Enjeux juridiques liés à la légalisation du pot : comment l’IA va être utilisée

La légalisation du cannabis à usage récréatif est imminente au Canada. Parallèlement, l’intelligence artificielle est de plus en plus présente dans différents secteurs, y compris celui du droit.

Dans un article publié dans The Canadian lawyer magazine, Ben Alarie, chef de la direction de Blue J Legal, explique qu’intelligence artificielle et cannabis ont quelque chose en commun : l’IA est utilisée par les employeurs et les juristes en droit du travail pour explorer la question difficile de savoir ce qui constitue un test de dépistage justifié.

Son entreprise a développé plusieurs logiciels en IA mis à la disposition des avocats en droit du travail.

En effet, les employeurs se demandent comment ils vont pouvoir faire face à une éventuelle augmentation de la consommation de cannabis par leurs employés, ce qui pourrait entraîner des problèmes de sécurité.

Ils consultent donc de plus en plus d’avocats pour déterminer plus précisément les circonstances dans lesquelles ils peuvent exiger un test de dépistage de drogues.

Les questions abondent: les employés peuvent-ils être systématiquement soumis à un dépistage de consommation de drogue ? Les employeurs peuvent-ils exiger que tous les employés se soumettent au dépistage de drogues de façon aléatoire ? Les employeurs doivent-ils attendre blessures ou dommages matériels pour exiger un test ? Si un employé signale qu’un collègue fumait de la marijuana pendant une pause, est-ce une justification suffisante pour le dépistage ?

Pour le moment, il n’y a pas de cadre législatif clair à ce sujet. Le soin est laissé aux tribunaux de développer une jurisprudence à ce sujet.

Il y a des centaines de décisions portant sur divers contextes, y compris les tests de pré-emploi, les tests post-incidents, les tests post-réintégration et les tests aléatoires. Cela rend souvent les recherches approfondies difficile à réaliser ou extraordinairement longues.

Même lorsque des recherches approfondies sont effectuées, l'opinion juridique qui en découle est souvent limitée à un ensemble spécifique de faits et à un contexte particulier.

Vie privée et sécurité s’opposent

Les juges et les arbitres sont aux prises avec deux intérêts opposés : le respect de la vie privée et la sécurité.

Pour établir un équilibre entre la vie privée et la sécurité, les tribunaux et les arbitres examinent une gamme de facteurs pertinents. Par exemple, l'employé était-il sensible à la sécurité? Y avait-il des preuves physiques de l'usage de drogues ? Quelle était la gravité des dommages causés à la personne le cas échéant ? Quelles autres explications étaient possibles pour l’incident ? Quelles précautions ont été prises ?

Lorsque les juges et les arbitres présentent leurs analyses et le résultat juridique correspondant, ils prennent généralement soin de préciser leurs conclusions sur les facteurs pertinents. Ceci est, bien sûr utile aux avocats qui tentent d’identifier l’équilibre qui a été atteint dans des cas similaires dans le passé.

“Machine learning”

Les systèmes d’IA qui développent un apprentissage automatique peuvent utiliser les décisions passées comme une source de données pour fournir des informations sur mesure sur la façon dont les décideurs ont échangé divers facteurs.

Un logiciel qui utilise l'intelligence artificielle est maintenant disponible pour synthétiser les résultats de centaines de décisions pertinentes pour faire des prédictions sur la façon dont les facteurs pertinents vont interagir dans des circonstances nouvelles.

Tout d’abord, il recueille des informations auprès de l'utilisateur sur le contexte du test de drogue en question. Les renseignements pris en compte par l’IA sont la province, quel type de test a été utilisé, la nature des responsabilités professionnelles de l’employé, les circonstances entourant l’incident et les dommages qui en résultent, les indicateurs spécifiques de déficience ou encore toutes les explications alternatives qui ont pu être fournies.

Puis, le logiciel utilise l’IA pour comparer les informations fournies par l’utilisateur aux modèles trouvés dans les données de tous les cas. Il fournit ensuite un rapport sur la probabilité qu’un test de dépistage de drogue soit acceptable ou inadmissible.

Le rapport comprend un niveau de confiance exprimé en pourcentage, une explication en langage clair du résultat prévu et une liste de décisions antérieures qui ressemblent le plus aux circonstances présentées au système.

L’utilisateur peut essayer plusieurs scénarios et voir comment le résultat prévu changerait selon différentes hypothèses.

Les systèmes de prédiction basés sur l’IA sont capables d’atteindre une précision de 90% ou plus, mesurés par un processus de test qui évalue avec quelle précision le système prédit les cas qu’il n'a jamais vus auparavant.

Les nouvelles décisions sont réinjectées dans l’IA pour lui permettre d'améliorer ses prédictions.

Tout comme les méthodes de recherche juridique numérique dominent les méthodes papier en termes de rapidité et d'efficacité, les outils basés sur l'intelligence artificielle représentent la prochaine étape de l'évolution de la recherche juridique.