Melissa Colloff - 33rd EPS Prize Lecture (2026)

Melissa Colloff - 33rd EPS Prize Lecture (2026)

Sciences humaines, sociales & pensée Physique PHPhysique
🎙 Melissa Colloff 👥 391 📅 23 juillet 2026 ⏱ 49 min 👁 25 📄 conférence scientifique 🧭 2026-08-16
Disponible en : Français (actuel) English

Mots-clés

eyewitness identificationlineupsignal detection theoryfeature matching modeldiscriminability

Résumé

Dans cette conférence, Melissa Colloff, lauréate du prix EPS 2026, présente ses recherches sur l’identification par témoin oculaire. Elle commence par souligner que les erreurs d’identification sont une cause majeure de condamnations injustifiées, mais soutient que le problème ne réside pas tant dans la mémoire des témoins que dans les procédures utilisées pour la tester. Elle introduit la théorie de la détection de signaux comme cadre pour analyser les décisions d’identification, en distinguant la discriminabilité (capacité à distinguer le coupable de l’innocent) du biais de réponse. Elle présente ensuite une série d’expériences à grande échelle (avec des milliers de participants) sur l’effet de la similarité des leurres (fillers) dans les files d’identification. Ses résultats montrent que les files d’identification non équitables (où le suspect est le seul à correspondre à la description) nuisent à la discriminabilité, tandis que les files équitables (où les leurres correspondent à la description) sont préférables. Elle introduit ensuite le modèle de correspondance des traits (feature matching model) pour prédire l’effet de la similarité des leurres. Ce modèle prédit que des leurres moins similaires améliorent la discriminabilité dans les files avec suspect présent, sans affecter les files avec suspect absent. Les données confirment ces prédictions. Colloff conclut en soulignant l’importance de la théorie pour guider les recommandations politiques et améliorer les procédures d’identification dans le système judiciaire.

221 mots

Évaluation critique

Valeur des informations & solidité de l’argumentation

La valeur des informations est élevée : la conférence présente des données expérimentales originales, issues de grandes cohortes (plus de 10 000 participants dans certaines études), avec des analyses statistiques robustes (courbes ROC, aire sous la courbe partielle). L’argumentation est solide et structurée : elle part d’un problème appliqué (erreurs d’identification), propose un cadre théorique (théorie de la détection de signaux, modèle de correspondance des traits), formule des prédictions testables, puis les confronte aux données. La démonstration est convaincante, notamment l’utilisation de la discriminabilité comme mesure clé, qui permet de distinguer la qualité de la procédure du simple biais de réponse. La discussion sur les implications pratiques (recommandations pour les forces de l’ordre) est pertinente et nuancée.

Rigueur scientifique, qualité des sources, adéquation du titre

La rigueur scientifique est bonne : la conférencière cite des travaux antérieurs (notamment ceux de Laura Mickes, John Wixted, Travis Seale-Carlisle) et s’appuie sur des modèles théoriques reconnus. Les sources sont principalement des articles de recherche, mais la conférence ne fournit pas de références bibliographiques complètes dans la description. L’adéquation entre le titre et le contenu est parfaite : il s’agit bien d’une conférence de recherche sur l’identification par témoin oculaire. La conférence est destinée à un public scientifique, mais reste accessible grâce à des exemples concrets. Aucun commentaire n’a été fourni, donc aucune analyse des tendances du public n’est possible.

233 mots

Adéquation titre / contenu

Le titre est précis et correspond au contenu : il s'agit bien de la conférence de Melissa Colloff pour le prix EPS, portant sur la recherche en identification par témoin oculaire.

Qualité & fiabilité

8/10

Conférence de recherche primaire, présentant des données expérimentales originales (plusieurs milliers de participants), des analyses statistiques (ROC, pAUC) et un cadre théorique (feature matching model). La méthodologie est détaillée et les résultats sont replacés dans la littérature. Quelques limites : pas de revue systématique, focus sur les travaux du laboratoire, mais la rigueur est élevée.

Moments clés

Sources citées

  • Aucune source externe n'est mentionnée dans la description ou la vidéo. — La conférence cite des travaux de recherche (par exemple, Laura Mickes, John Wixted, Travis Seale-Carlisle) mais sans fournir de références complètes.

Sources concordantes

Sources discordantes

  • Études antérieures sur la similarité des leurres — La littérature a produit des résultats contradictoires sur l'effet de la similarité des leurres, certains suggérant que des leurres très similaires sont meilleurs, d'autres que des leurres moins similaires sont préférables. La conférence vise à résoudre ces contradictions.

Apport & nouveautés

L’apport original de cette conférence réside dans l’application systématique de la théorie de la détection de signaux et du modèle de correspondance des traits pour comprendre et prédire l’effet des procédures d’identification. Elle démontre que la similarité des leurres est un facteur clé qui peut être optimisé pour améliorer la discriminabilité, et fournit des données à grande échelle pour étayer ces prédictions. Cela permet de dépasser les résultats contradictoires de la littérature et d’offrir des recommandations plus solides pour les politiques d’identification.

Pour aller plus loin :

  • Théorie de la détection de signal — Base théorique pour comprendre la discriminabilité et le biais de réponse.
  • Courbe ROC — Outil statistique utilisé pour mesurer la performance des procédures d’identification.
  • Mémoire de reconnaissance — Processus cognitif sous-jacent à l’identification.
  • Témoignage oculaire — Contexte et enjeux de la recherche.

136 mots

Profil radar

Le profil radar montre des scores élevés en qualité et fiabilité de l'information, ainsi qu'en niveau technique, reflétant une conférence scientifique rigoureuse. La quantité d'information est également bonne, mais la note globale est légèrement inférieure en raison de la spécialisation du sujet et de l'absence de sources externes détaillées.

Fiabilité 8/10