Le recours à l’évidence dans l’élaboration des normes internes

Résumé Fr En

L’article examine l’existence de l’évidence dans le droit interne capable de déclencher l’adoption d’une norme individuelle ou générale, sans qu’une interprétation des prémisses factuelles soit nécessaire. L’étude est menée en se penchant sur deux sources de connaissances susceptibles d’avoir une telle qualité. La première source concerne l’utilisation de preuves scientifiques pour fonder les normes juridiques. Elle suggère que les normes fondées sur des preuves scientifiques soient perçues comme objectives et rationnelles, détachées des idéologies politiques et des émotions humaines. Cependant, la connaissance scientifique n’est pas toujours aussi évidente qu’elle ne le paraît, car les données scientifiques peuvent être obscures pour les non-spécialistes, sujettes à interprétation, et susceptibles de révisions à mesure que la science évolue. De plus, l’interprétation des données scientifiques est souvent teintée de subjectivité, et les décisions politiques basées uniquement sur des preuves scientifiques peuvent être considérées comme antidémocratiques. La deuxième approche met en lumière l’utilisation croissante de données numériques et leur traitement massif par les algorithmes d’intelligence artificielle pour déclencher l’adoption des normes juridiques. Cette approche est soutenue par l’idée que les données numériques sont objectives, détaillées et susceptibles de fournir des connaissances d’une évidence absolue. Les algorithmes d’intelligence artificielle sont utilisés pour automatiser divers processus de prises de décision, tels que la détection des piscines non déclarées ou la vérification de la résidence des retraités à l’étranger. Cependant, l’article souligne que, malgré leur apparence d’évidence, les données numériques ne peuvent pas toujours échapper à l’appréciation et au contrôle humain. Les décisions publiques impliquent souvent des valeurs et des objectifs complexes qui sont nécessairement inscrits dans le traitement algorithmique des données. De plus, les algorithmes génèrent des connaissances probabilistes et incertaines, ainsi que les résultats de leur traitement peuvent être affectés par des erreurs et des biais, remettant en question leur évidence.

This article examines the existence of obviousness in internal law capable of triggering the adoption of an individual or general standard without the need for the interpretation of factual premises. This study is conducted relying on two sources of knowledge of a nature to possess such a quality. The first source is the use of scientific proof to provide grounds for legal standards. This suggests that standards based on scientific proof are perceived as objective and rational, detached from political ideologies and human emotion. However, scientific knowledge is not always as obvious as it appears, since scientific data can be seen as obscure by non-specialists, subject to interpretation, and susceptible to being revisited as science evolves. Furthermore, the interpretation of scientific data is often affected by subjectivity, and political decisions based solely on scientific proof can be considered anti-democratic. The second approach highlights the increasing use of digital data and their mass processing by artificial intelligence algorithms in order to trigger the adoption of legal standards. This approach is supported by the idea that digital data are objective, detailed and likely to provide knowledge that is absolutely obvious. Artificial intelligence algorithms are used to automate decision-making processes such as the detection of undeclared swimming pools or the verification of retirees’ residence abroad. However, the article underlines that, despite appearing obvious, digital data cannot always escape human assessment and examination. Public decisions often involve complex values and objectives that must necessarily be included in the algorithmic processing of data. Furthermore, algorithms generate probabilistic and uncertain knowledge, and the results of their processing can be affected by errors and bias, thereby bringing their obviousness into question.