avec cet outil, on peut prédire trois choses. Premièrement, si quelqu'un va commettre un nouveau crime une fois relâché. Deuxièmement, pour la première fois, et je crois que c'est extrêmement important, on peut prédire si quelqu'un va commettre un acte violent s'il est relâché. Et c'est la chose la plus importante que les juges vous disent quand vous parlez avec eux. Ensuite, on peut prédire si quelqu'un retournera devant un tribunal. Et chacun des juges aux Etats-Unis peut l'utiliser
What judges see if they run the risk assessment tool is this -- it's a dashboard. At the top, you see the New Criminal Activity Score, six of course being the highest, and then in the middle you see, "Elevated risk of violence." What that says is that this person is someone who has an elevated risk of violence that the judge should look twice at. And then, towards the bottom, you see the Failure to Appear Score, which again is the likelihood that someone will come back to court.
parce qu'il a été créé avec un jeu de données universel. Ce que les jugent voient lorsqu'ils lancent l'outil de calcul des risques c'est ça, un tableau de bord. En haut, on voit le résultat du New Criminal Activity, six est bien sûr le plus haut, et ensuite, au milieu vous voyez, "un risque élevé de violence". Ce que ça indique c'est si cette personne est quelqu'un qui a un risque élevé de violence alors le juge devrait y regarder deux fois. Ensuite, vers le bas, vous voyez le risque d'apparition de l'échec, qui encore une fois est la probabilité
Now I want to say something really important. It's not that I think we should be eliminating the judge's instinct and experience from this process. I don't. I actually believe the problem that we see and the reason that we have these incredible system errors, where we're incarcerating low-level, nonviolent people and we're releasing high-risk, dangerous people, is that we don't have an objective measure of risk. But what I believe should happen is that we should take that data-driven risk assessment and combine that with the judge's instinct and experience to lead us to better decision making. The tool went statewide in Kentucky on July 1, and we're about to go up in a number of other U.S. jurisdictions. Our goal, quite simply, is that every single judge in the United States will use a data-driven risk tool within the next five years. We're now working on risk tools for prosecutors and for police officers as well, to try to take a system that runs today in America the same way it did 50 years ago, based on instinct and experience, and make it into one that runs on data and analytics.
que quelqu'un revienne au tribunal. Maintenant, je voudrais vous dire quelque chose de vraiment important. Je ne pense pas que ça devrait éliminer l'instinct et l'expérience des juges de cet processus. Je ne crois pas. Je crois en réalité que le problème auquel nous faisons face et la raison pour laquelle nous avons eu ces incroyables erreurs, où nous avons incarcéré des personnes non violentes et avons relâché des personnes dangereuses à haut risque, c'est que nous n'avions pas de mesure objective du risque. Mais ce que je crois, c'est qu'on devrait pouvoir utiliser cet outil de détermination des risques et combiner ça avec l'instinct et l'expérience des juges pour nous mener à une meilleure prise de décision. L'outil a été lancé dans tout le Kentucky le 1er juillet, et nous nous apprêtons à le lancer dans un certain nombre de juridictions américaines. Notre but est tout simplement, que chaque juge des Etats-Unis utilise cet outil d'analyse de risque dans les cinq premières années. Nous travaillons maintenant à des outils d'analyse de risque pour les procureurs et les officiers de police également, pour essayer de prendre un système qui fonctionne aujourd'hui en Amérique comme il fonctionnait il y a 50 ans, fondé sur l'instinct et l'expérience, et d'en faire un qui fonctionne
Now, the great news about all this, and we have a ton of work left to do, and we have a lot of culture to change, but the great news about all of it is that we know it works. It's why Google is Google, and it's why all these baseball teams use moneyball to win games. The great news for us as well is that it's the way that we can transform the American criminal justice system. It's how we can make our streets safer, we can reduce our prison costs, and we can make our system much fairer and more just. Some people call it data science. I call it moneyballing criminal justice.
à partir de données et d'analyses. Maintenant, la bonne nouvelle avec tout ça, on a une tonne de travail qui reste à faire, on doit faire beaucoup d'accompagnement du changement, mais la bonne nouvelle à ce sujet c'est que nous savons que ça fonctionne. C'est pour ça que Google est comme Google, c'est pourquoi toutes ces équipes de baseball utilise le moneyball pour gagner des matchs. La bonne nouvelle pour nous également c'est que c'est la façon dont on modifie le système de justice pénale américain. C'est comme ça que nous rendons nos rues plus sûre, nous pouvons réduire le coût de nos prisons, et nous pouvons rendre notre système plus équitable et plus juste. Certains appellent ça de la science des données.
Thank you.
J'appelle ça le moneyball de la justice pénale.
(Applause)
Merci.